power-market-trading-docs/markets/us/pjm/design_models_zh.md

# PJM 新能源日前竞价的预测模型设计

**工作设计文档 —— v0.1（2026年7月）**

背景：我们正在建设一项竞价优化业务（模式二：SaaS，并预留向模式三——资产管理/市场主体服务——迁移的路径），帮助可再生能源发电商向 PJM 提交日前（DA）报价。本文档记录支撑竞价优化器的三个核心预测模型的背景与技术设计，供后续讨论与迭代。英文原版：`design_models_en.md`。

---

## 〇、三个模型如何协同

产品的核心循环是一个 **报童式电量决策** ：可再生电站的最优日前承诺量是其出力预测分布的某个分位数，分位数的选取取决于预期的日前–实时（DA–RT）价差与结算结果的不对称性，并按电站出力误差与价差之间的协方差进行修正。

```
                 ┌─────────────────────┐
                 │ 模型 B：出力预测      │──── 出力分位数（分电站、分小时）
                 └─────────────────────┘                    │
                                                            ▼
┌─────────────────────┐       状态特征            ┌──────────────────┐
│ 模型 A：日前价格      │──────────────────────────▶│  竞价优化器       │──▶ 日前报价曲线
│ （水平，粗颗粒）      │                           │ （报童模型 +      │    （电量腿 + 价格腿）
└─────────────────────┘                           │   协方差修正）    │
                 ┌─────────────────────┐          └──────────────────┘
                 │ 模型 C：DA–RT 价差    │──── 价差分位数（分节点、分小时）
                 └─────────────────────┘
```

精度要求的分工：

| 模型 | 所需精度 | 在竞价中的角色 |
|---|---|---|
| A. 日前价格水平 | **低** （状态/粗颗粒） | 为模型 C 提供状态条件；报价下限附近的负电价尾部概率；收入预期 |
| B. 出力 | **高** （经校准的分位数） | 竞价的电量轴 |
| C. DA–RT 价差 | **高** （条件分布，尤其尾部） | 选取承诺的出力分位数 |

驱动该架构的核心洞察：对按电量竞价的可再生电站，DA–RT 价差与自身出力分布共同决定最优报价；绝对价格水平只在三处相关：（a）作为价差的条件状态，（b）报价下限附近的尾部（负电价/经济性弃电），（c）报告与套保。

---

## 一、模型 A——日前价格水平（粗颗粒/状态模型）

### 1.1 目的

并非交易台级的价格预测。只承担三项窄范围任务：

1. 对明日的 **状态分类** ：如 {宽松 / 正常 / 紧张 / 稀缺} 与 {气电边际 / 煤电边际 / 新能源过剩}，作为模型 C 的条件特征。
2. **报价下限尾部概率** ：逐小时的 P(节点 LMP < 下限)，对日前与实时分别计算——即负电价分类器。它决定出力的"中标概率加权"（对模型 B 分布的截断）与报价曲线的价格腿。
3. 用于客户收入报告与套保支持的 **预期价格水平** 。

### 1.2 为什么我们 **不** 复刻 SCUC

日前价格是 PJM 安全约束机组组合/经济调度（SCUC/SCED）的输出，因此完整的结构化复刻（Dayzer/PROMOD 级）在概念上"正确"，但在次日尺度上实践中处于劣势：

- **报价在竞价时保密** （约 4 个月后脱敏发布）。边际机组的成本重构误差恰好落在定价之处。
- **日前市场不是纯物理 SCUC** ：虚拟交易（INC/DEC/UTC）把日前价推向市场对实时的预期。物理复刻完全错过这一金融层。
- **网络模型属 CEII 受限信息** ；每日监控的约束与运行限额随调度员判断变化。阻塞——节点间的差异来源——是最难复刻的成分。
- **SCUC 是组合优化** ：微小的输入误差会离散地翻转机组组合决策；即便 PJM 自己的解也带容差、并不唯一。
- **市场外的调度员行为** 事前不可观测。

