气候科技产品负责人复盘受监管市场中的产品领导力

在我产品生涯的早期，我曾从事一款软件的开发，该软件被用于美国电力市场的日常竞价与调度决策。

随后在2021年2月，冬季风暴Uri将得州电网推入危机。随着严寒降临，我们的预测显示出异常宽的差距：日前价格预测远低于实时价格预测。

一位客户带着一个我们本该预料到的问题打来电话：“我到底该有多信任它，才值得据此行动？”

他们运营着一个由不同资产类型组成的组合，必须决定在日前市场承诺多少容量，以及为实时市场保留多少容量。由于我们的预测显示实时价格远高于日前价格，依据预测行动就意味着保留更多容量，并承担价格飙升可能永远不会出现的风险。最终，他们大致按五五开进行了分配。

随后发生的事情说明了这个决策为何如此艰难。最严重的供应短缺最终出现在实时市场。ERCOT实时价格在2月15日至19日的大部分时间里都维持在9,000美元/MWh的全系统报价上限，部分原因是监管机构指示ERCOT将价格维持在该水平。日前价格也有所上涨，但低估了短缺会持续多久。因此，我们预测的方向是有用的：实时市场变得更有价值。但在事件展开之前，客户没有任何简便的方法来了解预测为何做出这样的判断，以及其背后有多大的不确定性。这就是信任鸿沟。

我们客户的问题揭示了一个重要区别：在电力市场中，一个技术上正确的产品并不等同于一个有用的产品。这段经历改变了我对分析类产品的看法。输出本身只是我们交付内容的一部分。

在预测存在不确定性、决策会带来真实财务后果的市场中，用户还需要理解为什么会给出某项建议，以及什么情况可能导致它出错。这个理念伴随我进入了后续关于电池优化和电力市场设计的工作，在那里，最难的产品问题往往不是生成更多智能，而是让这些智能变得可用。

1. 正确还不够。输出必须可操作。

从开发的角度看，Uri事件之后很自然的问题是：我们的价格预测模型运行正常吗？而在客户那边，则是另一组问题：我该拿这个数字做什么，我该在它上面押多少注？

于是我们不再把价格预测当作完整的交付物。我们补充了其背后的驱动因素：预测的日前/实时价差（DART Spread）、实时价格飙升的概率，以及预测的置信区间。我们还加入了与ERCOT能源紧急警报2级和3级相关联的提醒，让用户知道电网何时已进入正常价格行为不再适用的情形。

虽然这些都没有让预测变得更准确，但确实让它更容易被采用。如果客户再次面临Uri那样的决策，他们不仅会看到实时价格预计会飙升，还会看到飙升的可能性有多大、不确定性有多宽，以及电网已经处于紧急运行状态。

这带来了明显的变化。在2022年12月的冬季风暴Elliott和2024年1月的冬季风暴Heather期间，我们收到的询问是否该相信这些数字的电话明显减少，客户也更愿意接受基于预报的推荐。

作为一名产品经理，这让我学会了花更多时间去问客户真正想做出什么决定，而不是我们能产出什么结果。在危机时刻，一个让客户反复质疑的复杂产品，不如一个其驱动因素一目了然的产品有用。

图1. 可操作性是分层构建的。在Uri之后，我们在预报本身之上增加了驱动因素、不确定性和决策背景。

2. 围绕不确定性构建，而不是假装它不存在

当我在从事电池优化工作时，这一教训变得更加重要，这是一个快速增长的问题：根据美国能源信息署（EIA）的数据，计划中的新增容量将使ERCOT的电池容量从2025年的约15 GW增加到2027年底的37 GW。

在任何时刻，电池运营商都必须决定是充电、放电、保留电量还是提供辅助服务。最佳决策取决于价格接下来的走势，而且大部分收入来自少数几次价格飙升。如果错过了这些，一个好月份就会变成平庸的月份。

我们最初的优化器是随机型的：它针对一组价格情景进行规划，并生成一个单一的对冲调度。但在2023年夏季和2024年冬季，它错过了几次价格飙升。我们有两个选择：要么继续采用随机方法，把我们仅有的少量开发时间花在其他功能上；要么重建优化器的核心。

我们决定重建它。我们不再要求一个随机优化器在多种可能的未来中生成一个单一的折中调度，而是针对六个不同版本的价格预报分别运行确定性优化，从非常保守到非常激进。可以把这些预报看作六种可能的未来：中间的一个代表我们最可能的情况，而外围的区间代表可能性较低但更极端的价格结果。

然后我们利用这些区间来构建电池的报价和要价。例如，电池的一部分可以按照与中心预报一致的价格报出，而另一部分则可以保留给价格高得多的情景。如果价格飙升从未发生，那么这部分高价容量就不会出清。如果发生了，电池仍有容量就位以捕捉它。

