Power 2026

序言：动机

AI 的需求正在爆炸式增长。但尽管人们已经花了大量篇幅讨论 GPU 和内存的供应链，真正限制 AI 容量扩张的约束，其实是电力。

数据中心已经占到美国电力消费的约 5%^[1]。如果数据中心的电力需求每两年翻一番^[2]，那么从理论上说，到 2030 年代中期，它们的需求就会超过美国全部发电量。

建设一座数据中心，需要围绕许可、周边基础设施以及预期电价进行周密规划。在很多情况下，电力的可变成本会直接决定一个数据中心项目究竟有没有经济可行性。

我曾经是一家大型对冲基金的量化研究员，负责电力和天然气市场；过去两年中的大部分时间里，我都在为创始人和投资者提供数据中心建设方面的建议，包括采购 GPU、与煤电厂谈判、寻找选址等。

这篇关于电力和数据中心的入门文章，是写给更广泛的读者的：你可能已经感觉到能源市场里存在机会，也想尽快把基础知识补起来。

读完这篇文章，你会理解：

• 第一部分：发电厂如何运作、数据中心如何开发建设，以及公司可能如何应对（面向创始人/投资者）。
• 第二部分：如何给美国电力市场定价（面向交易员）。

如果你真的对电力感兴趣，我建议你把全文读完。希望你会觉得它既及时，也有意思。

感谢 Tina He 和 Samuel Spitz 提供编辑反馈。

大宗商品定价基础

在深入电力之前，你得先理解它在更广泛的大宗商品世界里处于什么位置。大宗商品主要可以分为三类：能源（例如电力、原油、天然气）、农产品和金属。所有大宗商品都共享一些基本属性，而这些属性把它们与其他资产类别区分开来。

股票 vs. 大宗商品

股票和大宗商品有两个最重要的区别。

第一，股票并不存在某种强制机制，能够迫使价格收敛到它的“基本价值”。相比之下，大宗商品合约有一个固定的结算日期。到了结算日，就会真的有人来买入或卖出那种可以交割的实物商品。如果玉米贵得离谱，对方就不会买。价格最终必须坍缩回现实。

第二，股票背后代表的公司之间往往有各种很难理清的关系，比如合同、共同客户、供应链等等。大宗商品之间的传导关系要直接得多。一口钻入地下的井，会产出一定量的原油和一定量的天然气（主要是甲烷）^[3]。原油很好的一点在于，它很容易被运往世界各地。正因为原油是一个全球市场，海外价格也会影响美国，这也是为什么霍尔木兹海峡关闭之类的事情会引发如此广泛的担忧。原油有自己的市场价格，炼油厂买入原油，再生产各种馏分油产品，比如汽油、柴油和航空燃油。你在加油站买到的汽油，就是这里的汽油。

如果一口井几乎不产油，我们就把它称为专门的天然气井，而美国国内大部分天然气正来自这里。天然气不像原油那样容易以原始形态运输，但你可以把它冷却，再以液化天然气（LNG）的形式运输。最近一段时间，美国以外的天然气价格远高于美国国内价格，所以我们能出口多少就出口多少。因此，至少在短期里，海外天然气价格对美国国内的影响并没有那么大^[4]。从一个非常简化的角度看，美国境内剩下的天然气，就是那些在物理上没法被出口出去的供给^[5]。天然气的消费场景包括工业用途（例如化工生产）、居民和商业用途（例如给住宅供暖），以及电力发电^[6]——而电力正是本文的重点。

系统平衡方程

在每一个地点，大宗商品市场都必须以某种方式“解”出来：

供给，是当地生产者需要生产出来的数量。需求，是某个地点实际消费的数量。净出口，是一个地区出口出去的数量减去进口进来的数量。库存变化，是存入库存的量减去从库存中提取的量。这个等式在全世界每一个地点都必须成立。另外还存在一些约束：

• 从一个点转移到另一个点的供给量是有限的（卡车/船只数量有限，或者一条输电线路能够承载的传输量有限——后面还会讲）。
• 你不可能从库存里拿出比存进去更多的东西，而且任意时点的最大库存容量也是有限的。

上面每一个变量都是价格的函数。价格，是消费者支付的钱，也是供应商收到的钱。如果某个地点的价格上升，那么在当地生产更多供给就会变得有经济性，因为原先效率较低的生产者现在也能在不亏钱的情况下满足需求；与此同时，当地需求会下降。当然，净出口也会减少（如果本来就存在出口），库存中的供给也会更愿意被释放出来（如果存在库存）。价格会在各地不断变化，直到整个系统达到“平衡”。

任意时刻，所有已经成交的单位——无论是“第一单位”还是“最后一单位”——都会以相同的价格成交。你可能会觉得，如果某个供应商生产成本特别低，他是不是会尝试把价格稍微报低一点？但在竞争性市场里，你个人并不能“选择”自己卖出的价格。这是理解大宗商品定价的一个关键假设。那么，市场价格究竟由什么决定？

为了生产出满足需求/库存/出口所需要的最后一个单位的供给，我们会选择那个尚未满负荷、而且成本最低的生产者。生产这一单位供给的成本就叫“边际成本”。例如，如果我们需要 100 桶原油，生产商 A 可以按 5 美元/桶提供 99 桶，而接下来成本最低的生产商 B 的报价是 6 美元/桶，那么边际成本就是 6 美元。

在一个竞争性市场里，所有人最终成交的市场价格，恰好就等于这个边际成本。注意，如果你就是提供最后一个单位供给的生产者（也就是生产商 B），那么在这最后一个单位上，你的利润是 0：价格恰好等于你的边际成本。这个性质叫做“边际定价”^[8]。它对于理解电价会非常重要。

为什么会这样？一个简单的解释是：假设那个边际生产者拒绝以自己的边际成本出售，他只愿意卖得更贵。问题在于市场是竞争性的。总会有另一个供应商愿意比他报得更低。这个过程会不断发生，直到市场价格恰好等于能够提供额外一单位供给的最便宜生产者的边际成本。如果价格更低，那就没有任何人愿意在经济上承担这一个单位的供给。

电力很特殊

电力通过物理上的“母线/节点（bus）”^[9]注入电网或从电网取出。这些节点数量非常多，分布在美国每一座城市里，并通过输电线路彼此连接。

如果把上面的方程改写成某个具体地点的电力版本——这个地点可以是一条物理母线、一座城市，甚至一个州——那么：

发电量，就是这个地点的发电厂生产出来的电，我们后面会详细讲。消费量，就是这个地点实际使用的电。

出口/输电发生在真实的输电线路上。当你把电推过一条电线时，它会发热。发热意味着沿途会损失掉一部分电能。金属在变热时也会膨胀。通过线路的电越多，线路就越热，膨胀也越明显。如果膨胀得过头，电线可能会下垂得太低，甚至点燃一棵树。因此，每条输电线路都会有一个“额定值（rating）”，也就是这条线路能够承载的最大功率。

这里所说的储能，包括电池、抽水蓄能、压缩空气等。至于损耗，就像刚才提到的，主要发生在电力通过线路传输的过程中。

电力还有最后一个让它区别于其他大宗商品的地方。如果我买了 1000 桶原油，我可以真的把这 1000 桶油提走。但如果我在市场上买了 1 兆瓦时（MWh）的电，并不意味着我就能直接把 1000 张 GPU 插到墙上，然后连续一小时消耗 1 MW 的功率。