经验共识：对明日价格，统计/机器学习模型胜过结构化复刻；结构化模型的优势在反事实分析、阻塞解剖、长期尺度与新格局。

### 1.3 我们的路线："复刻 SCUC 的逻辑，而非它的解"（轻量混合）

构建一个 **简化的供给堆栈视图** 生成特征，再由统计模型学习残差映射：

- **堆栈紧张度** ：PJM 负荷预测减去可用火电容量（按停机数据调整）再减去全网新能源预测。强非线性——在利用率约 93% 以上才显著。
- 由重构堆栈与气价信号得出的 **隐含边际燃料 / 状态标志** 。
- 按客户区域维护的 **约束观察清单** ：由 PJM 历史绑定约束数据与计划检修（OASIS）重构，而非依赖潮流模型。

统计层：梯度提升模型预测期望水平；单独的二分类器识别负电价小时（特征：低负荷预测、高全网风光预测、周末/节假日、春秋季、局部阻塞状态）。

### 1.4 数据

| 数据 | 来源 | 成本 |
|---|---|---|
| 日前/实时 LMP（电能/阻塞/损耗分量） | PJM Data Miner（`da_hrl_lmps`、`rt_hrl_lmps`、`rt_fivemin_hrl_lmps`） | 免费 |
| 负荷预测、计量负荷 | PJM Data Miner | 免费 |
| 全网风/光预测与实际 | PJM Data Miner | 免费 |
| 发电停机（合计 MW） | PJM Data Miner | 免费 |
| 绑定约束 | PJM Data Miner | 免费 |
| 输电计划检修 | PJM OASIS | 免费 |
| 核电机组状态 | NRC 每日反应堆状态报告 | 免费 |
| 天然气：Henry Hub 现货、NYMEX 结算价 | EIA、CME | 基本免费 |
| 天然气：东部基差（TETCO M3、Transco Z6、Dominion S、TCO） | Platts / NGI / ICE | 付费——价值最高的付费数据 |
| 气象预报（温度、风、辐照）+ 集合离散度 | NOAA（GFS/HRRR/NDFD）、ECMWF 开放数据 | 免费（须自行存档！） |
| 邻区 ISO 价格/负荷（MISO、NYISO） | 各自公开门户 | 免费 |

### 1.5 须编码的结构性断点

- 机组更替：退役、新投产（用 2019 年训练的模型会给 2026 年错误定价）。
- 备用/ORDC 市场规则变更（标注日期；不信任变更前的历史）。
- PTC/ITC 机组构成漂移（见第四节）：随着周边 PTC 电站陆续走完 10 年窗口，历史负电价频率对未来是有偏的预测量。

---

## 二、模型 B——概率化出力预测（分电站）

### 2.1 目的与目标

在美东时间每日约 10:00（早于 10:30 日前闭市）前，给出明日每小时电站 *可用* 出力的 **经校准的分位数集** ，如 P10 / P25 / P50 / P75 / P90。竞价优化器承诺该分布的某个分位数——点预测在结构上就不够用。

预测时长：竞价时点约 14–38 小时 ⇒ 数值天气预报（NWP）承载几乎全部信号；该尺度下持续性外推毫无价值。

### 2.2 架构：两阶段管线

**第一阶段——气象到功率模型（分场站）。**
用梯度提升树（或类似方法）学习"NWP 预报 → SCADA 出力"的映射。它自动吸收电站的真实功率曲线、尾流损失、逆变器削顶、地形效应、积灰，以及天气模型在该位置的系统偏差。

> **关键规则：用预报气象训练，而非实测气象。** 模型必须端到端地学习 NWP 的误差特性；用测风塔实测训练、再用 NWP 输入预测，实盘表现会退化。

**第二阶段——分布层。** 三条可互换的路线：

1. **分位数回归** （pinball loss，每个分位数一个模型）——默认起点；现代 GBM 库原生支持。
2. **NWP 集合** （如 ECMWF 51 成员）：把每个成员穿过第一阶段模型 → 51 条出力情景 → 读出经验分位数。附加好处：集合保留了 *跨小时的时间相关性* （低风情景整日皆低），对关心多小时形态的竞价优化很有价值。
3. **类比/误差修饰法** ：以点预测为中心，套上相似条件（相似预报水平、季节、天气格局）下的历史误差分布。

