《Energies》：State-Dependent Merit-Order Effects in a Hydro-Dominated Market: Conditioning Variable-Renewable Price Suppression on the Marginal Fuel Regime in New Zealand
编辑推荐：
优先次序效应（merit-order effect, MOE）是指零边际成本的可变可再生能源（variable renewable energy, VRE）对批发电价的抑制效应，通常按每个市场估计为单一平均系数。在水电主导系统中，价格设定技术在水电与火电之间交
优先次序效应（merit-order effect, MOE）是指零边际成本的可变可再生能源（variable renewable energy, VRE）对批发电价的抑制效应，通常按每个市场估计为单一平均系数。在水电主导系统中，价格设定技术在水电与火电之间交替切换，因此MOE应取决于运行状态。利用新西兰节点数据，基线面板模型首先将已发表的2011–12年季节性基准复现至误差在NZ$0.22/兆瓦时（MWh）以内。一个将VRE系数对水库储能进行条件化的模型（2015–24年，245个节点，来自约4200万条半小时记录的28,827个节点-月观测）通过所有样本内诊断（内R2=0.81），但未能通过样本外测试和稳定性检验。该交互项在储能主效应（p=0.15–0.22）之外未增加显著预测价值，且在不同子时期符号反转（+58至?51），这种不稳定性不能归因于共线性。将储能水平替换为月度火电发电占比（一种调度驱动的水火电机制代理）后，得到稳定、显著且经样本外验证的交互项（聚类t=5.0，留一月交叉验证增益+14.2%），该交互项在水文和需求直接控制下依然稳健，包括与储能交互项的直接对测。识别依赖于120个月度观测，因为这些回归变量为全系统范围。价格抑制在水电充裕月份最强，VRE相对增加10%约对应NZ$5.8/MWh的降价，并随火电占比上升而趋于零，与水资源价值定价（water value pricing）一致。对2025年1月至2026年5月数据（该时段晚于模型开发）的前向测试证实了交互项的预测价值（前向均方根误差改进+33%，wild cluster bootstrap p=0.047）。在2011–12面板上重新估计得到弱识别、方向相反的交互项（bootstrap双边p=0.053）。因此，经验证的状态依赖表征的是2015–24年市场机制，而非结构不变的关系。
**论文解读：水电主导市场中的状态依赖优先次序效应——基于新西兰边际燃料机制的实证研究**
**一、研究背景与问题**
优先次序效应（merit-order effect, MOE）描述了零边际成本的可变可再生能源（variable renewable energy, VRE）（如风电、太阳能）替代成本较高的发电机组，从而降低批发市场出清价格的现象。国际文献普遍将MOE估计为每个市场或时期的单一平均系数，隐含假设该效应对市场条件不变。然而，在水电主导系统中，如新西兰（Aotearoa New Zealand），价格设定技术在水电与火电之间交替切换：当水库蓄水充足时，边际机组通常为具有低水资源价值（water value）的灵活水电；当水库枯竭时，边际机组为火电或具有高水资源价值的水电，反映稀缺性。由于额外一兆瓦时VRE的MOE取决于运行点的成本及供给曲线斜率，该效应本身应随系统状态变化。尽管已有研究证实MOE具有状态依赖性（随渗透率、需求、季节变化），但从未有研究将MOE系数直接条件化于水火电边际燃料机制。新西兰商业、创新与就业部（MBIE）和Transpower的预测显示，未来十年风电和太阳能容量将大幅增长，这使得MOE与水电-火电机制的交互作用在运营上更为关键。本研究旨在解决以下问题：如何在水电主导市场中正确估计状态依赖的MOE？如何选择有效的条件化变量？以及如何验证模型的样本外预测能力？
