赛题介绍

随着新能源装机规模的持续增长，电力系统运行的不确定性不断增加，电力市场价格波动也愈发显著。储能系统由于具有灵活的充放电能力，可以在电价较低时充电，在电价较高时放电，从而实现电能在时间维度上的转移，并获得电力市场收益。

在电力现货市场中，储能系统的收益通常来源于电价时间波动所带来的时序调节价值。如果能够提前对未来电价进行准确预测，并在储能容量与充放电约束条件下制定合理的运行策略，则可以有效提升储能系统的经济运行水平。

本赛题基于蒙西地区某节点的历史实时电价数据及相关边界条件，要求参赛队伍构建模型预测未来一天（D+1）的实时市场电价，并据此制定储能设备的充放电计划，使储能系统在给定约束条件下获得最大化收益。

背景知识

储能系统在电力市场中的基本运行策略是低价充电、高价放电。设实时电价序列为：$P_t$

其中：

• $t$：时间索引。本赛题采用 15分钟分辨率，未来 96 个时间点，即 $0 \le t_c \le 95$
• $P_t$：时间 t 的实时电价

储能系统在时间 t 的充放电功率为：$E_t$

其中：

• $E_t =+1000$：表示放电
• $E_t =-1000$：表示充电
• $E_t = 0$：表示不操作

储能系统的收益可表示为：

$$Profit=\sum_{t=0}^{95}P_t*E_t$$

电价序列通常呈现出非平稳性、高波动性和多因素耦合特征，其变化受到负荷变化、新能源出力、气象条件及市场行为等多种因素共同影响，因此预测难度较高。常见建模技术包括深度时间序列模型（如 LSTM、Transformer）、时序卷积网络（TCN）、信号分解方法（如 VMD、EMD）以及大模型方法等。参赛选手可根据自身思路选择适合的技术路线进行建模。

比赛任务

本赛题要求参赛队伍基于提供的历史价格数据及边界条件（包括系统负荷、风光总加、竞价空间、联络线、风电、光伏、水电和非市场化机组的相关数据），并结合气象预报信息，对蒙西地区某节点的实时市场电价进行建模与预测。

预测区间为：

次日 0 时起未来 24 小时的实时电价序列（15 分钟分辨率，共 96 个点）。

在获得未来电价预测结果的基础上，参赛队伍需要在给定储能运行约束下制定储能设备的充放电计划，从而实现每日收益最大化。

数据说明

注意：不允许使用外部数据

1. 气象数据（all_nc 目录）

数据来源为行业主流气象预报（Numerical Weather Prediction, NWP），文件格式为 nc，共包含 7 个变量。

每个文件为发布日对应的未来1 天逐小时预报。例如：

20240101.nc 表示 2024 年 1 月 1 日发布、对 1 月 2 日的逐小时气象预测。

文件维度包括：

• time：第一个预报时刻（世界时）
• channel：变量维度（共 7 个变量）
• hour：从起始时间起的小时数（0–23）
• lat：纬度，由北向南递增
• lon：经度，由西向东递增

