为什么要学 Python 电力交易？
很多人第一次听到“电力交易”这四个字，会本能地觉得它离自己很远。
好像这是电网公司、发电集团、售电公司、交易中心、能源集团才会接触的事情。
再听到“Python 电力交易”，压力就更大了。
电力交易已经听不懂了，还要加上 Python？
是不是要先学电力系统？
是不是要懂现货市场？
是不是要会很多数学公式？
是不是要有编程基础？
这个系列想先给你一个明确答案：
不用。
至少在入门阶段，你不需要一上来就理解所有专业规则，也不需要马上写出复杂模型。
你真正需要做的，是先从最小的一步开始：
看懂一张电价表。
看懂一天的用电量。
算出一笔电费。
比较不同时段的电价高低。
用 Python 把这些重复工作自动算出来。
这就是本系列的起点。
一、电力交易到底是什么？
我们先不讲复杂定义。
你可以先把电力交易理解成一句话：
电力交易，就是围绕“电”这种特殊商品，进行购买、销售、结算、分析和风险管理的一系列活动。
这里有几个关键词。
电，是一种商品。
只不过它不像矿泉水、手机、电脑那样可以随便囤在仓库里。
电有一个很特殊的地方：
发出来以后，通常需要很快被使用。
所以电力系统里，发电、输电、用电、调节，必须保持动态平衡。
这也是为什么电力交易比普通商品交易更复杂。
在现实中，不同角色关心的问题不一样。
发电企业关心：
我发出来的电，能卖多少钱？
售电公司关心：
我从市场上买电，再卖给用户，中间有没有合理利润？
工商业用户关心：
我什么时候用电更便宜？
储能企业关心：
低价时充电，高价时放电，价差能不能覆盖成本？
新能源企业关心：
风电、光伏发出来的电，如何参与市场？如何减少偏差风险？
而 Python 要解决的，不是替你拍脑袋做决策，而是帮你把这些问题变成数据问题：
电价是多少？
电量是多少？
负荷曲线长什么样？
峰谷价差有多大？
某一天、某一月、某个用户的用电成本是多少？
这些问题，都是可以一步步算出来的。
二、电力交易的核心价值：普通人和从业者能获得什么？
对于零基础读者来说，学习电力交易至少有三层价值。
1. 看懂能源行业正在发生什么
过去，很多人理解电力行业，只知道“发电、输电、用电”。
但现在，电力行业正在变得越来越市场化、数据化。
工商业分时电价、绿电交易、中长期交易、现货电价、辅助服务、储能调度、虚拟电厂，这些词会越来越频繁地出现在行业文章、公司业务、政策文件和客户需求里。
如果你完全不懂电力交易，就很容易只看到热闹，看不到背后的逻辑。
学一点电力交易，至少能让你看懂：
为什么有些企业关心峰谷价差？
为什么储能项目要看电价波动？
为什么售电公司需要大量电价和负荷数据？
为什么现货市场会影响储能、新能源、虚拟电厂的商业模式？
这不是为了追热点，而是为了看懂行业变化。
2. 把“感觉”变成“数据分析”
很多电力业务讨论，表面上是在讲判断，实际上背后都需要数据支撑。
比如：
“这个用户适合做需量管理吗？”
“这个地区峰谷价差大不大？”
“这个月份的用电成本为什么上升了？”
“这个现货电价波动是不是比上个月更明显？”
“储能一天两充两放有没有收益空间？”
如果只靠感觉，很容易说不清。
如果用 Excel，简单问题可以处理，但数据一多、口径一变、周期一长，就容易出现重复劳动。
Python 的价值就在这里：
它可以帮你把一套分析过程固定下来。
今天能算一个用户。
明天就能算十个用户。
今天能分析一天。
明天就能分析一个月、一年。
只要数据格式清楚，代码就可以重复使用。
3. 给自己多一条职业路径
对于想转行、想提升竞争力的人来说，“电力交易 + Python”是一个很实用的组合。
单独会 Python，可能只是泛泛的数据分析能力。
单独懂一点电力交易，也可能停留在业务理解层面。
但如果你能把两者结合起来，就会形成更具体的能力：
会清洗电价数据。
会分析负荷曲线。
会计算分时电费。
会做峰谷价差统计。
会对现货电价做可视化。
会用历史数据辅助交易复盘。
会把重复的数据工作自动化。
这类能力不一定让你立刻成为交易员，但会让你更适合进入这些方向：
售电公司数据分析岗。
电力交易助理岗。
能源管理数据分析岗。
储能收益测算支持岗。
新能源市场化交易支持岗。
虚拟电厂运营分析岗。
电价数据产品运营岗。
这也是本系列为什么不只讲 Python，也不只讲电力交易，而是把两者放在一起讲。
三、为什么用 Python 做电力交易？
很多人会问：