原因在于，电力市场存在一个中央的非营利机构，叫独立系统运营商（ISO）。ISO 会收集本地公用事业/负荷服务实体提交的全部需求报价，以及本地发电厂提交的全部供给报价，然后计算每个地点的有效市场价格、计划发电量和电力潮流。接下来，在一天之中，他们会根据对各地用电量的预测，不断告诉每个发电机组应该生产多少电。（有些地区没有 ISO，但仍然会有一个叫“平衡机构（balancing authority）”的实体来确保电网稳定。）

我们需要 ISO，是因为电网必须保持平衡。当你从电网抽取大量电力时，电网频率会下降^[10]；如果你往电网里大量注入电力，情况则相反。但这些发电机组往往都是价值超过 1 亿美元的机器，它们必须以非常精确的转速旋转，才能在正确的频率（60 Hz）下发电。后面我们还会讲到这种旋转，现在你只需要知道：如果电网频率偏离正确值，就可能对发电机造成严重损坏。

在极端情况下，如果某个区域真的消耗了过多电力，平衡机构会直接把它切掉。有时候人们并不是故意想把电网搞崩，只是供给确实无法满足需求——比如主要发电机组突然停机，或者遇上极寒冬季，所有人都在大量用电。为了保护发电机组，系统最终可能只能采取限电（brownout）或停电（blackout），也就是把电网的一部分切掉。

如果你是发电厂，你可能会觉得自己每天都受 ISO 摆布，它不仅告诉你该发多少电，甚至还决定你能拿多少钱。但现实中，交易电力、给实体电厂做套期保值的方式非常多，后面我们会讲。大多数数据中心运营商也都会以某种形式做对冲，以确保经济性可预测。

发电厂

前面说过，电价来自生产电力的边际成本。但这条成本曲线究竟是从哪里来的？答案是：发电厂。

如何阅读 EIA-860

一座发电厂由一个或多个发电机组组成，这些机组有时也叫“units”。每台发电机都有一个容量，也就是它能够生产的最大功率。大多数机组用兆瓦（MW）衡量，像核电站这种特别大的装机则可能用吉瓦（GW）。美国电网上几乎所有超过 1 MW 的发电厂，都可以在 EIA-860^[11] 里找到。EIA-860 是美国能源信息署（EIA）每年整理的一份文件。有时里面的数据不会百分之百准确，但用来入门已经足够；如果你对某座发电厂不确定，也可以直接搜索它，找更详细的参数。

常见的可再生能源电站包括太阳能电站和风电场。其他类型还有水电、核电、天然气（通常简称 gas 或 nat gas）、煤电，以及效率极低的油/柴油机组。记住，边际成本是额外生产 1 MWh 电力的成本。如果按照我刚才列出的燃料顺序，边际成本大体是越来越高的；天然气和煤的顺序有时可能互换，具体取决于机组效率。把发电机组按照边际成本从低到高排序，有时就叫“优先顺序（merit order）”^[12]。

为了满足需求而生产最后 1 MWh 电力的那台机组，叫“边际机组（marginal unit）”。很多时候，它是一台天然气机组。换句话说，这台天然气机组的边际成本最终会设定当地市场价格，这正好对应我们前面讲的边际定价。这个机制本质上是统一出清价格拍卖^[8]：不管每台机组自己的成本是多少，所有被出清的机组拿到的价格都一样。它会激励发电厂尽可能低成本地发电。

EIA-860 还会通过“热耗率（heat rate）”来报告每一台天然气（或煤电）机组的效率。如果我们用 MW 表示机组容量，那么它在一段时间里生产出来的电量就是 MWh，也就是兆瓦数乘以小时数。这里先不深入物理细节，燃料的“热含量”通常用百万英热单位（MMBtu）衡量。热耗率^[13]就是一个非常直接的换算：生产 1 MWh 电需要消耗多少 MMBtu 的燃料（MMBtu/MWh）。如果你有 1400 MMBtu 的天然气，而机组的热耗率是 7（这是相当常见的效率），那么这些燃料足以生产 200 MWh 的电——例如连续 1 小时发 200 MW，或者连续 2 小时发 100 MW。很显然，热耗率越低越好。

天然气发电机组如何工作

天然气发电机组最基本的原理，是先压缩一部分空气，再点燃天然气，产生高温高压的气流^[14]。气体穿过涡轮膨胀，推动涡轮旋转。这个过程叫布雷顿循环（Brayton cycle）。涡轮通过一根轴连接到发电机内部同样会旋转的部分，这部分很恰当地叫“转子（rotor）”。保持不动的部分叫“定子（stator）”。正是这种旋转产生了电力。

绝大多数电力都是通过某种“旋转”产生的。比如水电用水推动涡轮旋转，核电站先产生蒸汽，再用蒸汽推动涡轮，等等。（光伏电池属于例外。）我刚才描述的这种结构叫简单循环燃气轮机（SCGT）。

SCGT 排出的气体依然很热。事实上，它热到足以让我们继续拿它来发更多的电。可以在上面接一个余热锅炉（HRSG），本质上就是用废热把水烧成蒸汽，再让蒸汽穿过另一台涡轮，产生第二次旋转并继续发电。这就是朗肯循环（Rankine cycle）。把它和前面的布雷顿循环结合起来，就得到联合循环燃气轮机（CCGT）^[15]。当然，CCGT 的有效热耗率会低于 SCGT。

也许一套 SCGT 可以让你做到 300–400 MW，而 CCGT 可以做到大约 600 MW。有时候，如果电力需求真的特别高，运营商还会想再往上冲。这时就会用到调峰机组（peaker units）。它们是额外的、效率很低的机组，有些甚至烧油，可以把整座电厂的输出推到大约 800 MW。当然，它们的热耗率要差得多。通常来说，运营商会尽可能先用 CCGT；只有当电价高到足以覆盖成本时，才会打开这些 peaker。

发电厂的基本经济学

从这个结构里，你已经能推导出很多东西。你大概可以想象，涡轮并不是一开机就马上以正确速度旋转。你得先烧一会儿燃料，直到它真正进入可运行状态。这就是机组的“启动成本（startup cost）”，此外还有运营商分摊进去的其他成本，比如人工、磨损等。由于运营商会从效率最高的机组开始依次启用，因此发电厂的报价曲线是向上倾斜的。生产下一 MWh 电的成本，取决于那台机组的热耗率，以及燃料每 MMBtu 的价格。

还有一些更细的成本，比如某些地区的碳价：加州有碳排放总量管制与交易体系，美国东北部有区域温室气体倡议（RGGI）。基本逻辑是：如果你是一家发电厂的所有者，你会把发电机组的这些信息全部提交给 ISO，然后由 ISO 决定你究竟要生产多少电。

运营一座发电厂绝不是胆小者的游戏。这里涉及价值九位数美元的设备，以及复杂的运营管理。但取决于不同地区，典型电价可能在 10–150 美元/MWh 之间，有时甚至更高。假设一台 100 MW 的机组，在 60 美元/MWh 的价格下满负荷运行 16 小时，那么一天的毛收入大约就是 10 万美元量级（16 小时 × 60 美元/MWh × 100 MW）。