### 2.3 校准——原文所说的"金子"

若声称的概率是诚实的（长期看，实际出力低于"P10"的频率约为 10%），预测即为校准的。用可靠性图检验：分箱历史、统计超越频率、对照名义值。

为何这是最值得死磕的事：整套竞价策略就是"承诺分位数 q"。若分位数失准——比如你的"P50"实际只有 40% 的时间被超越（常见的乐观偏差）——那么每一笔报价都系统性偏斜，你在结构性地超卖日前、在实时回购。校准误差一比一转化为结算损失。而实践中的馈赠是：即便预测购自供应商， **你也可以自行重新校准** ——只需你的 SCADA 存档与供应商预测存档，做分位数映射（对照其声称分位数与你的实现超越频率并调整）。小项目、高回报——这就是"历史 SCADA 对预测误差是金子"的含义。保存收到过的每一份预测；这份存档会持续升值。

两个悄悄毒化校准工作的因素：

- **弃电污染。** SCADA 记录的是 *实发* ，不是 *可发* 。若被 PJM 经济性调减（或局部约束限电）、或被你自己的下限逻辑压住，记录出力低估了能力。用被污染的数据校准，模型会"学会"大风/大晴天发得更少。必须重构"可用功率"——现代 SCADA 多可由机舱测风或逆变器无约束能力计算潜在功率信号；以其为真值，并标注弃电时段。
- **可用率与气象误差分离。** 某串机组检修停运不是气象预报误差。要么把真值折算到可用容量，要么把计划可用率作为特征输入。把停机误差混入气象误差会以错误的理由撑肥分位数——且注意其不对称性：非计划停机只做减法，专门加厚分布的下尾。

### 2.4 自建还是外购

- **外购** （供应商：Solargis、Meteomatics、UL、DNV 等众多；约 1–3 千美元/场站/月）适合起步；但务必保留内部的 *重校准与评估* 层。每季度用 pinball loss 在自己的 SCADA 上给供应商打分；并行采购两家、一年后留优（或加权融合——两家独立供应商的简单平均常常双双胜出）。
- **自建** 适合组合规模化之后：管线成本被摊薄；可定制目标（自有弃电逻辑下的可用功率）；保证时点存档；与优化器直接集成。
- **商业模式优势（跨客户学习）** ：管理多个电站的 SCADA 后（合同条款须允许），气象到功率模型可跨场站迁移、NWP 偏差可按区域而非按站校准、全网预测误差日（价差的驱动因素）变得可观测。客户合同从第一天起就要明确允许汇聚/脱敏的模型训练；事后补条款很痛苦。

### 2.5 精度预期（日前尺度）

- 光伏点预测：约为容量的 5–10%（RMSE 口径，随气候而异）。
- 风电：约 8–15%（功率约与风速三次方成正比，速度误差被放大）。
- 但评判要看 **分布** ：跨分位数的 pinball loss + 聚焦尾部的可靠性，并对照气候学修饰的持续性外推这一朴素基线。

---

## 三、模型 C——DA–RT 价差模型（分节点）

### 3.1 目的

赚钱的模型。输出分小时、分节点的 **S = DA − RT 条件分位数** ，用于选取承诺的出力分位数（报童模型），并按客户自身出力误差与价差的协方差进行修正。

### 3.2 目标变量的统计性格

- **无条件均值近零，由机制决定** ：虚拟交易会套走任何持续的可预测缺口；残留的是小幅条件风险溢价（日前在预期稀缺时段偏贵）与瞬时无效率。低信噪比；预期 R² 平平。价值在条件结构与尾部。
- **剧烈不对称的尾部** ：日前是平滑的预期；实时是带刺的实现（稀缺加价可打出 850 美元以上；新能源过剩带来负实时价）。左尾肥（实时飙过日前）、右尾中等（实时崩塌）。对 S 的高斯假设是失格的。
- **日间自相关弱、条件结构强** （小时、季节、紧张度、气象不确定性）。