我用 Excel 不行吗？
当然可以。
而且在电力行业，Excel 依然非常重要。
很多报价表、结算表、电价表、负荷数据、客户清单，最开始都是 Excel 格式。
本系列不会否定 Excel。
恰恰相反，后面我们会经常用 Python 读取 Excel。
但是，当你的工作开始出现下面这些情况时，Python 的优势就会慢慢体现出来。
1. 当数据量变大时，Excel 会越来越吃力
如果只是十几行数据，Excel 很方便。
但如果你要处理的是：
一个省一年 8760 小时的现货电价；
几十个工商业用户的 15 分钟负荷数据；
多个省份的分时电价表；
多个项目的日度、月度收益测算结果；
Excel 就容易变得卡顿、混乱、难以复核。
Python 更适合处理批量数据。
不是因为它神秘，而是因为它能把步骤写清楚：
第一步读取数据。
第二步清洗字段。
第三步计算费用。
第四步输出结果。
第五步生成图表。
这些步骤一旦写成代码，下次就不用从头手工点一遍。
2. 当工作需要重复时，Python 更适合复用
Excel 最大的问题之一，不是不能算，而是很多操作靠人工点击。
复制。
粘贴。
筛选。
拖公式。
改日期。
改文件名。
另存为。
这些动作做一次还行，做几十次就会让人崩溃。
Python 的思路是：
把你重复做的事情，变成一段可以反复运行的脚本。
比如你每个月都要分析一次电价数据。
第一次写代码可能慢一点。
但第二个月、第三个月，你只要替换数据文件，再运行一次代码，就可以得到类似结果。
这就是自动化的价值。
3. Python 免费、生态丰富、适合初学者
Python 是开源语言，官方说明其采用 OSI 批准的开源许可证，可以免费使用和分发，包括商业用途。Python 官方也将其定位为相对适合初学者上手的语言。
这对个人学习者很友好。
你不需要一上来购买昂贵软件。
只要一台普通电脑，就可以安装 Python，开始写代码。
更重要的是，Python 有非常丰富的数据分析工具。
后面我们会逐步接触：
Pandas：处理表格数据。
Matplotlib：画基础图表。
OpenPyXL：读写 Excel 文件。
Scikit-learn：做简单预测模型。
Requests：获取网页或接口数据。
但第1章先不碰这些。
本章只用 Python 最基础的功能，打印几条电力数据。
4. Python 不是替代 Excel，而是升级 Excel 工作流
你可以这样理解：
Excel 适合人工查看、临时修改、做简单表格。
Python 适合批量处理、自动计算、重复分析、生成结果。
真正实用的方式不是二选一，而是组合使用：
Excel 负责存数据、看结果。
Python 负责批量读取、清洗、计算、导出。
比如：
你从 Excel 里拿到一张电价表。
Python 读取这张表。
Python 自动计算峰谷电费。
Python 输出一张新的结果表。
你再用 Excel 打开结果表，检查和汇报。
这才是电力数据分析中更常见、更实用的路线。
四、本系列学习路径：从 0 到 1，不用怕零基础
本系列会按照“从简单到复杂”的路线来设计。
你不需要跳着学。
你只要按顺序往下走。
第一阶段：入门篇
目标是消除恐惧。
你会学会：
Python 是什么。
如何安装 Python。
如何运行第一段代码。
什么是电价、电量、负荷。
如何用代码表示一条电力数据。
这个阶段不追求复杂，只追求能跑通。
第二阶段：基础篇
目标是处理真实表格。
你会学会：
读取 CSV 文件。
读取 Excel 文件。
清洗电价字段。
处理缺失值。
筛选日期和时段。
计算分时电费。
画电价曲线和负荷曲线。
这个阶段开始接触 Pandas，但会慢慢讲。
第三阶段：进阶篇
目标是做业务分析。
你会学会：
分析峰谷价差。
统计电价波动。
对比不同月份电价。
分析用户负荷特征。
做简单的购电成本测算。
做中长期合约与现货偏差的基础理解。
这个阶段会开始更像真实工作。
第四阶段：实战篇
目标是打通完整流程。
你会学会：
从原始数据到清洗结果。
从电价数据到分析报告。
从用户负荷到用电成本。
从单一文件到批量处理。
从 Python 结果到 Excel 输出。
这个阶段会更接近工作场景。
第五阶段：精通篇
目标是理解更复杂的市场应用。
你会接触：
简单负荷预测。
简单现货电价预测。
储能充放电策略分析。
风险提示与误差评估。
自动化报告生成。
但这些内容会放在后面。