当然，这仍然取决于电价。但如果你运营的是数据中心，我们后面会讲，你可以怎样把一部分利润锁定下来。

如何建一座发电厂

随着 AI 带来的需求陡增，拥有一座发电厂听起来似乎是一项非常不错的资产。那么，究竟应该怎样建一座？下面我会概览一下主要步骤。

规划 / 野心

你要建什么类型的发电厂？天然气/煤电、可再生能源场站，还是核电站？多大规模？当然，每种类型都有自己的建设成本和最终成本结构。厂越大，建设就越贵。如果你使用某种特定燃料，它也会限制你可以选址的范围。例如，如果你要建天然气电厂，就必须靠近天然气管道，并且可能还需要再建一条支线管道，把天然气送进你的机组。

你打算拿它做什么？要把电卖进电网吗？如果是，那就准备好等很久。所谓“并网队列（interconnection queue）”，就是所有等着在不同地点建设发电机组的人排的队。ISO 不会允许他们同时全部开工，因为 ISO 需要时间规划并建模新增机组对电网的影响。例如，如果一座新电厂预计会造成大量拥塞，ISO 可能就需要额外建设输电设施。

如果你只是想用这座电厂给数据中心供电，那么可能会选择表后（behind-the-meter，BTM）计算。BTM 的意思是，你直接消费现场发出来的电，所以理论上可以简化甚至避开发电侧并网流程。但代价是，你得有足够空间容纳所有 GPU 机架、冷却设施，以及用于平衡发电和用电的电池。

选址

你已经决定要建哪一种电厂，但你不能随便找块地就往上放。很多人都会问我：“我的这块地适不适合建数据中心或者新发电厂？”答案通常是不适合。选址受到的限制非常多，以至于你往往根本没有太多可选项。正确的顺序是：先决定要建什么厂，再去找适合它的地，而不是反过来。

除了前面讲过的约束，为什么选址这么难？最大的麻烦是各种冲突。假设你要在怀俄明州建电厂，你得检查是否和油气资源、天然碱矿（trona）、矿山、矿权、已经排进并网队列的项目发生冲突。政府还会划定各种避让区——他们总是在保护这个动物或那个动物。2025 年的大艾草松鸡计划（Greater Sage Grouse Plan）就是为了保护一种叫 sage grouse 的鸟。那只鸟的优先级比你的电厂高，所以你最好绕开它。

听起来很复杂，但并非毫无办法。很多地区都把地理信息系统（GIS）文件放在网上。你只需要把相关 GIS 文件一层层过一遍，把所有潜在冲突排掉。

当你比较有把握地确认这块区域不存在冲突后，在真正下手买地之前，你还希望第三方给你盖几个章。比如在华盛顿州，有一个叫能源设施选址评估委员会（EFSEC）的机构，会审查你提交的全部材料，并告诉你是否已经基本排除冲突。你通常还会聘请熟悉当地法律的律师，出具一份第三方报告。

外行可能会觉得许可只是官僚主义的额外负担，但即使完全没有许可制度，你也得小心不要侵犯别人的权利——土地、水、空气等等。从某种意义上说，许可证是在帮你省麻烦，因为它让你更确信：你以为自己拥有的权利，确实存在。

你还会考虑是不是应该建在一个“友好州”。如果你建设足够大规模的数据中心，很多州都提供销售税减免。在弗吉尼亚州，这叫 Data Center Retail Sales and Use Tax Exemption。毕竟，数据中心也会创造蓝领就业。

融资

现在你已经挑好了地方，准备建一座给表后计算供电的天然气电厂。问题来了：它要花 3 亿美元。别忘了你还得为 GPU 准备现金，而 GPU 往往会成为整个项目建设成本里占比最大的部分。

你以前申请过信用卡，也许还办过房贷。但别人为什么愿意给你承销 3 亿美元债务？

第一，很多人会选择用股权融资拿到的现金直接买地，而不是先为土地单独借一笔贷款。这样在时间安排上会宽松一些。真正的债务主要用于施工，而且你会尽可能慢地提款，因为利息支出完全可能把整个项目拖垮。

但银行究竟是在为什么东西承销？电力是世界上波动性最高的资产之一。没人愿意把一笔九位数美元的贷款借给一个项目，而这个项目下个月有 50% 的概率赚 0，也有 50% 的概率赚 300 万美元。

你需要先锁住一部分现金流。假设你在建数据中心。为了简化，我们把所有此类合同都叫长期购电协议（PPA），但现实中的合同可能有各种形式，比如能源服务协议、专属供电协议等。你的“锚定租户”——可能是某家超大规模云厂商或 AI 实验室——会承诺在若干个月内按某个固定的每 MWh 价格支付。合同越长越好。这样一串未来现金流，更容易拿来做融资承销。

假设你不是数据中心，也依然可以把未来高度波动的收入流，转换成稳定的固定收入流。常见工具叫“热耗率看涨期权（heat rate call option，HRCO）”^[16]。它的设计目标，就是模拟你的发电厂经济性。如果某天你的电厂赚了 5 万美元，那么理论上，行使 HRCO 也应该支付 5 万美元；如果那天你的电厂根本没开机，HRCO 就不应该支付任何东西。（现实里 HRCO 模拟的是一座理论电厂，它只是你真实电厂经济性的近似。）

你把这个 HRCO 卖给一家对冲基金。基本上，只要你的厂值得开机，对方就会行权，所以你的电厂收入最终会被他们拿走。好消息是什么？他们会每个月给你支付一笔固定的钱（或者每天，取决于结算频率）。这就是你拿去给建设贷款做承销的现金流。

当你真正借下那 3 亿美元时，银行会仔细审查你的“交易对手（counterparty）”，也就是那个向你持续支付稳定现金流的人。如果银行认为你的交易对手可能有一天突然不付钱了，它就会提高利率来补偿风险。利率通常以纽约联储发布的有担保隔夜融资利率（SOFR）之上的某个点差来报价。如果是一家成熟的数据中心开发商，又有超大规模云厂商这样的优质租户，那么一个合理的粗略水平大概是 SOFR + 2.25%。

建设

到了这一步，真正把发电厂建起来的是工程、采购和施工（EPC）承包商。他们负责浇混凝土、铺设管道、完成电气接线，把所有东西真正拼成一个能运行的项目。

现在最难的是采购。很多关键部件根本买不到。GE Vernova、西门子能源、三菱电力等大型涡轮制造商的产能都已经完全排满，积压订单从几个月到几年不等。人们于是开始从更“异类”的渠道寻找零部件，比如把航空发动机改造成燃气轮机，或者从中国进口零件。

对数据中心来说，你还需要有线互联网连接、容纳 GPU 机架的空间，以及冷却、用水等整套配套。

运营

电厂建好之后，你可以自己运营，也可以把它卖给独立发电商（IPP）之类的公司。到了这个阶段，收入已经更加稳定，所以也就到了再融资的时候。建设期贷款的利率，通常会远高于一座已经完全建成并投入运营的电厂所能拿到的利率。

此时，你已经拥有一座价值九位数美元、正在运行的发电厂。如果你是数据中心，希望你已经锁住了某种固定回报。但如果你是 HRCO 的买方，或者打算直接往批发市场卖电，你到底能不能赚钱？要回答这个问题，就必须真正理解电价，以及独立系统运营商是如何运作的。