### 3.3 先分解再建模

```
S_node = S_system（枢纽/电能分量） + S_congestion（节点的日前–实时阻塞差）
```

- **S_system** ：总量供需——负荷预测误差、全网新能源预测误差、日前闭市后的强迫停机、备用稀缺。全 PJM 共用，一次建成服务所有客户。
- **S_congestion** ：实时绑定而日前未定价的约束（或反之）——输电强迫停运、意外潮流。对新能源聚集区常为主导且 *更可预测* （停运期间实时阻塞有持续性）。逐节点工作； **我们可防御的 IP 层** 。

两个市场的 LMP 分量在 Data Miner 中均有披露，分解可直接由历史计算。

### 3.4 有效的架构：状态分类 × 条件分布 × 协方差

**阶段 A——尖峰/状态分类器（主导盈亏的离散事件）：**
- P(实时飙过日前)：紧张度、备用裕度、极端温度预报 *及其集合不确定性* 、高全网新能源预报（欠发风险）、近期强迫停机、日型。
- P(实时崩塌/负实时价)：全网新能源预报、低负荷、非灵活基荷占比、局部约束状态。 **与模型 A 的负电价分类器共享基础设施。**

**阶段 B——条件价差分位数** ：给定状态概率，用连续特征做分位数 GBM，或从状态匹配的历史价差分布做类比抽样。

**阶段 C——出力–价差协方差修正（本业务的独有优势）** ：全网超发的日子恰好压垮实时价、也恰好是客户超发的日子——出力误差与 S 负相关，使超量申报受罚。实现方式：把客户自身出力预测误差作为价差模型的条件变量，或在状态内估计相关性并对报童分位数做解析修正。通用价格商会跳过这一步；我们不能。

### 3.5 特征集（按经验预期的阿尔法排序）

1. **紧张度** （负荷预测 − 可用容量），约 93% 利用率以上呈强非线性。
2. **新能源预报水平及其 *修订速度*** ：近几轮 NWP 周期间的变化（临近的重大修订 ⇒ 日前基于陈旧信息出清 ⇒ 价差机会）。
3. **气象预报不确定性** （集合离散度）——实时波动的燃料。
4. **节点近期的实时对日前阻塞差** + 约束绑定频率，交叉对照输电计划检修。
5. **虚拟交易成交总量** （滞后披露）——套利效率的状态变量。
6. **日历交互项** （小时 × 季节）+ 结构断点标志（规则变更）。

### 3.6 评估协议

- **对残酷基线 S ≡ 0（"市场有效"）的 pinball loss** 。在时点纪律之下持续地在样本外战胜它是真难事；回测大胜 ⇒ 先查泄漏再庆祝。
- **经济回测** ：完整报童循环对照朴素 P50 竞价；关键指标是 美元/MWh 提升（好的实现约 0.5–2 美元/MWh）。
- **专门的尾部校准** （P5/P95），以及 **分状态切片** 评估——平均表现尚可的模型往往在每年驱动盈亏的那约 30 天里一塌糊涂。

### 3.7 组合风险（生存级，而非统计级）

客户整体做多新能源 ⇒ 模型误差在 **全账簿相关** 。对全网超发导致实时崩塌的那一天判断失误，就是对每个风电客户同时失误。第一天起的一级风险指标：跨客户合计的日前多头倾斜 MWh，并对尖峰情景做压力测试。

---

## 四、横切议题：报价下限、税收抵免与价格腿

电量腿（来自模型 B + C）须与 **价格腿** 配对；后者由各资产的真实边际成本决定，而边际成本取决于其税收抵免选择：

| 资产类型 | 边际成本 | 理性报价下限 | 负电价时是否发电？ |
|---|---|---|---|
| PTC（10 年窗口内） | ≈ −（PTC × 税收放大） | 约 −25 至 −35 美元/MWh | 是，直至下限 |
| ITC | ≈ 0 | 约 0 美元/MWh | 否 |
| PTC 窗口期满（第 11 年起） | ≈ 0 | 约 0 美元/MWh | 否 |