**二、研究内容与主要结论**
研究人员基于新西兰电力市场2015–24年约4200万条半小时级节点数据，构建月度面板（245个节点，28,827个节点-月观测），检验了两种条件化变量的优劣。首先，将VRE系数条件化于水库储能水平（Model B），该模型在样本内表现优异（内R2=0.81），通过安慰剂检验和异常值检验，但样本外预测能力不显著（p=0.15–0.22），且交互项系数在不同子时期符号反转（+58至?51），表明该模型不稳定。随后，研究人员将条件化变量替换为月度火电发电占比（THERM，一种调度驱动的边际燃料机制代理），构建边际燃料条件化MOE模型（MF-MOM），交互项系数稳定且显著（聚类t=5.0），通过所有样本外验证，包括留一月交叉验证（增益+14.2%）、时间折叠、前向测试（2025年1月至2026年5月，RMSE改进+33%，bootstrap p=0.047）。最终结论：MOE状态依赖在水电主导市场中真实存在，但必须基于实际调度状态（边际燃料机制）而非水库储能水平进行条件化；该状态依赖关系表征的是2015–24年市场机制，而非结构不变的关系。该研究发表在《Energies》期刊。
**三、主要技术方法**
1. **面板回归模型**：采用双向固定效应（节点固定效应和时间固定效应）估计VRE系数，基准模型（Model A）复现已发表基准。2. **条件化交互模型**：将VRE系数与条件化变量（储能水平或火电占比）构建交互项，分别估计储能条件化模型（Model B）和边际燃料条件化模型（MF-MOM）。3. **样本外验证**：采用留一月交叉验证、时间折叠、扩展起点滚动预测、前向测试（2025–26年数据）严格评估预测能力。4. **稳定性检验**：滚动窗口估计、子样本分割、安慰剂测试、共线性诊断（方差膨胀因子、条件数）。5. **统计推断**：月度聚类标准误、HC1、Driscoll–Kraay标准误，以及wild cluster bootstrap-t用于小簇推断。6. **空间异质性分析**：逐节点估计，采用经验贝叶斯（empirical-Bayes, EB）收缩（James–Stein）稳定估计，并聚合至五个电力管理局区域。
**四、研究结果**
- **基准复现**：Model A在2011–12年面板上复现Wen et al. [1]的季节性基准，平均绝对误差为NZ$0.36/MWh（排除不显著的夏季后为NZ$0.22/MWh），验证了估计流程的可靠性。
- **储能条件化模型失败**：Model B样本内拟合优异（R2=0.81），交互项显著（β
hyd=?47.22，t=?4.22），但加入储能主效应后，交互项无显著预测增益（p=0.15–0.22），且滚动窗口交互项系数在+35至?72间大幅波动，子时期符号反转（+58.21 vs ?50.76），表明储能水平作为条件化变量不稳定。
- **边际燃料条件化模型成功**：MF-MOM模型中，VRE×火电占比交互项β
int=+1.81（t=5.0），隐含VRE系数从低火电占比（8.8%）时的?9.92（即10%相对VRE增加降低价格NZ$5.79/MWh）升至高火电占比（23.1%）时的+15.88（价格抑制消失）。该交互项在控制储能、储能平方、需求、入流、极端月份排除等后依然稳健，且在与储能交互项的竞争性检验中保留显著性（+1.26，t=3.7）。
- **样本外验证**：MF-MOM的交互项在留一月交叉验证中增益+14.2%，时间折叠增益+17.0%，前向测试（2025年1月至2026年5月）增益+33%（p=0.047），而储能模型无显著增益。
- **跨时期稳定性**：在2011–12年面板上重新估计MF-MOM，交互项β
int=?1.87（bootstrap双边p=0.053），方向与2015–24相反，表明状态依赖形式随市场结构演变，2015–24结果仅适用于当前机制。
- **空间异质性**：节点级估计显示，所有区域交互项均正，区域中位数+1.60至+1.81，湿态价格抑制效应约NZ$11–13/MWh（10%相对VRE增加），干态效应约+11–13，空间差异较小，仅在热电厂或地热集群附近节点偏离。
**五、讨论与结论**
讨论部分强调，边际燃料条件化优于储能条件化的原因在于：储能是存量（stock），其到边际价格的映射随时间变化（受入流、需求、释放策略影响）；而火电占比是流量（flow），直接反映当月真实调度状态。该结果与西班牙证据一致（水库水平不解释水电市场价格）。与新西兰文献相比，本研究将MOE系数直接条件化于边际技术状态，并验证了样本外预测能力。与国际化文献相比，本研究针对水电主导市场，且状态变化足够大以识别依赖关系。结论部分指出：基于储能的MOE条件化模型不平稳且不泛化；基于火电占比的条件化模型稳定、显著且经样本外验证，价格抑制在水电充裕条件下最强，随火电占比上升而减弱，符合水资源价值逻辑。跨时期检验表明该状态依赖是当前（2015–24）市场机制的特征，而非结构不变规律。研究为状态依赖MOE的建模和验证提供了方法论模板，并强调严格的规范测试对于得出结构性结论的必要性。