案例研究：Homer City

下面我们拆一座真实的发电厂，看看它的历史和经济性究竟是怎么回事。

首先，Homer City 历史上是一座相当大的发电站，装机约 2 GW，由三台燃煤机组组成，位于宾夕法尼亚州。这立刻就告诉了你它属于哪个电力市场：Pennsylvania-Jersey-Maryland，也就是 PJM。后面我们会更详细讲这个市场；这里你只需要知道，在这个区域里，煤电的经济性已经远差于天然气。

具体来说，它的燃煤机组热耗率大约是 10，而竞争对手的天然气机组热耗率只有 6–7。结果就是，这家电厂越来越难以盈利。ISO 只会调度那些满足需求所必须的机组，效率更高的机组会优先被调用。因此，这几台燃煤机组开机的频率越来越低。2023 年，在运行了大约 50 年之后，这座电厂停运了。

但 Homer City 的故事并没有结束。他们正在把整个项目重做，计划建设一座 4.4 GW^[17] 的天然气电厂。这个规模大得离谱。1 GW 的核电站都已经算很大了，而这里是 4.4 GW。整个项目预计耗资约 100 亿美元，并计划最终变成一个大型数据中心园区。

既然是天然气电厂，他们已经确定 EQT Corporation 作为天然气合作伙伴，这一点已经公开。至于锚定租户，他们没有宣布，原因可能有很多。首先，公开并不符合他们自己的利益；如果融资还在推进，就没必要额外给租户增加谈判筹码。其次，如果许可还没完全定下来，他们也不希望出现会伤害客户的情况，比如某个虚构的新闻标题：“Google 计划中的数据中心因许可障碍被迫停摆。”即使融资和许可都已经拿到了，他们也可能愿意把官宣机会留给客户自己。

从目前情况看，Homer City 已经拿到了主要许可。最重要的是空气质量许可，宾夕法尼亚州环境保护部（DEP）在 2025 年 11 月批准了它。当然，他们还需要水道相关许可。目前现场已经有 1000 人^[18]在积极施工。

Homer City 接下来最大的悬念是什么？大家猜的主要是会不会延期。新天然气机组将非常高效，热耗率大约只有 6，这已经算非常优秀。建成后他们很可能进行再融资。综合来看，这个项目具备成为高度盈利项目的全部条件。当然，当桌面上押着这么多钱时，一切都必须尽可能完美，否则代价会非常昂贵。

满足不断增长的需求

这篇文章一开始讲的是 AI，以及数据中心不断增长的电力需求。我也想用这个主题来收束第一部分。

政府的反应

如果你去看最近关于数据中心立法的新闻，大部分态度要么犹豫，要么敌对。相对最中性的例子，也许是白宫的“电费用户保护承诺（Ratepayer Protection Pledge）”^[19]。它不是一项具有法律约束力的承诺，更像是白宫在“应该如何处理数据中心问题”上的高层次政策立场。

更激进的提案则包括国会提出的 Power for the People Act^[20]。它目前并没有取得太多进展，内容包括新增电价类别、新的并网队列以及新的 FERC 规则。把这些尝试概括起来，就是尽量减少数据中心对普通电力用户电费的影响。

问题在于，这种影响其实很难剥离清楚。在一些情况下，普通用户的成本反而可能下降，因为输电/配电等固定成本现在可以由新来的数据中心邻居一起承担。另一些情况下，如果数据中心在低需求时段开机，它甚至可以像一块电池那样稳定白天的电价。

在可再生能源占比很高的地区，这种新增白天需求可能让 CCGT 具备全天运行的经济性，从而反过来降低所有人的晚间电价。我们会在第二部分进一步拆解这一现象。在得州这种地区，风电过剩时甚至可以把电价打到负数，反而损害电网；这时数据中心增加需求，反而可能提升社会总福利。

另一方面，如果数据中心建在了错误的位置，它也可能把当地输电线路挤爆，造成我们一直担心的巨大价格尖峰。北美电力可靠性公司（NERC）已经警告，数据中心可能推高资源充裕度/容量市场的价格^[21]，这个问题在第 8 章还会出现。

最激进的一类政策甚至包括暂停建设（moratorium）。有些暂停提案失败了，至少也有一个成功了。

独立电网

在一些地方，比如新罕布什尔州，地方政府提出过让数据中心“离网（off-grid）”运行的选项。“离网”有时有不同含义，但这里指的是发电设施与其数据中心在物理上真的和其余电网分离。这样做意味着他们不再和普通用户分担固定成本，但好处是也不会直接推高公共电网的需求。

当然，如果这个数据中心使用天然气发电，它仍然要消耗天然气。所以即使电力上离网，它仍然会影响普通电网，因为大家面对的天然气价格会略微上升。

你有时还会看到有人讨论“独立电网”^[22]或者“推理优先电网（inference-first grids）”。他们通常并不是说真的在物理上把电网拆开，而是说把 GPU 集群战略性地放在世界各地，哪里在一天中的某个时段电最便宜，就把推理任务发到哪里。

这种方式不适合机器学习模型的训练，因为训练需要大量 GPU 同地部署，往往要求同一地点同时提供吉瓦级电力。但推理——也就是使用一个已经训练好的模型——不一定需要如此夸张的规模。随着越来越多算力被用于推理，而不是训练，市场重新开始关注规模更小的井口和小型发电机组。

购买意愿

根据我和各方的交流，一些大型实验室对于几年之后（2028 年左右）的电力/算力供给已经相当有信心。真正最强烈的需求其实是“现在”。问题是，只有 6–12 个月的需求，并不足以支撑一整座新电厂的融资。别忘了，要拿到建设大型电厂所需要的九位数美元贷款，你需要拿出数年的现金流来做承销。

AI 实验室愿意支付的确切价格通常并不透明，但我们偶尔能拿到一些估算。

SpaceX 和 Reflection 做过一笔交易^[23]，结构非常灵活：任何一方都可以提前 90 天退出。按我的餐巾纸计算，这大约隐含了 5000 美元/MWh 的价格，但这里卖的并不只是电，还包括已经可以直接使用的 GPU。无论怎么算，这都是一个非常高的价格；但 90 天可退出，也让这份合同很难拿去做长期融资承销。

更长期的结构，是 Anthropic 和 TeraWulf 之间价值 190 亿美元的租赁协议^[24]：400 MW、20 年，从 2027 年下半年开始。隐含收入约为 271 美元/MWh，这里不包含 GPU，但包括周边基础设施，比如建筑物本身和冷却能力。

对于各种可能的组合——合同多长、什么时候开始、带不带 GPU——大型实验室究竟愿意为电力支付多少钱，我并没有什么特殊内幕。真正的价格，会决定究竟哪一种发电方式值得被启用。延后关停一座燃煤电厂会付出巨大代价：潜在环境后果、昂贵发电成本、碳税等等。但如果需求给出的价格足够高，电网上效率最低的那台机组也会变得值得运行。

一个没人问我要的建议

我的看法是：在美国建立“创业公司速度”的开发能力之前，我们需要暂时放松对效率较低、污染更重的燃料来源的抵触，比如煤，甚至柴油。所谓创业公司速度，一方面意味着选址要更快，另一方面也意味着要有能够快速建设天然气电厂的 EPC 能力。最理想的 EPC 不应该只拿承包费，而应该成为自己建设的电厂的部分股东。