我们不会在第1章就让你面对复杂模型。
五、前置准备：你需要什么电脑和软件？
1. 电脑配置要求
本系列前半部分对电脑要求不高。
只要你的电脑能正常打开浏览器、Excel、文档，一般就可以学习。
建议配置：
Windows 10 / Windows 11 电脑。
内存 8GB 以上更舒服。
硬盘剩余空间 5GB 以上。
能正常联网下载安装软件。
如果你是 Mac 电脑，也可以学习，但本系列默认以 Windows 操作为主，因为大多数办公场景使用 Windows 更多。
2. 需要安装什么？
第1章只需要安装两个东西：
Python。
VS Code。
你可以把它们理解成：
Python 是“发动机”。
VS Code 是“写代码的笔记本”。
Python 负责运行代码。
VS Code 负责让你更方便地写代码、保存代码、查看代码。
3. 小白安装路线
你可以按这个顺序来。
第一步：安装 Python。
进入 Python 官网下载页面https://www.python.org/，下载适合 Windows 的安装程序。
安装时注意勾选：
Add Python to PATH
这一步很重要。
它的作用是让你的电脑在命令行里能找到 Python。
如果忘记勾选，后面可能会出现：
python 不是内部或外部命令
这类报错。
第二步：检查 Python 是否安装成功。
打开 Windows 的命令提示符，输入：
python --version
如果你看到类似下面的内容：
Python 3.14.5
或者：
Python 3.12.13
说明 Python 已经可以运行。
不同电脑显示的版本号可能不一样，不影响本章学习。
第三步：安装 VS Code。
进入 VSCode 官网下载页面 https://code.visualstudio.com/download ，下载适合 Windows 的安装程序。安装完成后，打开 VS Code，在扩展市场搜索：
Python
安装 Microsoft 发布的 Python 扩展。
第四步：新建一个文件夹。
建议一开始使用简单的英文路径，例如：
C:\python_power_trade\chapter01
这样可以减少中文路径、空格路径、微信下载目录、OneDrive 同步目录带来的额外问题。
然后在这个文件夹里新建一个文件：
chapter01_first_power_code.py
注意文件后缀是 .py。
.py 就是 Python 代码文件。
第五步：运行代码。
如果你在 VS Code 中打开了这个文件，可以点击右上角的运行按钮。
也可以打开 VS Code 终端，输入：
python chapter01_first_power_code.py
如果你的电脑上 python 命令不生效，也可以尝试：
py chapter01_first_power_code.py
六、本章实操：运行第一段 Python 电力数据代码
现在我们开始写第一段代码。
这段代码不复杂。
它只做三件事：
记录几个时段的电价和用电量。
计算每个时段的电费。
找出哪个时段电价最高。
这里的电价和用电量都是教学用模拟数据，不是某个省份的真实交易数据，也不代表任何真实结算规则。
示例数据说明
我们假设某个工商业用户在一天中的 4 个时段有如下用电情况：
这里先解释三个词：
时段：指一天中的某个时间点或时间范围。
用电量：表示用了多少电，常见单位是 kWh，也就是“千瓦时”，日常也常说“度电”。
电价：表示每用 1 度电需要多少钱。这里用“元/kWh”表示。
本章暂时不区分工商业分时电价、批发侧现货价格、售电公司零售套餐价格。
我们只把它当成一个最简单的电价计算练习。
Python 完整代码
请把下面代码复制到 chapter01_first_power_code.py 文件中：
