匈牙利BME研发AI模型 预测欧洲电力市场价格波动

匈牙利布达佩斯技术与经济大学（BME）自然科学学院的研究人员开发了一种基于人工智能的数学模型，旨在帮助电力市场做出更好、更准确的价格预测。该模型利用可公开获取的数据和可快速运行的人工智能算法。

这项研究由Attila Aszódi教授参与，其成果已发表在学术期刊《Energy Conversion and Management: X》上。研究团队由核技术研究所（NTI）与数学研究所人类与社会数据科学（HSDS）实验室合作组成。

欧洲电力市场的结构性转变

过去十年间，欧洲电力市场经历了剧烈转型。此前，匈牙利能源结构依赖如帕克斯一期核电站（Paks I）、马特拉燃煤电厂等大型基荷电站，以及其它化石燃料电厂。供应端不受天气影响，价格主要由需求决定，市场存在长期合同，系统运营商MAVIR（匈牙利电力传输系统运营商有限公司）可进行相对可靠的规划。

然而，自2020年起，三大趋势颠覆了本地及欧洲电力市场：新冠疫情、俄乌战争以及依赖天气的可再生能源占比上升。

• 新冠疫情导致需求骤降，随后快速反弹，疫情期间延误的维护工作也带来问题。居家办公模式改变了消费模式，家庭用电量激增，改变了用电负荷曲线。
• 俄乌战争成为关键分水岭。其影响早在战前就已显现，主要体现在天然气市场趋势上。俄罗斯自2021年春季起就准备减少对西方市场的天然气供应并抬高价格。
• 可再生能源扩张，特别是依赖天气的太阳能和风能，带来了最大变化。各国侧重不同：匈牙利重点发展太阳能，丹麦侧重风电，德国则两者兼用。

价格形成机制与波动根源

在欧洲电力交易所，交易分为日前（day-ahead）和日内（intraday）市场。日前市场的价格形成基于边际成本排序：成本最低的发电商（如核能、太阳能）优先进入市场，直至满足该小时需求。约60%的时间内，天然气发电厂处于决定最终市场价格的边际位置，因此天然气价格常常成为电力价格的基准。

2021年以来，欧洲天然气市场的高价格和高波动性严重冲击了电力市场。在匈牙利，与乌克兰的电力贸易流向也因战争发生逆转，从进口国变为向受损的乌克兰电网出口电力。

太阳能容量激增带来了特定现象：日照充足时，电价下跌，甚至出现负电价；而在日落后的用电高峰或太阳能出力不足时，电价飙升，需依赖昂贵的进口电力。这种日内价格剧烈波动虽近期有所缓和，但仍然存在。可预测的波动吸引了金融投机者，加剧了价格摆动。

AI模型的开发与应用前景

BME研究团队开发的AI模型旨在利用现有数据，提前预测次日电力价格。模型并非基于大型语言模型，而是通过输入相关、可公开获取的数据，应用特定数学模型，找出与次日电价相关性最高的数据因子，以提升预测精度。

模型使用了五大类数据，均来自欧洲输电系统运营商联盟（ENTSO-E）的免费数据库，包括：各类能源的历史产量、历史日前价格、历史跨境电力流量、电力消费预测以及风电和太阳能发电预测。

研究人员测试了19个欧洲国家的数据，使用了四种不同的人工智能模型。回溯测试显示，新模型的预测准确性 consistently 超越了旧模型，更接近次日实际发生的价格。

研究发现，随着波动性可再生能源的部署，欧洲各国电力市场之间的差异正在缩小。同时，研究也确定了影响各国电价的最主要因素。总体而言，对日前电价影响最大的因素依次是：历史日前电价、跨境电力流量（进出口）、陆上风电产量预测以及天然气发电厂的产量值。

此项公开出版物是一个重要里程碑，使得研究成果能够更开放地转向实际应用和工业部署。下一步目标是将该模型交到潜在用户手中，如政府、发电厂和交易商，使其成为真正有助于市场参与者的工具。