由于大量需求集中在未来几年，也许生命周期更短的私募股权基金，比一家创业公司更适合作为承载这种机会的工具。

第二，显而易见，在很多地区真正的瓶颈其实是“输送/输电”。还记得纽约州北部有便宜的核电，却很难送到曼哈顿，而曼哈顿价格会剧烈飙升。建设新的输电线路不仅需要数十亿美元，还要经过漫长许可流程；州和联邦机构都应该加快这些流程。

显然，短期内开发电厂会很赚钱。只要你能有效预测市场参与者会如何反应，交易电力市场同样会很赚钱。

美国电力市场

如果你是交易员，你通常不会亲自拿着铲子去建发电厂。你真正想理解的是主要市场，以及每一个市场究竟有什么独特之处。

第一件事，是理解你所交易的那个 ISO 的具体规则。前面讲过，ISO 会接收所有发电商的报价曲线、所有负荷服务实体对需求的预测，然后运行一个巨大的优化模型，求解有效电价。后面我们会通过案例进一步拆开这个优化模型。但现在你只需要知道：不同 ISO 的优化问题本身也会有一些差异。

每个 ISO 内部又分为多个分区。整个电网由成千上万个真实物理节点组成，每个节点都有自己的价格。但大多数交易员不会去交易单独的母线，而会交易某个地区内这些节点的某种平均价格，也就是“zone”。具体如何平均，每个市场又不一样。

如果你想把这些知识套到自己家里的电费上，注意：你支付的不是批发电价。批发电价大体接近发电成本，而零售电价还要加上输电、配电，以及公用事业公司的各种运营成本。这些额外成本可能占你总电费的一大块，甚至超过一半。它们本质上是由整个电网里的所有用电者共同分摊的固定成本。

下面快速看一下主要市场：

Pennsylvania-Jersey-Maryland（PJM）

如果你闭着眼睛猜一个随机电力交易员在哪个市场做交易，PJM 是最安全的答案。它是 OG，也是流动性最好的市场。名字容易让人误会：PJM 并不只覆盖宾夕法尼亚、新泽西和马里兰。仔细看地图，你会发现伊利诺伊州有一部分莫名其妙地也属于 PJM，另外还有肯塔基、密歇根等地。

讨论数据中心时，你会经常听到弗吉尼亚州，因为它几乎可以称作美国的数据中心之都。

PJM 以南，比如乔治亚、佛罗里达等地，并没有组织化的批发电力市场。那里由受监管的公用事业公司运营，基本模式是在成本之上收取固定利润率。你如果觉得这种制度很好，我不打算说教；但要注意，在这种制度里，企业并没有太大动力去压低成本，因为无论成本是多少，它都能拿固定比例的利润。

Midcontinent Independent System Operator（MISO）

MISO 直接和 PJM 接壤，所以两个地区之间存在电力交换。MISO 当前最大的结构性事件之一，是煤电退役并被可再生能源替代。历史上，煤经常是 MISO 的边际机组。你可能觉得煤很脏，又会被碳税拖累，但 EIA 2026 年 5 月的一份报告^[25]指出，过去几年里，MISO 的煤电机组实际上比天然气机组更赚钱。MISO 还以巨量风电著称。

印第安纳、伊利诺伊和密歇根尤其成为新数据中心开发的热门地区。

California Independent System Operator（CAISO）

CAISO 是我的主场。它主要分为北部的 NP-15 和南部的 SP-15，两者通过一条叫 Path 15 的大型输电线路连接。加州中部还有一个你偶尔会听到的小区域叫 ZP-26，因为 Diablo Canyon 核电站就在这里，所以有时候单独拆出来分析是有意义的。但和 NP-15、SP-15 相比，ZP-26 现在已经不算流动性很高的交易品种。

加州有很多独特之处。第一，你可以想象，这个州非常偏向可再生能源，因此没有煤电。你基本可以把加州的发电结构理解为：可再生能源（太阳能/风能等）+ 核电 + 天然气。

第二，补贴推动了可再生能源快速增长。其中一部分增长对交易员甚至是“看不见的”，因为它来自表后太阳能：居民自己的屋顶光伏先满足家庭需求，剩下的净负荷才进入电网。

NP-15 会尽可能从太平洋西北地区进口电力，而太平洋西北并不属于某个 ISO。那里的发电商采用类似成本加成的固定回报模式，而且有大量水电。

加州的 Monterey Park 通过公投，成为首个彻底禁止数据中心的城市^[26]。（缅因州曾经试图在全州范围内做类似事情，但被否决。）

Electric Reliability Council of Texas（ERCOT）

ERCOT 是一个传奇市场。9000 美元/MWh 的著名故事；一张与美国其他地区分离的“去监管”电网；因为风电过剩而出现负电价。听起来都很疯狂，那么它到底意味着什么？

第一，你得先理解美国电网的拓扑。美国有西部互联电网和东部互联电网，它们基本上是两张分开的电网。两个系统之间存在有限的电力流动，但它们并不是作为一台“电气机器”一起运行，因为彼此之间主要通过高压直流（HVDC）连接，而不是交流（AC）。HVDC 可以连接频率不同的电网，但建设成本很高。

然后，美国还有第三张电网：得州。就像东西部互联电网之间一样，得州和“外部自由世界”之间也存在少量 HVDC 通道，大约可以传输 1 GW，但从整体上说，得州几乎就是孤立运行的。

这种孤立也给了它自由度。美国大部分地区都受联邦能源监管委员会（FERC）监管，而得州可以按自己的规则运行。最主要的差异，是它如何处理“效率很低、但系统偶尔又需要它存在”的那些发电资源。下一章的案例会专门讨论这种政策的后果。

得州北部和西部的风电有时多到会把价格压成负数。你可能会觉得，价格都负了，风机为什么不直接关掉？原因在于启停成本加上补贴（例如 Production Tax Credit^[27]），使得风电机组即使在 -20 美元/MWh 的价格下也可能继续运行。

这时市场出现了一个很讽刺的局面：不是供给不够，而是需求不够。于是，每消费一单位电，你反而会得到钱。就像你去餐馆吃饭，餐馆还倒过来付钱给你。正因为如此，这些地区特别受需要购买巨量电力的租户欢迎，例如数据中心；历史上，比特币矿场也是如此。

其他市场

还有以风电著称的 Southwest Power Pool（SPP）；纽约 ISO，那里的特点是曼哈顿是巨大的需求洼地，而纽约州北部的核电却很难送进去；还有 ISO New England，冬天常常天然气不够，只能被迫烧油。

这些市场各自都有大量细节。任何一段简短总结都无法真正把它们讲清楚。要全面了解，最好的资料仍然是各个 ISO 自己在线发布的材料。

案例研究：阿尔伯塔

下面挑一个市场真正深入拆一下，让你看到市场结构的设计决定可以产生多么巨大的后果。我一度考虑选加州，因为快速增长的可再生能源给它带来了非常独特的挑战；也考虑过得州，因为 energy-only 定价政策有过著名的公开失败。后来我想到还有一个市场，这两种特征它全都有，而且它还不在美国。

阿尔伯塔有时被称为“加拿大的得州”。首先，这里天然气资源丰富。在美国，如果有人问“天然气价格是多少”，你通常会报路易斯安那 Henry Hub 的价格，因为那是最常见的交易枢纽。在加拿大，对应的价格往往是阿尔伯塔能源公司（AECO）价格。既然天然气这么多，当然会大量用来发电。