# -*- coding: utf-8 -*-# 第1章实操：我的第一个 Python 电力数据小程序# 说明：# 1. 以下数据为教学用模拟数据，不代表任何省份真实电价或交易规则# 2. 本案例只演示“用电量 × 电价 = 电费”的基础计算逻辑print("=== 我的第一个 Python 电力数据小程序 ===")# 1. 准备一组电力数据# 每一条数据包含：时段、用电量、电价power_data = [ {"period": "00:00", "energy_kwh": 80, "price_yuan_per_kwh": 0.32}, {"period": "08:00", "energy_kwh": 120, "price_yuan_per_kwh": 0.68}, {"period": "14:00", "energy_kwh": 150, "price_yuan_per_kwh": 0.92}, {"period": "20:00", "energy_kwh": 100, "price_yuan_per_kwh": 0.75},]# 2. 准备汇总变量total_energy_kwh = 0total_cost_yuan = 0# 3. 先假设第一条数据就是电价最高的数据highest_price_item = power_data[0]print("\n分时段用电情况：")# 4. 逐条计算每个时段的电费for item in power_data: period = item["period"] energy_kwh = item["energy_kwh"] price_yuan_per_kwh = item["price_yuan_per_kwh"]# 电费 = 用电量 × 电价 cost_yuan = energy_kwh * price_yuan_per_kwh# 累加总用电量和总电费 total_energy_kwh += energy_kwh total_cost_yuan += cost_yuan# 判断当前时段是否为目前电价最高的时段if price_yuan_per_kwh > highest_price_item["price_yuan_per_kwh"]: highest_price_item = item# 打印当前时段结果 print(f"{period} | "f"用电量：{energy_kwh} kWh | "f"电价：{price_yuan_per_kwh} 元/kWh | "f"电费：{cost_yuan:.2f} 元" )# 5. 计算平均用电成本average_cost_yuan_per_kwh = total_cost_yuan / total_energy_kwhprint("\n汇总结果：")print(f"总用电量：{total_energy_kwh} kWh")print(f"总电费：{total_cost_yuan:.2f} 元")print(f"平均用电成本：{average_cost_yuan_per_kwh:.4f} 元/kWh")print("\n电价提醒：")print(f"本组数据中，电价最高的时段是 {highest_price_item['period']}，"f"电价为 {highest_price_item['price_yuan_per_kwh']} 元/kWh。")print("\n恭喜你，已经成功运行了第一段 Python 电力数据代码！")
代码解释
我们分段来看。
1. 文件编码声明
# -*- coding: utf-8 -*-
这一行告诉 Python：
这个代码文件使用 UTF-8 编码。
现在大多数新版编辑器默认就是 UTF-8，所以这一行通常不是必须的。
但对零基础读者来说，保留这一行可以减少少数电脑上中文乱码的概率。
2. 打印标题
print("=== 我的第一个 Python 电力数据小程序 ===")
print() 的作用是把内容显示在屏幕上。
你可以先把它理解成：
让电脑把一句话说出来。
3. 准备电力数据
power_data = [ {"period": "00:00", "energy_kwh": 80, "price_yuan_per_kwh": 0.32}, {"period": "08:00", "energy_kwh": 120, "price_yuan_per_kwh": 0.68}, {"period": "14:00", "energy_kwh": 150, "price_yuan_per_kwh": 0.92}, {"period": "20:00", "energy_kwh": 100, "price_yuan_per_kwh": 0.75},]
这里的 power_data 是一个变量。
变量可以理解为一个“盒子”。
这个盒子里装着一组电力数据。
每一行数据都有三个信息：
period：时段。
