Advertisement

负荷预测数据集（2018年1月至2020年12月，每15分钟记录一次，包含十万余条数据）

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
该数据集收录了从2018年到2020年的电力负荷信息，每15分钟更新一次，涵盖十万多个观测值，为精准的负荷预测提供坚实的数据支持。 数据包含10万多条负荷记录，时间跨度从2018年1月到2020年12月，采样间隔为每15分钟一次。这些数据包括温度、湿度、风速、露点以及云层覆盖等特征，并且所有数值均以兆瓦（MW）为单位。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 负荷预测数据集（2018年1月至2020年12月，每15分钟记录一次，包含十万余条数据）
    优质
    该数据集收录了从2018年到2020年的电力负荷信息，每15分钟更新一次，涵盖十万多个观测值，为精准的负荷预测提供坚实的数据支持。 数据包含10万多条负荷记录，时间跨度从2018年1月到2020年12月，采样间隔为每15分钟一次。这些数据包括温度、湿度、风速、露点以及云层覆盖等特征，并且所有数值均以兆瓦（MW）为单位。
     
  • 光伏电站发电量预测数据集（涵盖装机容量、详尽气象与地理位置信息，13个站点，2019年1月至2020年12月，每15分钟记录一次）
    优质
    本数据集包含13个光伏电站自2019年至2020年的发电量预测资料，每站每15分钟更新一次。涵盖详尽的地理位置、装机容量及气象信息。 这段数据包含了13个光伏电站的运行记录，采样间隔为每15分钟一次，时间跨度从2019年1月1日到2020年12月31日。数据中包括了装机容量、地理信息以及天气特征等详细内容。其中关于天气的信息具体包含：总辐照度（W/㎡）、法向直射辐照度（W/㎡）、水平面散射辐照度（W/㎡）、气温（°C） 、气压（hpa）、相对湿度(%)。
     
  • 短期电力负荷预测数据集（1小时时间间隔，含4.8万多条记录，2015-2020年）
    优质
    该数据集包含从2015年至2020年间每小时的电力负荷信息，总计超过48,000条记录，为短期电力负荷预测提供了详实的数据支持。 电力系统短期电力负荷预测数据集包含时间间隔为1小时的4.8万多条记录，涵盖2015年至2020年的数据。特征包括天气变量，如气温、相对湿度、降水量和风速。
     
  • 风电场发电预测数据集（涵盖14个风电场，包括装机容量、详尽天气和地理位置信息，时间范围为2019年1月至2020年12月，每15分钟记录一次）
    优质
    本数据集包含14个风电场所产生的发电预测信息，详细记录了各风场的装机容量、气象条件及地理坐标等关键参数，时间跨度覆盖两年，以每15分钟为单位更新。 该数据集包含14个风电场的运行记录，采样间隔为每15分钟一次，时间范围从2019年1月1日到2020年12月31日。数据包括装机容量、地理信息以及天气特征等多方面内容。其中天气相关特征具体如下：在不同高度（如10米、30米、50米和70米）的风速及风向，风机轮毂高度处的风速与风向，气温（摄氏度）、气压（百帕）以及相对湿度（百分比）。
     
  • 德国风力发电机发电预测数据集（2019-2021年12月，13万多条记录，每10分钟一次，包含76个维度的特征如轴承温度）
    优质
    本数据集涵盖2019至2021年间德国风力发电机发电情况，总计13万余条记录，每10分钟更新一次。包括76项详细特征如轴承温度等信息，为预测模型提供全面支持。 德国风力发电机发电数据集（2019-2021年12月），包含超过13万条记录，时间间隔为每十分钟一次。该数据集中含有76个特征维度，包括轴承温度等信息，并提供了各类特征的单位详情。
     
  • 中国地铁交通数据集（至2020年12月31日）: 本数据集包含截至2020年12月31日中国主要城市...
    优质
    本数据集收录了截至2020年底，中国各大城市的地铁线路、站点及运营里程等详尽信息，旨在为交通规划与研究提供全面的数据支持。 中国大陆的地铁交通数据集涵盖了截至2020年12月31日已开通运营的城市：北京、天津、上海、广州、长春、大连、武汉、重庆、深圳、南京、沈阳、成都、佛山、西安、苏州、昆明、杭州、哈尔滨、郑州、长沙、宁波、无锡、青岛、南昌、福州、东莞、南宁、合肥、石家庄，贵阳，厦门，乌鲁木齐，济南，兰州，常州，徐州，呼和浩特和太原。数据集包括各个城市的地铁线路记录信息，并以shapefile格式提供。 本数据集为开源形式，在条件限制下可能存在一些错误或遗漏，请大家批评指正。如果使用该数据进行相关研究，请务必在研究成果中注明引用来源，谢谢！
     