阿尔伯塔最“得州”的地方，是它如何处理那些效率低的发电资源。回忆一下边际成本定价：市场出清价格等于生产最后一单位电力的成本。如果你是最便宜的供应商之一，这当然很好。比如你是太阳能电站，那几乎就是纯利润。

但如果你恰好是整个电网上效率最低的供应商呢？绝大多数时间，ISO 根本不会叫你开机，因为你效率太低。可偶尔在极端稀缺时，你终于被叫起来了，这时你拿到的价格等于最后一台被调用机组的边际成本——而那台机组就是你自己。于是你还是只能赚 0。

那你大概就会选择关门。如果你关了，下一台效率最差的机组也会基于同样逻辑关掉。继续推下去，最后电网里就没机组了。

加州、PJM 以及美国大多数组织化市场，会通过某种“为存在本身付费”的市场解决这个问题。也就是说，系统会周期性地给发电资源一笔钱，让它们仅仅为了“存在着”而继续存在。你可以把它理解成保险：万一哪天真的需要它，它还在；当然，到它真正发电时，我们还是会另外付电费。

你可以从电网上的机组购买“容量（capacity）”。在加州，这体现为资源充裕度（resource adequacy）要求：PG&E 之类的本地公用事业公司必须和发电商谈判，付给他们足够的钱，让他们别死掉。在 PJM，则有 ISO 自己运营的“容量市场（capacity market）”。

得州和阿尔伯塔觉得这种制度有点低效，而且你很容易理解为什么：你周期性地付钱给这些发电机组，甚至可能一付就是很多年，而它们拿了钱却什么都不干。有没有一种更市场化的方式，让市场自己决定这些机组究竟应该不应该存在？

答案就是“仅能源市场（energy-only market）”：除了实际发电时拿到的电价之外，不再单独补贴发电机组的存在。得州从一个观察出发：停电是坏事，作为一个社会，我们不希望它发生。完全切断供电叫 blackout，降低电压叫 brownout，本质上都意味着有一部分需求没有被满足。energy-only 市场希望仅仅通过电价本身，来激励足够的可靠性。

经典例子是得州。得州会给停电时每一单位未满足需求设定一个货币价值（5000 美元/MWh）。这个数字看起来很高，但也许并不离谱：如果是一家医院没拿到这一单位电，人甚至可能会死亡。电力并不总是可有可无的，因此很多模型把需求假设为完全无弹性。

下一步，是计算“失负荷概率（probability of lost load）”。电网越接近供给不足，这个概率就越高。最后，把“每单位未满足需求的价值 × 失负荷概率”加到每一 MWh 已经被满足的电量上。结果就是：在电力紧张的时段，所有发电商都会在正常电价之上拿到一个额外的“价格加成（price adder）”。

这个加成会让效率最差的机组也变得值得开机。当然，如果真的已经发生停电，失负荷概率会冲到上限，电价也可能逼近 5000 美元/MWh 的报价上限。

阿尔伯塔不像得州那样设置 price adder，但它仍然是 energy-only 市场。要注意，发电机组有固定成本需要覆盖，投资人在决定是否建设时也需要一定回报，而纯粹的边际成本定价并不会提供这些回报。这就是所谓“缺失的钱（missing money）”问题。

阿尔伯塔的解决办法，是允许发电厂在边际成本之上获得额外收益，这部分收益叫“稀缺租金（scarcity rent）”。唯一的问题是，阿尔伯塔对最高电价设了 C$1000/MWh 的上限，未来几年计划继续提高^[28]。这意味着，如果你的边际成本比这个还高，那你最好能找到其他收入来源，否则就该关门了。

但这里毕竟是加拿大，可再生能源增长非常激进。白天可再生能源渗透率高到足以把现货价格压到 0 美元的价格下限。于是 CCGT 全天运行就不再经济，因为白天市场价格远低于它的边际成本。

可到了晚上，人们回家以后会打开电视、烤箱、电灯，我们仍然需要天然气机组。看“净需求（需求减去可再生能源）”曲线，你会发现白天极低、晚上很高。加州也因为可再生能源高渗透，长期出现完全一样的现象，CAISO 把它叫“鸭子曲线（duck curve）”。

结果就出现一个有点奇怪的现象：到了晚上，我们反而被迫使用效率更低的 SCGT，因为它们启动和关停都更便宜。最终，随着可再生能源占比不断上升，阿尔伯塔白天和晚上的价差变得越来越大。

和只会“卖电”的发电厂不同，电池既可以“买电”也可以“卖电”。储能开始把阿尔伯塔的价格曲线压平：白天买进便宜的电，晚上再放出来满足需求。

这些因素叠加在一起，最终促使阿尔伯塔市场开始进行非常激进的重构。

生产成本模型

你会在各种 ISO 规划文件里看到“生产成本模型（production cost model）”^[29]这个词。ISO 用它来决定，每一台发电机组究竟应该生产多少电。

遗憾的是，有些 ISO 不会公布精确的数学形式，而且不同地区的设定也不完全一样。不过网上确实可以找到一些完整的模型写法^[30]。

理论基础

生产成本模型的目标，是选择一组发电机组，使系统总生产成本最小。你可能觉得这听起来很显然。但从经济学上说，“把生产商品的成本压到最低”并不总是等于“得到最好的市场价格”。所以这一节我想解释，为什么对电力来说，这个模型在理论上是成立的。

在最高层次，我们先假设所有电力消费者的需求都是“无弹性的（inelastic）”。无论是谁，我们都假装他们愿意为电支付任何给出的价格。现实当然并非完全如此。你可能听说过需求响应（DR）项目：在关键时段，如果你愿意减少用电，系统会给你钱。但为了这篇入门文章，我们先坚持这个简化假设。

作为一个社会，我们希望尽可能多人从市场里获益。我们用“福利（welfare）”来量化这一点。所谓福利，就是你占到了便宜。如果你花 5 美元买到一件你自己认为值 15 美元的东西，那你获得了 15 - 5 = 10 美元的福利。反过来，如果一个生产者的边际成本是 4 美元，但能以 7 美元卖出，那么它获得 7 - 4 = 3 美元的福利。

理论上，最有效率的市场价格，是让总福利最大化的价格。图形上，它就是供给曲线和需求曲线之间、一直到两者交点为止的面积：

上面的供需曲线看起来非常典型。但如果电力需求的“价值”被认为可以高到任意程度，也就是需求完全无弹性，会发生什么？需求曲线 D 会变得越来越陡，直到不管价格怎么变化，需求量都保持不变。

如果 D 几乎垂直，那么要进一步扩大福利面积，剩下唯一能动的旋钮，就是尽可能把供给曲线压低：

换句话说，我们要选择一组发电机组，让总生产成本尽可能低。优化理论里，恰好就有工具可以解决“在一组约束下最小化某个函数”这类问题。于是，生产成本模型可以写成：

这类优化问题可以用 Gurobi 或 CPLEX 等软件求解。模型的输出，是每台发电机必须生产多少电。所以它才叫“生产成本模型”。系统总成本，则是所有发电机组成本的总和，包括启动成本、边际成本、其他所有成本，以及输电过程中产生的损耗。