参赛队伍可自主选择使用部分或全部变量。 本赛题气象数据集由中科天机气象科技有限公司（tjweather.com）提供

2. 边界条件数据

包括以下特征量（15 分钟分辨率，时间为北京时间）：

• 系统负荷实际值：反映电力系统在各时间点的真实用电需求水平，是影响电力供需关系及市场出清电价的重要基础指标。
• 系统负荷预测值：由调度或市场机构对未来时段系统用电需求进行预测得到，用于提前评估电力供需平衡情况，并影响市场参与主体的交易决策。
• 风光总加实际值：表示风电与光伏发电出力之和的实际值，反映新能源在系统中的实际发电水平，对市场供给侧结构及电价波动具有重要影响。
• 风光总加预测值：根据气象条件等因素对未来风电与光伏总出力进行预测得到，用于评估未来新能源供给水平及其对电力市场价格的潜在影响。
• 联络线实际值：表示跨区域电网联络线的实际受送电功率，反映区域之间电力交换情况，对本地区供需平衡和市场价格具有调节作用。
• 联络线预测值：对未来时段跨区域电网联络线的受送电功率进行预测得到，用于评估区域电力交换对本地电力供需格局的影响。
• 风电实际值：表示风电机组在各时间点的实际发电出力，反映风资源条件下风电的真实发电水平。
• 风电预测值：根据气象预报对未来风电发电出力进行预测得到，是评估新能源供给能力的重要依据。
• 光伏实际值：表示光伏电站在各时间点的实际发电出力，反映太阳辐照条件下的真实发电水平。
• 光伏预测值：根据气象预报对未来光伏发电出力进行预测得到，用于评估未来新能源发电水平及其对电力市场供给侧的影响。
• 水电实际值：表示水电机组在各时间点的实际发电出力，通常受来水情况及调度计划影响。
• 水电预测值：根据水情及调度计划对未来水电出力进行预测得到，用于评估水电资源在系统供给中的贡献。
• 非市场化机组实际值：表示因保供、电网安全或政策原因不参与市场竞价的机组实际发电出力，这部分电量通常优先保障运行。
• 非市场化机组预测值：对未来时段非市场化机组的计划或预测出力进行估计，用于评估固定出力对市场供需结构的影响。

注：测试集中暂不提供所有边界条件中的实际值

3. 节点实时电价数据

包括蒙西地区某节点（列名A）的历史实时市场出清电价。

数据分辨率为15 分钟，时间为北京时间。

气象变量说明

气象源变量如下：

[u100, v100, t2m, tp, tcc, sp, ghi]

变量	描述	单位
u100	100 米高度纬向风 (U-component wind speed, east-west wind speed)	m/s（米/秒）
v100	100 米高度经向风 (V-component wind speed, north-south wind speed)	m/s（米/秒）
t2m	2 米气温 (Temperature at 2-meter height)	K（开尔文）
tp	总降水量 (Total Precipitation)	m（米）
tcc	总云量 (Total Cloud Cover)	(0 - 1)
sp	地面气压 (Surface Pressure)	Pa（帕斯卡）
ghi	水平面总辐照度 (Global Horizontal Irradiance)	W/m²（瓦/平方米）

储能参数设定

为统一比赛条件，本赛题对储能系统进行简化建模，储能设备具有固定容量与离散充放电策略。

储能系统参数设定如下：

• 储能容量：8000
• 充放电功率：±1000
• 单次充电或放电持续时间：连续 8 个时间点（对应连续 2 小时）
• 初始储能状态：荷电状态（State of Charge，SOC）= 0

储能运行规则如下：

1. 储能容量约束 储能能量状态满足： $$0 \le SOC_t \le 8000$$

2. 充放电规则 储能系统仅允许以下两种完整操作： 充电操作： $[-1000, -1000, -1000, -1000, -1000, -1000, -1000, -1000]$ 放电操作： $[+1000, +1000, +1000, +1000, +1000, +1000, +1000, +1000]$ 即每次操作必须持续 连续 8 个时间点，不可中断。

3. 每日操作限制 在一天 24 小时内：

   • 最多允许一次完整充放电操作
   • 即允许：
     • 不进行交易
     • 或进行一次"充电 + 放电"操作

   若选择充电，则必须在当天完成对应的放电操作。

4. 时间约束 充放电操作需满足： 充电开始时间： $0 \le t_c \le 80$ 放电开始时间： $t_d \ge t_c + 8$ 且 $t_d \le 88$ 其中： $t_c$：充电开始时间 $t_d$：放电开始时间

评测指标

对测试集对应天数计算储能系统收益。

收益计算公式为：

$$Profit= \sum_{t=0}^{95}P_t * E_t$$

其中：

• $P_t$：真实实时电价
• $E_t$：参赛队伍提交的充放电功率

最终评分为测试集所有天数收益的平均值：

$$Score= \frac{1}{D}\sum_{d=1}^{D} Profit_d$$

收益越高，排名越靠前。

若某天未进行充放电操作，则该日收益记为：

$$Profit = 0$$

Baseline

我们提供一个基础的baseline lgb_baseline.py

任务提交说明

初赛采用结果提交的方式

1. 提交未来 D 日储能充放电策略的单个 CSV 文件。文件包含 96 × D 行（每 15分钟 一个预测点），索引为北京时间时间戳，列名为"times/实时价格/power"。文件名为 output.csv。
2. 参考格式 output_demo.csv