- PTC（约 27.5–30 美元/MWh，随通胀调整、满足工资/学徒要求，按发电量支付 10 年）把下限推为负值；ITC（资本开支的 30% 以上，按投资支付）不影响边际成本。
- IRA 自 2025 年起使抵免技术中立（45Y/48E）——高利用率光伏日益选择 PTC ⇒ 光伏机组也开始出现负下限（结构性变化）。OBBBA（2025 年 7 月）加速风光退坡（一般须 2027 年底前投运，含开工安全港）——存量电站保留已锁定的抵免。 **逐项目核实最新指引。**
- **与模型 A 尾部任务的交互** ：竞价用的预期出力是 *中标概率加权的* ：E[中标出力] ≈ 物理预测 × P(LMP ≥ 下限)，逐小时、对日前与实时分别计算（"日前负/实时正"与"日前正/实时负"两种情形结算迥异）。朴素地使用物理预测，恰在弃电风险最高的大发日超量申报最多。
- 偏差结算的微妙之处：在负实时价期间对日前头寸欠发可能 *有利可图* （以正价卖日前、以负价买回）——这正是偏差费用与强制申报规则存在的原因。任何逼近该边界的自动竞价逻辑都需要合规审查（市场监测机构关注风险）。核实 PJM 现行结算/偏差规则；它们会变。

### 4.1 BORD 类偏差费用（优化器的一级输入）

"BORD" = PJM 的 **平衡运行备用偏差** 费用——一种成本 *分摊* 机制，实际效果是对偏离日前头寸的准罚则。

- **机制。** PJM 会产生补偿成本（对被组合或调度、但 LMP 收入不足以覆盖其报价成本的机组做整体补偿）。其中 *平衡* 部分——日前闭市后产生、即实时偏离日前计划的成本——按成本因果大量分摊给 **偏差方** ：偏离日前计划的发电（无论方向）、偏离申报的负荷、以及从不实际交割的虚拟交易。每偏差 MWh 承担一个按日浮动的 美元/MWh 费率，与当日补偿成本及总偏差 MWh 挂钩。
- **对竞价的影响。** 给报童目标函数的偏差腿增加第二项：每一 MWh 的 |Q_rt − Q_da| 都要分摊费用。它是对"偏离预期出力下注"的摩擦/交易成本——预期费率越高，最优分位数越向 P50 回拢。优化器因此需要偏差费率（或其预测）作为价差预测之外的并列输入。
- **漏洞补丁。** 偏差费用（加上市场监测机构的审视）使系统性制造"负实时价下的有利欠发"变得昂贵——见上文微妙之处一条。
- **注意。** PJM 的补偿成本分摊规则经历过反复诉讼与改革（成本科目、偏差定义、间歇性资源豁免、轧差规则）。结算模块必须从现行费率表拉取参数，绝不能凭记忆。"BORD 类"是对这一 *类别* 的简称： **事后、基于成本因果、针对日前对实时偏差的费用。**
- **对照（服务于中国业务）。** 中国的"两个细则"通过 *行政绩效考核* 实现偏差约束——按监管设定的预测精度/计划执行阈值罚分，与当日系统实际平衡成本基本无关。PJM 给外部性定价（对可预测的随机 *价格* 优化偏差）；中国给作业打分（对固定的 *规则手册* 优化预测）。这也是中国功率预测市场成为合规采购市场、而 PJM 从未产生同等强制需求渠道的原因。

### 4.2 套保账簿与价差账簿：可分性及其边界

多数客户电站带有套保（虚拟 PPA、期货组合、银行对冲）。竞价优化器与套保的关系建立在一个三层论断之上： **在会计与一阶决策上可分，在风险上相关，在二阶（风险调整）决策上耦合。**

**第一层——加性可分（"是"的部分）。** 每小时收入：

```
R = Q_da·P_da + (Q_rt − Q_da)·P_rt     （市场两腿——竞价优化器的领地）
  + (P_c − P_ref)·Q_c                  （套保腿——固定差价合约）
```

套保腿不含任何每日决策变量：Q_c、P_c 在签约时已定；P_ref 是电站报价撼动不了的枢纽指数。Q_da 只出现在市场腿中。因此价差阿尔法叠加在套保盈亏之上，两本账可独立考核、互不重复计算。这正是第一至三节把套保当作静态给定条件的依据。