我们前面讲过，某个地点的“价格”，就是在这个地点额外提供一单位电力所需要的边际成本。优化理论里，每一条约束都有一个叫“拉格朗日乘子（Lagrange multiplier）”的量。每个地点平衡约束对应的拉格朗日乘子，恰好就是在那个地点额外提供 1 MWh 电力的边际成本^[32]。

当你用 Gurobi 或 CPLEX 求解时，这个值是免费跟着解一起出来的。它就叫“节点边际电价（Locational Marginal Price，LMP）”，也是市场里真正被交易的价格。LMP 还可以进一步分解成不同成分。

每条输电线路上的功率流，来自各地点的发电和负荷。一种常见的计算方法叫“转移因子（shift factors）”，也叫 Power Transfer Distribution Factors（PTDF）。它背后的想法是：精确求解整个电网潮流非常困难，但可以用线性近似。

如果你在一个地点注入 1 MWh，同时在另一个地点抽走 1 MWh，那么每一条输电线路上的流量都会发生一个近似线性的变化。这个线性变化的斜率，就是 shift factor。你可以从不同数据供应商那里购买这些因子。当然，也存在其他计算潮流的方法。

现实中的考虑

第一，电网必须时刻精确平衡。但现实里，所有人都在不断开关电灯、启动或关闭工厂、让发电机升负荷或停机。

解决办法叫“辅助服务（ancillary services）”。例如电池，可以在瞬间开起来。某些能快速开启的负荷也可以提供辅助服务，比如比特币矿场。几年前就有人讨论过用比特币矿场帮助稳定得州电网^[33]。数据中心也可能成为另一种机会。正因为这些资源非常灵活，提供辅助服务通常能获得额外收入。

第二，发电厂需要提前一点知道自己是否要开机。最晚前一天，它们至少要知道第二天是否需要员工到岗。最好更早一点，因为还要提前采购燃料。这就引出了“日前（DA）市场”，它也是最常见的交易市场。

如果你熟悉其他大宗商品，可能会觉得这很奇怪：这是一个在真正交付电力前一天就完成结算的金融市场。ISO 会提前一天，根据所有人提交的供给报价和需求预测，算出日前市场价格。

到了实际运行当天，每 5 分钟还会重新运行一次优化，把实时约束全部纳入。这就产生“实时（RT）市场”价格，很多交易员也喜欢交易它。

天气是推动 RT 市场的最重要因素之一，因为天气会强烈影响需求。非常热时大家开空调，非常冷时大家开暖气。天气也会因为同样原因影响天然气等燃料价格^[34]。

最后，还有一大堆细节会让模型更复杂。机组已经启动但没有实际发电时，会发生空载成本（no-load cost）。很多机组还有最短运行时间。细节不胜枚举。

其中最重要的细节之一，是启动成本。它正是第 8 章鸭子曲线现象的重要原因。（你可以把它当练习：构造一个场景，在存在启动成本的情况下，提高白天需求，反而会降低全天系统总成本。）

整个问题里最难的部分，是“某台机组到底开还是不开”。这是一个二元条件，它会把原本的线性规划变成混合整数问题。因此，人们有时会把问题拆成两步：先判断哪些机组要运行（unit commitment，机组组合），再确定每台运行中的机组发多少电（economic dispatch，经济调度）。机组组合问题要难得多。

绑定约束（Binding Constraints）

考虑一个非常简单的双节点例子。每个节点可以代表一条物理母线、一座城市，或者任意地区：

假设 A 的边际成本是 100 美元/MWh，而 B 的边际成本是 10 美元/MWh。A 有 10 MWh 的需求。生产成本模型会找到满足这个需求的最低成本方案：在 B 生产 10 MWh，再通过输电线路送到 A。所以 A 的电价也是 10 美元。

但如果需求变成 60 MWh 呢？这时 B 会尽可能多发电，但输电线路会被打满。最后那 10 MWh 只能由 A 本地那台昂贵机组以 100 美元/MWh 的边际成本提供。就在输电线路达到最大容量的那个瞬间，A 的电价跳了上去。这就叫“绑定约束”。从理论上说，正是这些绑定约束构成了地区电价上涨的核心原因。

我不打算深入每一种生产成本模型的细节，但到这里，你已经足够入门。如果你有一个能够输出单日价格的生产成本模型，那么要计算一个三个月远期条带（forward strip），可以把这三个月里每天的预测价格求平均。

电力往往就是以这种 strip 的形式交易，后面还会讲。有时候，大型科技公司因为数据中心需要大量用电，会通过批发市场“对冲（hedging）”，锁定未来电价。把这个对冲管理好，本身也可以赚钱。

电力定价的实用近似

生产成本模型里有太多活动部件和微小细节。如果你已经知道哪些机组会运行，那么结果其实比较容易算；但完整版生产成本问题还要一起求解 unit commitment，而这会让计算复杂度发生组合爆炸。

如果你要预测电价，就必须在很多不同情景下评估价格会变成什么样。比如实际需求受天气影响，而天气不可能被完美预测。还可能出现发电机组故障、输电线路停运，你也想知道这些情况下价格会如何变化。

如果每一种情景都运行完整生产成本模型，那么一次跑上千个 scenario 几乎不可行，因为每一个输出都太慢。

最常见的近似，是直接扔掉“机组必须完全开或完全关”的假设，允许解里出现一台机组“半开”的情况。这叫“连续松弛（continuous relaxation）”^[35]。除此之外，还有一些常见简化：

外生交换电量（Exogenous interchange / flows）^[36]

如果你在求 CAISO 的 NP-15 分区价格，其实你大概已经知道潮流会是什么样。你会从太平洋西北地区进口几 GW；如果需求特别高，甚至还会从 SP-15 进口。

如果你已经大概知道净出口，那么平衡方程就可以简化成：

可预测的电池行为

通常，电池会在白天充电，晚上放电。现实中，某块电池可能白天先充一点，遇到偶发的白天尖峰就卖一部分，然后再继续充满，等到晚上价格真正飙升时再放掉。

但如果你的目的只是建模电价，白天价格本来就接近 0 美元，那么捕捉白天这点方差并不会对结果产生很大影响。于是我们可以直接简化：电池白天充、晚上放^[37]。

按优先顺序调度（Merit order dispatch）

一旦出口和储能都被固定下来，剩下的问题就只是：为了满足需求，最后必须调度的那台机组边际成本是多少。

你先对需求做一个估计（例如用温度做线性回归），然后把分区内所有机组按照成本从低到高排序——这就是“merit order”——再找到为了满足需求必须开到的最后一台机组。由于边际定价，最后那台机组的边际成本，就是市场价格。

忽略损耗或线性化损耗^[38]

严格来说，输电线路上的损耗与线路功率之间是非线性关系，这会让求解器难很多。因此一种常见做法，是要么完全忽略损耗，要么假设固定百分比的电力在传输中损失。

风险

这些近似会在哪里出错？显然，取决于你交易的地区，你完全可能把潮流模型搞得非常离谱。而潮流本来就是电力建模最困难的部分之一。有些市场，如果不认真建模潮流，根本没法做。

电池也有很多真实细节被我们忽略了。上面的简化没有计入启动成本，而启动成本可能大幅改变实际会被调度的机组。我们也没有加入可靠性约束：有时候一个地区不能简单地一直进口电，而是被要求必须在本地满足一定比例的需求。

