新能源波动对日前电价的冲击：基于脉冲响应函数（IRF）的量化分析

本文选用的核心数据，包括日前电价、新能源（风电、光伏）在日前的出力数据。控制变量数据包括了日前负荷、日前联络线。研究涉及的时间周期为1年（2024年6月—2025年5月），将数据按照小时级为单位进行划分（每日24个时段），避免以96个时段划分而带来的噪声过大影响。

1.2变量构建

本文的被解释变量为日前电价变化率（RoCiEP），是将日前电价进行对数差分处理。

解释变量选用新能源占比（ARoW/ARoP），其计算公式为：

直接使用新能源出力波动率，可能出现异方差性和非线性问题，并且其中已经忽略系统规模，故本文不采用该方法衡量新能源的波动。

控制变量包括：日前负荷变化率（RoCiL），由日前负荷经对数差分处理得出。日前联络线（TL），由于该变量必须区分正负向（外送/外受），进行差分处理会损失方向信息，故使用原始值（通过平稳性检验后采用）。

通过上述方式构建的变量，可以区分风电/光伏波动方向（正/负冲击）。此外，也可以体现经济学的弹性，即：新能源增长率每变动1%，日前电价变动X%；负荷、联络线的影响同理。

2 模型设定与检验

2.1 VAR模型构建

将电价、风电波动及光电波动组合成一个内生变量向量组，负荷和联络线组合成外生变量向量组。其中，p是滞后阶数，Ai是滞后阶数为i时的内生矩阵系数，εt是随机扰动项。

本文采用样本较大，滞后阶数通过BIC准则方法确定，以保证其一致性并避免过度拟合。经过分析后，选取最优滞后阶数为p=3。

2.2预检验

1. 平稳性检验

本文采用ADF检验验证构建的变量平稳性。结果表明，在5%显著性水平下，采用的所有变量序列均平稳，故采用VAR模型。检验给出的p值及结果展示如下：

2. 格兰杰因果检验

为验证新能源波动对电价的预测能力，本文对变量进行格兰杰因果检验。结果表明，电价变化率（RoCiEP）与新能源波动（AVoW/AVoP）之间存在双向的统计学意义上的因果关系，同时电价也是负荷和联络线的格兰杰结果。 而发电侧申报电价（EPoS）虽然在一定程度上能够反映电力供给方的行为，也能体现煤价等因素的影响，但是发电侧申报电价变化率（RoCiEPoS）对电价变动率的影响却不显著，故本文不将其纳入模型中分析。

2.3 脉冲响应分析

2.3.1冲击场景设定

根据甘肃电力市场特征，并结合经济理论和市场结构确定冲击顺序变量排序：

1. 风电波动率（AVoW）&光电波动率（AVoP）： 新能源波动是最外生冲击源；

2. 日前负荷变化率（RoCiL）： 受新能源影响，但影响外送和电价；

3. 日前联络线（TL）： 受前两者影响，影响电价；

4. 日前电价变化率（RoCiEP）： 最终响应变量。

回归结果以如下表达式展开：

估计参数结果如下：

注：‘***’表示p

2.3.2动态路径解读

通过IRF方法研究，得知风电、光电波动±1标准差，对日期价格的冲击均呈现一些随时间波动的特征。

2.3.2.1风电冲击

以风电-1标准差的冲击为例，展开分析，风电冲击大小为-1.6%。

1. 短期效应（0-2小时）

风电突发下降对电价的瞬时拉升。风电出力下降，使得系统边际成本上升，从而导致电价在短期内上升。电价响应，在2小时左右上升最高可以达到0.8%。

2. 中期效应（2-13小时）

风电出力降低，这就要求增加火电运行备用，这段时间火电机组开机增加，导致市场供给短时上升。同时，这段时间会在一定程度上限制跨省外送电，降低了总需求。多种原因叠加，导致电价的正响应下降。

3. 长期效应（13-24小时）

风电下降冲击对电价影响的长期性，是通过累积响应函数计算得出的。可以认为，市场层响应是在约13小时以后，主体对市场的预期调整，影响报价策略，使得电价在长期上升，变化逐渐减弱，最终累积值约为2.3%。

2.3.2.2光电冲击

光伏波动±1标准差冲击的效应同理，接下来以光电变化+1标准差为例展开，冲击大小为6.8%。可以看出，光电带来的冲击，相比于风电，在较短时间内变化更加剧烈。

1. 短期效应（0-1小时）

光电出力上升，使得系统边际成本下降，从而导致电价在短期内对冲击产生下降的反应。在约1小时的时间内，就可以使日前价格下降约13%。

2. 中期效应（1-5小时）

光电出力增加，这段时间火电机组响应，开机降低，导致市场供给下降。同时，本地负荷和外送调度响应，需求增加，电价的响应绝对值减小。

3. 长期效应（5-24小时）

运用累积响应函数给出光电冲击对电价的长期影响。电价在长期对光电正向冲击的响应虽然有所上升，但最终累积值依然是负值，约为-12.2%。

价格响应未能在24小时内收敛于0，揭示了可再生能源波动对电力市场的深远影响超过日内波动范畴。电力市场各个主体需要延长风险管理视野（>24小时），建立考虑长期影响的交易策略。

2.3稳健性检验

用相对占比替代绝对占比，构建上述VAR模型。回归结果以如下表达式展开：

注：‘***’表示p

尽管如上文所说，直接使用新能源出力波动率可能导致一系列数据问题，但是使用其代替占比构建的模型依然保持较好的解释性，故本文构建的VAR模型具有稳健性。

结论与展望

1 主要结论

新能源波动对日前价格呈非线性影响，其影响随时间波动。具体来看，在短期（约2小时内），电价呈现与新能源出力变化相反的趋势；中期（约2-8小时），电价会因供需的调整，从而表现为响应缩小的趋势；在长期（约8小时以上），市场调整，导致电价进一步趋向于平稳。

本研究通过量化分析风电、光伏波动对日前电价的动态冲击路径，构建了基于脉冲响应函数的三阶段预测模型，可帮助提升日前价格预测精度，将新能源波动从预测干扰项转化为定价因子。研究发现的规律可以为日前价格预测提供关键机制解释，尤其揭示了光电出力变化与价格变化的强负关联性，以及风电变化引发电价变化的延迟响应规律。

2 模型拓展优化

本文使用的VAR模型及其对应的预测，未考虑极端天气事件、季节差异、节假日等特殊影响，后续可以将上述因素以哑变量的形式纳入其中，更加综合地体现电力市场的冲击及响应。此外，储能参与将重构新能源波动对电价的冲击路径，其模型演化也是未来对模型进行拓展优化的方向之一。