Торговля накопителем энергии по прогнозу цен
Накопитель на 20 МВт и 40 МВт·ч торговал на оптовом рынке по простому правилу: заряжаться ночью, отдавать в пик. Мы заменили это правило системой, которая прогнозирует цены на сутки-полтора вперёд, строит сотни сценариев и подбирает заявки с учётом риска и износа батареи. Проект занял 8 месяцев. За 4 месяца реальной торговли маржа на МВт·ч выросла на 12%.
- срок проекта
- 8 месяцев
- функциональных модулей
- 5
- этапов разработки
- 5
- ключевых технологий
- 5

02 — Контекст
Задача проекта
Исходная ситуация, ограничения и проблемы, которые должна была решить новая система.
Накопитель мощностью 20 МВт и ёмкостью 40 МВт·ч работает на двух площадках оптового рынка: на рынке на сутки вперёд (РСВ) и на балансирующем рынке. Он делает до двух циклов заряда и разряда в сутки. Заявки подавались по эвристике «заряжай ночью, отдавай в пик».
Правило простое, но цены каждый день складываются по-своему. В часы с околонулевыми ценами терялась маржа: часы с ценой ниже 300 ₽/МВт·ч использовались лишь в каждом пятом случае. Отклонения от заявленного графика оборачивались штрафами. Батарея изнашивалась быстрее, чем закладывали в план.
Задача была в том, чтобы торговать по прогнозу, а не по расписанию, и учитывать сразу три вещи: цену, риск ошибки прогноза и стоимость износа батареи.
Упущенные дешёвые часы
Фиксированное правило не смотрит на цены конкретного дня. Часы с ценой ниже 300 ₽/МВт·ч шли в дело только в 20% случаев, и каждый пропущенный дешёвый заряд уменьшал маржу.
Штрафы за отклонение
Фактический график расходился с заявленным, и за это рынок штрафовал. Эвристика не учитывала, насколько надёжен прогноз и что будет, если он ошибётся.
Износ сверх плана
Батарея деградировала быстрее плановой нормы. 9% времени накопитель работал за пределами окна заряда 10–90%, а цена износа в решениях о торговле никак не учитывалась.
03 — Возможности
Что делает система
Ключевые сценарии и рабочие модули, собранные в единую систему.
Прогноз цен в виде диапазона
Модель на LightGBM с квантильной регрессией прогнозирует цены на 24–36 часов вперёд. Простыми словами, она выдаёт на каждый час не одну цифру, а диапазон возможных цен с вероятностями. Из этих диапазонов собирается 400 сценариев того, как может пройти завтрашний день на рынке.
Заявки, которые выдерживают ошибку прогноза
План заряда и разряда подбирается сразу на всех сценариях как задача смешанного целочисленного программирования (MILP). Ограничение CVaR следит за худшими исходами: в самых неудачных сценариях потери не должны выходить за заданный предел. Поэтому система не ставит всё на один прогноз и выбирает заявки, выгодные в среднем и безопасные в плохой день.
Износ батареи как цена цикла
Модель деградации оценивает, сколько ёмкости съедает цикл, в зависимости от числа циклов, глубины разряда и температуры. Эта оценка входит в целевую функцию оптимизации как стоимость цикла. Если разница цен не покрывает износ, система не гоняет батарею ради неё. Так ёмкость не тратится на сделки, которые её не стоят.
Балансирующий рынок и торговый шлюз
Кроме рынка на сутки вперёд, накопитель работает на балансирующем рынке с резервом. Система интегрирована с торговым шлюзом.
Среда симуляции
В среде симуляции тестировали политику обучения с подкреплением (RL) для внутричасовых корректировок. Её отключили: прирост не окупал риск.
04 — Архитектура
Технологический стек
Технологии выбраны под нагрузку, интеграции и дальнейшее развитие продукта.
Зачем в проекте · 01 / 05
Python
На нём написаны прогноз, генерация сценариев, оптимизация, симулятор и связь с торговым шлюзом. Один язык на весь контур упрощает сопровождение.
- CVaR
05 — Процесс
Как шла разработка
Последовательность работ от исследования задачи до запуска и проверки результата.
Прогноз цен и сценарии
Построили квантильный прогноз цен на 24–36 часов и генерацию 400 сценариев по нему.
Модель деградации
Описали износ батареи через число циклов, глубину разряда и температуру и превратили его в стоимость цикла для оптимизатора.
Оптимизация и бэктест
Собрали стохастическую оптимизацию с CVaR-ограничением и прогнали её на исторических данных. Бэктест показал прирост маржи на 21%, но это расчёт на истории, а не результат торговли.
Симулятор и проверка RL
В среде симуляции испытали RL-политику для внутричасовых корректировок. Прирост не окупал риск, и её отключили.
Выход в торговлю
Интегрировали систему с торговым шлюзом и перевели накопитель на новые заявки. От старта до промышленной эксплуатации прошло 8 месяцев, затем результаты измеряли 4 месяца реальной торговли.
06 — Итог
Результаты
Что создано в рамках проекта: рабочий контур, реализованные возможности и подтверждённые факты.
- маржи на МВт·ч, замер за 4 месяца торговли
- +12%
- штрафов за отклонение от графика, замер
- −25%
- времени вне окна заряда 10–90%, замер
- 9% → 2%
За 4 месяца реальной торговли маржа на МВт·ч выросла на 12%. Часы с ценой ниже 300 ₽/МВт·ч накопитель теперь использует более чем вдвое чаще, штрафы за отклонение от графика снизились на четверть, а за пределами окна заряда 10–90% он работает 2% времени вместо 9%.
Бэктест на исторических данных обещал больше, +21%. Разрыв появился из-за двух причин: собственные заявки накопителя влияют на цену, а в дни ремонтов сетей прогноз отклоняется сильнее. Износ за 4 месяца достоверно не измерить: система управления батареей (BMS) оценивает остаточную ёмкость с точностью ±1%. По модели деградация укладывается в план, но это оценка, а не замер.
Четыре месяца не покрывают паводок и зимний пик, поэтому годовую маржу из этих данных экстраполировать нельзя. Экономика проекта также сильно зависит от регуляторной модели участия накопителей в рынке.
FAQ
Вопросы о проекте
Обсудим похожий проект?
Расскажите о задачах вашего бизнеса — предложим архитектуру и оценим сроки