我们甚至还没有真正讨论需求建模，也没处理表后太阳能增长、数据中心和比特币矿场这样的新增需求来源。

但即便如此，这个简化模型离交易员在现实里真正会使用的东西，其实已经不算太远了。

电力交易的类型

无论你是数据中心还是交易员，你大概都会问：到底应该怎样“正常地”参与电力市场？通常，市场会把一天里的某一组小时定义成“高峰时段（on-peak hours）”，不同 ISO 的具体定义略有不同^[39]。高峰时段通常比非高峰时段更受欢迎，因为这正是需求最高的时候。

出清与结算

前面已经简单讲过日前（DA）和实时（RT）市场。你可以通过对应的 ISO 直接参与这两个市场。DA 在前一天出清；RT 则随着当天实际用电发生，每 5 分钟更新一次。两者都属于“现货市场（spot markets）”，因为它们在很近的时间里结算。

对于刚接触电力的人，这个时间顺序很容易混乱。因为 DA 市场会在真正发电和用电的前一天完成出清，所以如果你交易的是 7 月 2 日的 DA，那么 7 月 1 日这件事就已经结束了。所有人都知道自己最终欠多少钱、或者会收到多少钱。

如果你是一个纯 DA 交易员，故事到这里就结束了。如果你是一座发电厂，而第二天你恰好生产了 DA 市场里锁定的那部分电量，那么你就按照 DA 价格拿钱。

但现实里，发电厂并不总会精确生产原本预计的电量，消费者也可能比预期多用一点或少用一点。到了 7 月 2 日结束时，我们才真正知道每个人实际买了多少、卖了多少。最终结算会把这些差异补上。额外消费或额外生产的那部分 MWh，就按 RT 价格结算。

对冲（Hedging）

远期（forward）是一种让你提前锁定未来某个日期电价的金融工具。如果你买的是基于 DA 市场的远期，它会进行金融结算：最终你会收到或支付“实际 DA 现货价格”和“远期合约价格”之间的差额。

即使你已经用远期锁住了未来电价，真正到你用电那一天，依然要去现货市场买电。那么买远期 strip 到底有什么用？如果你不熟悉这类工具，我拆得更具体一点。

对大型工业用户来说，真正的问题是电价每天乱飞。今天 75 美元/MWh，明天 30 美元/MWh。但企业希望每天付的钱差不多，因为企业需要可预测性。

假设你知道，未来一年会持续消耗大约 300 MW 电力。最直接的做法，就是做多 300 MW、期限 1 年的远期 strip。假设价格是 50 美元/MWh，你觉得这个价格不错。

但你没有办法像买原油那样，真的提前把未来一年的物理电力买下来。于是你做的是构造等价的经济敞口。每天 DA 市场出清时，你会支付或收取“现货 DA 价格”和“远期合约价格”之间的差额。

例如 7 月 1 日 DA 出清在 25 美元/MWh。你之前约定自己以 50 美元/MWh 买入，于是这一天你的对冲亏 25 美元/MWh。但这仍然没有真的帮你买到电；它只是一个挂在 DA 价格上的远期合约。

要在 7 月 2 日实际用电，你还需要在 7 月 1 日参与 DA 现货市场，所以你会在 DA 买下 300 MW 电力。好消息是，7 月 2 日真正消耗时，你只为电支付大约 25 美元/MWh（这里先忽略一些细节），比你原来愿意承担的 50 美元便宜 25 美元。

如果反过来，DA 出清在 100 美元，那么你的对冲会赚钱，用这部分利润抵消现货里更高的购电成本。无论哪种情况，最终你的净成本都会接近 50 美元/MWh。

现实中，你通常对冲的是某个 zone 的平均价格，而不是你真实接入的那条 bus 的价格，因此会有基差误差。此外，你的实际用电也未必能在 DA 和 RT 之间完全匹配。

还有一层复杂性：RT 优化和 DA 优化并不完全相同。某些方面 RT 反而更简单，因为实际哪些机组已经被承诺运行，这件事已经知道了。

好消息是，市场存在“虚拟交易（virtual trading）”，允许参与者套利 DA 与 RT 的价差，但这里不展开。

另一边，假设你拥有一座天然气电厂，想锁定项目经济性。你第一反应可能是卖出电价远期 strip，把未来电价锁住。但你还暴露在另一个风险上：天然气价格。如果天然气价格暴涨，你的利润会突然大幅缩水。解决办法是再买入天然气远期 strip，把燃料成本也锁住。

拥塞交易（Congestion Trading）^[40]

最简单的交易，类似前面说的：你认为 CAISO 的 NP-15 分区价格要涨，于是直接买。这叫“方向性交易（directional trade）”。你当然可以有自己的理由，但很多时候，还有更好的表达方式。

我们已经讲过输电为什么有意思：

• 一条输电线路打到上限，往往正是某个地区电价突然飙升的原因。
• 在一些地区，如果没有完整生产成本模型，潮流很难被正确建模；即使有完整模型，结果也会对各种细节极其敏感。
• 运营商并不能直接“控制”潮流。潮流是不同地点发电与用电之后自然涌现出来的结果。

正因为这些性质，不同交易员对未来潮流是什么样、某条线路会不会拥塞，经常有极其不同的判断。

“基差（basis）”就是两个价格之差。在电力市场里，basis trade 指的是买一个地点的价格、卖另一个地点的价格。它意味着你认为两地价差会扩大——通常是因为某条输电线路突然撞上上限。金融输电权（FTR）就是一种金融工具，它的收益取决于两个节点之间的拥塞。

价差（Spreads）^[41]

不讲 spreads，就不能算真正讲过电力交易。交易员经常用“价差”来讨论市场。spread 本质上就是买一个工具、卖另一个工具。

最受欢迎的是“spark spread（火花价差）”：买入电力远期 strip，同时卖出天然气远期 strip。听起来熟悉吗？这正是一座天然气电厂为了给自己做对冲而“卖出”的那组价差。

天然气头寸和电力头寸之间的比例，决定你买（或卖）的究竟是哪一种 spark spread。比如，一座使用热耗率 7 天然气机组的发电厂，会卖出所谓“7 heat-rate spark spread”来对冲自己。

spark spread 的美元价值是：

还有“dark spread（暗价差）”，概念完全一样，只不过把天然气换成煤。如果你对煤电厂的盈利能力有判断，或者需要给煤电厂做对冲，这个工具就很自然。

类似地，有时候交易员也会看某个地区的“有效热耗率（effective heat rate）”：也就是在当前天然气价格和电价下，一台恰好利润为 0 的天然气机组所隐含的热耗率。交易员会用它来判断，哪些天然气机组最可能开机。

最后，还有时间维度的价差。你可以买一个小时、卖另一个小时；也可以买一个月份、卖另一个月份。变化很多，但如果站在数据中心/发电厂运营商的角度，我认为 spark spread 仍然是最相关的工具。

接下来呢

很明显，未来几年，对真正深刻理解电力市场的人来说，会存在极其巨大的机会。

但一座新数据中心的建设，究竟会让电价上涨还是下降？为了满足新出现的电力需求，系统会不会被迫启用效率更低的能源？市场里最大的机会究竟在哪？

一个不太让人满意的答案是：

视情况而定。

但现在，你已经拥有了回答这些问题所需要的工具。