energy_kwh：用电量，单位是 kWh。
price_yuan_per_kwh：电价，单位是元/kWh。
你暂时不需要完全理解列表、字典这些概念。
你只要先知道：
Python 可以把一张小表格写进代码里。
后续章节我们会专门讲数据结构。
4. 设置总用电量和总电费
total_energy_kwh = 0total_cost_yuan = 0
这两行的意思是：
先准备两个统计结果。
一个用来放总用电量。
一个用来放总电费。
一开始还没计算，所以都等于 0。
变量名里写上 kwh 和 yuan，是为了提醒自己：
total_energy_kwh 统计的是用电量。
total_cost_yuan 统计的是费用金额。
这是一种很好的代码习惯。
5. 先假设第一条数据是电价最高的数据
highest_price_item = power_data[0]
这行的意思是：
先把第一条数据当成“目前电价最高的数据”。
后面每循环到一条新数据，就拿新数据的电价和它比较。
如果新数据电价更高，就把“最高电价数据”更新成新数据。
这样写虽然比一行代码稍微长一点，但对新手更容易理解。
6. 逐条计算每个时段电费
for item in power_data:
for 的意思是循环。
可以理解为：
对 power_data 里的每一条电力数据，都做一次同样的事情。
在本案例里，同样的事情就是：
取出时段。
取出用电量。
取出电价。
计算电费。
累加总用电量和总电费。
判断是不是目前电价最高的时段。
打印结果。
7. 计算电费
cost_yuan = energy_kwh * price_yuan_per_kwh
这行非常关键。
它表示：
电费 = 用电量 × 电价
比如：
120 kWh × 0.68 元/kWh = 81.6 元
这就是一个最基础的电力数据计算。
后面我们会把这个逻辑扩展到：
分时电费计算。
月度电费计算。
峰谷平电费统计。
多用户批量电费计算。
8. 累加总用电量和总电费
total_energy_kwh += energy_kwhtotal_cost_yuan += cost_yuan
这两行的意思是：
每计算完一个时段，就把这个时段的用电量加到总用电量里。
每计算完一个时段，就把这个时段的电费加到总电费里。
其中：
total_energy_kwh += energy_kwh
等价于：
total_energy_kwh = total_energy_kwh + energy_kwh
这是 Python 中常见的简写方式。
9. 找出电价最高时段
if price_yuan_per_kwh > highest_price_item["price_yuan_per_kwh"]: highest_price_item = item
这段代码的意思是：
如果当前时段的电价，比目前记录的最高电价还高，就把当前时段记录为新的最高电价时段。
这样循环结束后，highest_price_item 里面保存的就是电价最高的那条数据。
10. 计算平均用电成本
average_cost_yuan_per_kwh = total_cost_yuan / total_energy_kwh
这行表示：
平均用电成本 = 总电费 ÷ 总用电量
注意，这里用“平均用电成本”这个说法更准确。
因为它不是简单地把几个电价相加再除以数量，而是按照实际用电量计算出来的平均成本。
运行结果说明
运行代码后，你大概会看到类似结果：
=== 我的第一个 Python 电力数据小程序 ===分时段用电情况：00:00 | 用电量：80 kWh | 电价：0.32 元/kWh | 电费：25.60 元08:00 | 用电量：120 kWh | 电价：0.68 元/kWh | 电费：81.60 元14:00 | 用电量：150 kWh | 电价：0.92 元/kWh | 电费：138.00 元20:00 | 用电量：100 kWh | 电价：0.75 元/kWh | 电费：75.00 元汇总结果：总用电量：450 kWh总电费：320.20 元平均用电成本：0.7116 元/kWh电价提醒：本组数据中，电价最高的时段是 14:00，电价为 0.92 元/kWh。恭喜你，已经成功运行了第一段 Python 电力数据代码！
这段结果说明：
这个模拟用户在 4 个时段一共用了 450 度电。