  • 地震记录数据集 - 包含 2001 年 1 月 1 日至 2023 年 1 月 1 日的 782 起地震事件
    优质
    本数据集收录了从2001年1月1日至2023年1月1日期间的782次地震记录，详尽提供每次地震的关键参数。适合地震学研究及灾害预警分析。 数据集包含从2001年1月1日至2023年1月1日期间记录的782次地震事件。各列的具体含义如下： - title：地震标题名称。 - 震级：地震震级大小。 - date_time：地震发生的时间和日期。 - cdi：最大报告强度值，表示该区域感受到的最大破坏程度。 - mmi：仪器测量得出的最大的估计强度数值。 - 警报级别：“绿色”、“黄色”、“橙色”或“红色”，代表不同级别的预警信号。 - 海啸标志：发生于海洋中的地震事件标记为1；其他地区则为0。 - sig：描述了该次事件的重要程度，值越大表示其重要性越高。此数值是根据多种因素综合评估得出的，包括震级、最大MMI强度、报告数量以及预估影响等。 - net：数据提供方ID号，标识用于确定地震信息的主要网络来源。 - nst：为定位该次地震所用到的所有台站总数目。 - dmin：最近观测点与地震中心之间的水平距离（千米）。 - 间隙角差：相邻两个监测站点间最大的角度间距，表示方位差异。一般来说，这个值越小，则表明计算出的地震位置越准确可靠；若该差距超过180度，则意味着所得到的位置及深度数据存在较大不确定性。 - magType：用于确定首选震级的方法或算法类型。 - 深度：地震发生时地壳破裂开始处的具体深度（千米）。 - 纬度和经度坐标：提供了描述地球表面位置的精确地理信息，有助于定位事件发生的地点。 - 位置：具体的位置描述，通常指国内范围内的详细地址或区域名称。 - 大陆：记录了地震发生所在的大陆板块。
     
  • 2022年4月30日获取的IT行业招聘数据集，包含十万条记录
    优质
    此数据集收集于2022年4月30日，涵盖IT行业的十万份招聘信息，为研究和分析该领域就业趋势提供了宝贵资源。 2022年4月30日爬取的IT行业招聘数据集包含十万条记录。
     
  • 德国风力发电机发电预测数据集（2019-2021年12月，13万多条记录，每10分钟一次更新，包含轴承温度在内的76个维度特征）
    优质
    该数据集收录了2019至2021年间德国风力发电机的发电预测信息，总计超过13万条记录，涵盖包括轴承温度在内的76项详细特征，每10分钟更新一次。 该数据集是关于德国风力发电机发电预测的研究资源，涵盖了从2019年到2021年12月的时段，总计约有13万条记录，每10分钟采集一次数据，提供了丰富的信息用于分析和建模。 以下是这个数据集包含的主要知识点： 1. **时间序列分析**：由于数据每10分钟更新一次，这为进行时间序列分析提供了理想条件。可以使用ARIMA、状态空间模型或季节性分解趋势成分（STL）等方法来研究发电量随时间的变化规律。 2. **风电功率预测**：风力发电机的发电量受多种因素影响，如风速、风向、空气密度和叶片角度等。通过这些数据可以构建预测模型以估计未来的发电功率，这对于能源调度和电网稳定至关重要。 3. **特征工程**：76维特征包括了轴承温度等关键参数，这些参数可能与发电机的运行状态和效率紧密相关。通过对这些特征进行归一化、标准化、衍生特征及相关的分析处理，可以增强模型的预测能力。 4. **异常检测**：轴承温度是衡量风电机组健康状况的重要指标，过高或过低的温度都预示潜在故障的可能性。通过数据分析识别出异常模式有助于及时维护和预防性维修。 5. **机器学习模型应用**：可以使用各种监督学习（如线性回归、随机森林、支持向量机及神经网络）与无监督学习方法（聚类分析或主成分分析等），来理解特征之间的相互作用，并预测未来发电性能。 6. **多变量相关性研究**：探究76个特征间的关联有助于了解哪些因素对发电量影响最大，以及它们之间是否存在协同效应。可以使用相关矩阵、热图或者网络图等形式可视化这些关系。 7. **时间间隔分析**：10分钟的时间分辨率有利于捕捉风力发电机状态的快速变化，对于短期预测模型尤其有利。 8. **数据清洗**：在实际应用前需对数据进行预处理以确保质量。这包括缺失值、异常值和重复记录的清理工作。 9. **单位信息理解**：了解每个特征对应的单位（如温度为摄氏度，风速为米/秒）对于正确解释及使用这些数据至关重要。 10. **数据可视化工具应用**：利用Matplotlib、Seaborn或Plotly等工具将复杂的数据以图形形式展示出来，有助于直观理解分布趋势和异常情况。 此数据集提供了深入研究风力发电性能预测以及设备健康管理的宝贵资源，适合能源领域、机器学习及数据分析专业人士使用。