荷电状态在整个过程中始终是一个硬约束，因此优化器无法给出一个财务上很有吸引力、但电池在物理上无法执行的建议。

这也改变了用户可以看到和控制的内容。他们可以选择在投标策略中遵循哪个区间，并且如果不同意优化器推荐的投标策略，随时可以覆盖它。

对用户来说，真正的权衡在于控制权。随机模型将其推理隐藏在混合调度中，这使得它难以被质疑，但也难以被篡改。分区间的确定性方法更容易理解，但这也使用户更容易调整单个设置或覆盖推荐。我们观察到，经常调整设置并覆盖模型的用户，比让模型自主运行的用户有更多错过价格飙升的日子。

正如Box 和 Draper所说，所有模型都是错的，但有些是有用的。我们已经不再试图构建一个永远正确的模型，而是专注于构建一个即使预测出错也能保持有用的模型。

更艰难的教训是，让模型可理解并不会自动让每一次干预都成为好的干预。可解释性建立信任，但它也给了用户更多推翻模型的方式，产品设计必须考虑到这一点。

图 2. 在不同预测区间下放置报价，可以让电池捕捉到中央（P50）预测所错过的用电高峰。

3. 有时教育也是产品的一部分

即使产品设计得再好，如果客户不了解它所处的市场，也很难使用。我在 ERCOT 于 2025 年 12 月转向实时联合优化加电池（RTC+B）的过程中最清楚地看到了这一点。这一变化意味着电池将不再被视为实时市场中的特例：ERCOT 将持续评估它们如何在考虑实际储存了多少能量的同时，既提供电力又提供电网支撑服务。

在 RTC+B 之前，当 ERCOT 确定电池的实时能量调度时，电池的辅助服务承诺在很大程度上被视为固定输入。简单来说，如果电池已经承诺将其部分容量用于帮助稳定电网，实时市场就会将该承诺视为既定事实，并围绕它进行优化。

在 RTC+B 下，这些决策变得相互关联。每五分钟，ERCOT 可以同时评估能量和辅助服务，同时检查电池是否真的有足够的储存能量来支撑其被要求提供的服务。

对于我们的优化软件来说，这改变了问题本身。我们不能再只考虑哪个市场产品报价最高。我们还必须考虑一次中标如何减少后续其他机会可用的能量。

客户最难理解的是关于持续时间的问题：电池必须储存多少小时的能量，才能支撑每一兆瓦的辅助服务。许多人以为这些要求会原封不动地延续下去。事实证明，并非如此。

根据节点协议修订请求 1282（NPRR1282），这是一项 ERCOT 市场规则变更，几项辅助服务的最低持续时间要求发生了变化。这些服务本质上是电池获得报酬以帮助维持电网平衡的不同方式。提供快速电网支撑的调频和响应备用服务（RRS）降至 30 分钟。ERCOT 事故备用服务（ECRS）降至一小时，而作为备用储备产品的非旋转备用（Non-Spin）保持在四小时。重要的变化在于这些要求今后将如何执行。在实践中，电池在实时运行中往往将 Non-Spin 和 ECRS 视为大约一小时的承诺。在 RTC+B 下，ERCOT 开始检查电池是否真的有足够的荷电状态来支撑其全部中标时长。对于 Non-Spin，这意味着可能需要预留大约四倍于以前的能量，从而减少可用于其他收益机会的电池容量。

一些客户曾要求我们在 RTC+B 下保留其现有的 Non-Spin“堆叠”策略。简单来说，他们希望将部分电池容量承诺给 Non-Spin，同时利用剩余容量去争取其他市场机会。支持这一做法原本在我们的路线图上。在RTC+B 客户网络研讨会和内部会议上，我讲解了新的时长规则，并展示了这些规则对电池荷电状态的影响。当客户和我们自己的团队看到四小时的 Non-Spin 承诺会占用多少能量后，在这些新规则下经济性就变了。我们原本计划的功能建立在一些假设之上，而这些假设在新的市场设计下不再成立，因此我们将其从路线图中移除。

这改变了我在复杂行业中思考产品采用的方式。有时，障碍不在于功能，而在于用户还无法理解产品为何如此运作。产品经理的工作之一就是翻译：把市场规则与软件行为联系起来，再把软件行为与客户的下一个决策联系起来。

图 3. RTC+B 前后的辅助服务时长要求。

这些经历对我的改变

现在，当客户要求再加一个功能时，我首先会去理解他们正在纠结的那个决策是什么。当模型给出一个建议时，我会问：它的预测错了会怎样？用户推翻它又会怎样？而当用户没有采用我们构建的某个功能时，我会问：问题真的在于功能，还是我们没有把这个系统解释清楚？

有时最重要的产品决策不是增加更多智能，而是让你已有的智能在最需要的时候真正可用。