总电费是 320.20 元。
平均每度电成本约为 0.7116 元。
电价最高的时段是 14:00。
你已经完成了第一个非常小的电力数据分析任务。
虽然它很简单，但它已经包含了后面很多复杂分析的基础逻辑：
准备数据。
逐条处理。
计算结果。
汇总结果。
找出关键时段。
这就是 Python 电力交易分析的起点。
常见报错与避坑指南
报错 1：python 不是内部或外部命令
常见原因：
安装 Python 时没有勾选 Add Python to PATH。
解决方法：
重新安装 Python，并勾选 Add Python to PATH。
或者在命令行尝试：
py --version
如果 py --version 能显示版本，也可以用：
py chapter01_first_power_code.py
报错 2：文件后缀不是 .py
有些同学保存文件时，文件名看起来是：
chapter01_first_power_code.py
但实际可能是：
chapter01_first_power_code.py.txt
解决方法：
打开文件夹设置，显示文件扩展名。
确认文件真正以 .py 结尾。
报错 3：找不到代码文件
如果你在命令行输入：
python chapter01_first_power_code.py
却提示找不到文件，常见原因是：
你当前命令行所在的文件夹，不是代码文件所在的文件夹。
建议小白一开始把代码放在简单路径里，例如：
C:\python_power_trade\chapter01
然后在 VS Code 中打开这个文件夹，再运行代码。
不要一开始把代码放在压缩包里、微信下载目录里、很深的中文路径里，或者 OneDrive 同步目录里。
报错 4：中文乱码
如果运行结果里中文显示异常，可能是终端编码问题。
解决方法：
优先使用 VS Code 自带终端运行。
或者确认代码文件第一行保留：
# -*- coding: utf-8 -*-
现在大多数新版编辑器默认支持 UTF-8，一般不会遇到这个问题。
报错 5：冒号、引号、括号写错
Python 对符号很敏感。
比如下面这些都容易出错：
中文冒号 ： 和英文冒号 :
中文引号 “ ” 和英文引号 " "
少写一个右括号 )
少写一个右中括号 ]
解决方法：
复制本章完整代码先跑通。
不要一开始手打全部代码。
等跑通后，再尝试修改数字。
报错 6：缩进错误
Python 很看重缩进。
比如：
for item in power_data: period = item["period"]
period = item["period"] 前面要有空格。
如果少了缩进，Python 就不知道这行是不是属于循环。
解决方法：
使用 VS Code 自动缩进。
不要混用 Tab 和很多空格。
小白阶段可以直接复制代码，先形成手感。
本章小练习
请你在本章代码基础上，完成三个小任务。
练习 1：修改电价
把 20:00 的电价从：
"price_yuan_per_kwh": 0.75
改成：
"price_yuan_per_kwh": 1.05
然后重新运行代码，观察总电费和最高电价时段有没有变化。
练习 2：新增一个时段
在 power_data 里新增一条数据：
{"period": "22:00", "energy_kwh": 90, "price_yuan_per_kwh": 0.58},
然后重新运行代码。
观察总用电量和总电费有没有变化。
练习 3：思考一个业务问题
如果某个用户总是在高电价时段用电较多，你觉得可以从哪些方向优化？
不用写专业答案。
可以先用人话回答：
能不能把部分用电挪到低价时段？
能不能调整生产班次？
能不能配合储能、需求响应或能源管理系统？
能不能先做负荷数据分析，再判断是否值得优化？
如果你已经成功运行了本章代码，欢迎在评论区回复：
已跑通
如果你运行失败，也可以留言你的报错信息，例如：
python 不是内部或外部命令
SyntaxError
IndentationError
我会根据大家遇到的问题，后续专门整理一篇：
《Python 电力交易小白最常见的 10 个安装与运行报错》
如果你想直接领取本章配套资料，可以私信公众号关键词：
电力Python01
领取《Python电力交易》第1章资料包，包括：
建议先收藏本文，再跟着资料包跑一遍代码。
10个月宝宝每天需要喝多少奶粉？