**第二层——结果相关（第一个"否"）。** 两腿由同一组价格驱动：整理后，市场腿含 Q_da·(P_da − P_rt)，套保腿（按日前指数结算）含 −P_da。在稀缺日，欠申报的价差头寸与"以 P_c 做空"的套保会 *一起* 亏损。决策独立、盈亏相关——组合风险报告必须合并看待。

**第三层——风险调整下的耦合（第二个"否"）。** 决策可分只在期望值意义下成立。在均值–方差/CVaR 目标下，最优的日前倾斜取决于电站套保之后的 *剩余* 价格敞口：重度套保的电站可以更大胆地押价差；纯市场化电站应保守收敛，因为价差赌注叠加在巨大的裸露价格风险之上。 **套保账簿通过风险项而非盈亏恒等式进入竞价优化器** ——这是客户接入时的必填输入（套保电量、期限、结算点与结算指数）。

**可能击穿第一层的注意事项：**
- *合同形式。* 固定电量的金融套保干净可分。 **按实发结算（unit-contingent）的 PPA** 使 Q_c = Q_rt（套保腿随出力波动，但仍不随 Q_da）；带实物交割义务的 PPA 会直接约束竞价问题；代理收入互换吸收了形状/电量风险，改变了留给价差账簿管理的剩余风险。
- *结算参考价。* 按日前还是按实时结算的套保留下不同的剩余敞口：实时结算的套保叠加日前申报，会让 *已套保* 的电量也暴露于日前–实时价差——等价于一个内嵌的虚拟头寸，有时是刻意为之，有时是意外。优化器必须分辨是哪一种。

（该论证向中国市场的迁移及四处差异：见中国产品设计文档 2.7 节。）

---

## 五、数据与运营基础设施（共享地基）

### 5.1 时点纪律（不可妥协，适用于全部三个模型）

每个特征都必须反映 **美东时间 10:30 日前闭市前** （实践中约 10:00 快照）可得的信息集：

- 气象：当时实际可得的 NWP 周期（如 00Z 场次），不用更晚周期，绝不用实测。
- PJM 数据：以当时快照为准（数据会被修订）。
- 供应商预测：按到达原样存档（供应商会覆盖）。
- 电站可用率：以竞价时点已知为准。

训练数据混入闭市后信息 ⇒ 回测虚高、实盘"莫名"跑输。 **"以当时为准"的存档是复利型商业资产** ，无法事后重建——竞争对手花钱也买不到。

### 5.2 PJM 准入与许可（商业模式的义务项）

- Data Miner 数据 **仅限内部使用；数据或衍生品的再分发须取得 PJM 再分发许可** （至少 Associate Membership）。我们的预测是否算"衍生数据"，必须在产品上线 **之前** 与 PJM 及律师厘清。
- 速率限制：非会员每分钟 6 次连接对会员 600 次——组合规模化后出于运营需要本就该入会，同时也顺带打开再分发路径。
- 报价提交（模式二"软件代理"变体 / 模式三）：Markets Gateway API（独立且需认证）、凭证管理、第三方代理的账户安全规则——与 PJM 会员服务确认现行要求。
- 商业数据（气价指数、气象供应商）：内部使用与再分发是两档定价迥异的授权；照此签约。

### 5.3 结算反馈闭环

客户的 PJM 结算单是验证模型 C 与经济回测的真值。每份客户协议都要约定结算数据的获取权（验证 + 模型训练用途）。

---

## 六、建设顺序（建议）

| 阶段 | 交付物 | 涉及模型 |
|---|---|---|
| 1 | **经验价差图谱** ：按节点簇/小时/季节的价差分布、负实时价与尖峰频率。零机器学习；可直接作为分析产品售卖；为阶段 B 的类比库播种。 | C |
| 2 | **时点存档管线** （PJM 数据、NOAA/ECMWF，从第一天起自行存档）。 | A、B、C |
| 3 | 基于免费 PJM + NOAA 数据的 **系统级状态分类器** （尖峰/崩塌）；负电价分类器（A/C 共享）。 | A、C |
| 4 | **节点阻塞层** ：近期实时对日前阻塞特征 + 客户实际节点的输电检修交叉对照。 | C |
| 5 | **出力预测管线** ：供应商方案 + 内部重校准；组合规模化后迁移为自建的两阶段管线。 | B |
| 6 | 分客户的 **出力–价差联合协方差修正** （需其 SCADA）。 | B + C |
| 7 | **报童竞价优化器** + 对照 P50 朴素基线的经济回测框架。 | 全部 |
| 8 | 组合相关性风险看板（合计日前倾斜、尖峰压力测试）。 | C / 风险 |
| 9 | 二阶升级：分布式深度学习、联合情景生成、结构化堆栈精化。 | 全部 |

