现货市场套利收益测算：分时电价机制、充放电策略优化、充放电效率与损耗、收益计算模型与案例分析
各位同行，大家好。我是老张，在储能行业摸爬滚打了快十年。今天咱们聊点实在的——现货市场套利。说白了，就是低买高卖，赚电价波动的钱。但这里头的门道，比你想象的要深得多。
一、分时电价机制：你得看懂这个“天气预报”
现货市场的电价，不是一成不变的。它像天气一样，每天、每个小时都在变。我个人习惯把分时电价看作“套利的天气预报”。
咱们先看一个典型的现货市场日电价曲线：
时间 电价(元/MWh)
00:00 280
02:00 250
04:00 220 ← 低谷
06:00 260
08:00 450 ← 早高峰
10:00 380
12:00 320
14:00 300
16:00 350
18:00 520 ← 晚高峰
20:00 480
22:00 350
23:00 300你看，低谷和高峰的价差，有时候能到300元/MWh以上。这就是我们的利润空间。
核心要点：套利的关键不是电价绝对值，而是价差。价差越大，利润空间越大。
我在项目中遇到过，有些新手只看峰谷价差，忽略了尖峰时段。其实尖峰时段的价差往往更大，但持续时间短，对充放电策略的要求更高。
二、充放电策略优化：别傻充傻放
有了电价数据，下一步就是决定什么时候充、什么时候放。这不是简单的“低谷充、高峰放”。
我建议用动态规划来做策略优化。嗯，这里要注意，动态规划不是万能的，但它能帮你找到全局最优解。
咱们看一个简化模型：
假设：
- 储能容量：100MWh
- 最大充放电功率：20MW
- 充放电效率：90%
- 初始SOC：20%
目标：最大化日收益
约束：
1. SOC范围：10%-90%
2. 充放电功率限制
3. 充放电不能同时进行用动态规划求解，核心代码逻辑是这样的：
# 伪代码示例
for t in 时间序列:
for soc in 可能的SOC状态:
for action in [充电, 放电, 静置]:
reward = 电价[t] * 充放电量 * 效率
next_soc = soc + 充放电量 / 容量
if next_soc 在允许范围内:
dp[t+1][next_soc] = max(dp[t+1][next_soc], dp[t][soc] + reward)你想想看，这个模型虽然简单，但已经能捕捉到核心逻辑了。实际项目中，我会加入更多的约束，比如循环寿命衰减、辅助服务机会成本等。
实战技巧：我建议把策略分为“常规策略”和“激进策略”。常规策略保证基础收益，激进策略在价差特别大时博取超额收益。
三、充放电效率与损耗：利润的隐形杀手
很多人在做收益测算时，容易忽略效率问题。我曾经吃过这个亏。
充放电效率不是100%，这是常识。但具体到实际项目，损耗比你想象的要大。
| 损耗类型 | 典型值 | 影响 |
|---|---|---|
| 电池充放电效率 | 92%-96% | 每充放一次，损失4%-8% |
| PCS效率 | 97%-98% | 双向转换，损失2%-3% |
| 变压器损耗 | 1%-2% | 固定损耗，与负载相关 |
| 辅助用电 | 1%-3% | 空调、BMS、照明等 |
| 线路损耗 | 0.5%-1% | 电缆电阻损耗 |
综合下来，一次完整的充放电循环，总损耗在10%-15%之间。这意味着，如果价差只有100元/MWh，你实际赚到的可能只有85元。
避坑指南：我曾经在项目可研阶段，用了95%的综合效率，结果实际运行只有88%。那几个月，收益预期差了将近20%。从此以后，我坚持用保守值做测算。
四、收益计算模型：把账算明白
好了，前面铺垫了这么多，现在咱们来建一个完整的收益计算模型。
我习惯用这个公式：
日收益 = Σ(放电收入 - 充电成本) - 固定损耗成本
其中：
放电收入 = 放电量 × 放电电价 × 放电效率
充电成本 = 充电量 × 充电电价 / 充电效率
固定损耗成本 = 容量 × 日固定损耗率 × 平均电价嗯，这里要注意，固定损耗成本很多人会忽略。但实际运行中，即使不充不放，电池也在自放电，辅助系统也在耗电。
咱们用一个实际案例来算一下：
案例参数：
- 容量：100MWh
- 功率：20MW
- 充放电效率：90%
- 日固定损耗：2%
- 电价数据：见前文
最优策略结果：
- 充电时段：02:00-04:00，充电量40MWh
- 放电时段：18:00-20:00，放电量36MWh（考虑效率）
- 充电成本：40 × 250 = 10,000元
- 放电收入：36 × 520 = 18,720元
- 固定损耗：100 × 2% × 350 = 700元
- 日收益：18,720 - 10,000 - 700 = 8,020元你看，一天赚8000多，一年就是近300万。但这是理想情况，实际还要考虑检修、停机、市场限价等因素。
五、案例分析：从数据到决策
最后，咱们看一个我实际参与过的项目案例。
那是2023年，某省现货市场刚运行。我们运营一个100MW/200MWh的独立储能电站。
刚开始，我们用的是简单的“两充两放”策略：
- 凌晨低谷充，早高峰放
- 午间低谷充，晚高峰放
运行一个月后，发现收益不理想。为什么？因为现货市场的电价波动不是固定的，有时候午间电价并不低，甚至比早高峰还高。
后来我们改用了动态优化策略，每天根据次日电价预测，重新优化充放电计划。结果怎么样？
- 月收益提升了23%
- 充放电次数从60次降到45次
- 循环寿命损耗降低了25%
这个案例说明什么？说白了，策略优化不是一次性的，而是需要持续迭代的。
核心结论：现货市场套利，拼的不是硬件，而是算法和策略。同样的电站，不同的策略，收益可能差30%以上。
好了，今天的内容就到这里。记住，做收益测算时，效率要保守，策略要灵活，数据要实时。这样，你的收益模型才经得起市场的考验。
公众号:蓝海资料掘金营，微信deep3321