---

## 七、下一步讨论的开放问题

1. 完整的报童数学：含协方差修正与偏差费用不对称性的闭式最优分位数——值得推导并做单元测试。
2. 目标客户节点/区域：西部风电（ComEd/AEP）与中大西洋光伏的阻塞故事迥异；决定阶段 4 约束库的优先级。
3. 出力预测供应商比选设计（选哪两家、打分协议、融合规则）。
4. 混合/储能客户：价格水平的 *形态* 预测重回一级重要性（套利是水平–形态问题）——路线图的触发点。
5. 日内/改报范围：PJM 改报窗口与实时策略不在 v1 范围内，但影响架构（模型 B 的时间相关性需求）。
6. 逼近偏差结算边界的自动竞价逻辑的合规审查清单；与 PJM 会员服务厘清代理框架。
7. 各客户资产的强制申报/容量资源义务——影响最优分位数并约束报价灵活性；须按现行规则核实。

---

## 附录：术语表

| 术语 | 释义 |
|---|---|
| LMP | 节点边际电价——分解为电能 + 阻塞 + 损耗三个分量 |
| DA / RT | 日前市场（美东约 10:30 闭市出清次日逐小时）/ 实时市场（5 分钟调度与结算） |
| DA–RT 价差（S） | S = 日前价 − 实时价；模型 C 的对象；套利使均值近零、尾部肥且不对称 |
| 报童竞价 | 最优日前电量 = 出力分布的某个分位数，分位数由预期价差与结算不对称性决定 |
| 分位数 / pinball loss | 结果有 X% 概率落于其下的数值 / 训练并评估分位数预测的损失函数 |
| 校准 | 声称概率诚实（P10 约有 90% 时间被超越）的性质；用可靠性图检验 |
| SCUC | 安全约束机组组合——ISO 出清日前市场所解的混合整数优化 |
| 虚拟交易（INC/DEC/UTC） | 纯金融性的日前头寸，从不物理交割；将日前价套向实时预期 |
| 补偿成本（Uplift） | 对市场收入不足以覆盖报价成本（启动、空载、最小运行）的机组的整体补偿 |
| BORD | 平衡运行备用偏差费用——PJM 将实时平衡补偿成本分摊给日前–实时偏差方（见 4.1 节） |
| ORDC / 稀缺加价 | 运行备用需求曲线——备用短缺时的行政性价格加成；实时尖峰的推手 |
| FTR | 金融输电权——对两节点间日前阻塞的套保/投机工具 |
| PTC / ITC | 生产税抵免（按发电量美元/MWh、10 年；造就负报价下限）/ 投资税抵免（按资本开支比例；下限约 0）——见第四节 |
| 报价下限 | 低于该价格电站宁可弃电的价格腿：PTC 资产约为 −（PTC × 税收放大），ITC 资产约为 0 |
| 强制申报 / RPM | 容量资源向日前市场申报的义务 / PJM 容量市场（可靠性定价模型） |
| BTM | 表后（如从观测负荷中净掉的屋顶光伏） |
| NWP | 数值天气预报（GFS、HRRR、ECMWF）；集合 = 多组扰动初值的场次，预报不确定性特征的来源 |
| SCADA | 电站监控与数据采集——出力、可用率、弃电记录的真值 |
| 时点纪律 | 所有训练/回测特征只能反映美东 10:30 日前闭市前可得的信息（见 5.1 节） |
| Data Miner 2 / Markets Gateway | PJM 的公开数据 API / PJM 的认证报价提交 API |
| QSE / 调度代理 | 持有市场主体基础设施、代资产提交报价并处理结算的实体 |