2025年电工杯A题数据收集分享

1. PVOD 数据集（河北省，2018–2019）

内容：包含10个光伏电站的15分钟分辨率的历史发电功率（LMD）和NWP数据，时间跨度为2018年7月1日至2019年6月13日。NWP数据由WRF模型生成，包含7个气象变量。

特点：数据完整，适用于研究季节性和地理因素对预测精度的影响。

来源：该数据集在相关研究中被使用，具体信息可参考相关文献。

SpringerOpen

2. SolarDB 数据集（多地点，5分钟分辨率）

内容：包含16个太阳能电站一年的发电数据，提供5分钟间隔的功率数据和每小时的天气数据。

特点：高时间分辨率，适合短期预测模型的训练和验证。

来源：该数据集在相关研究中被使用，具体信息可参考相关文献。

3. NREL 合成数据集（美国，2017–2018）

内容：基于美国国家可再生能源实验室（NREL）的SAM PVWatts模型，结合226个地点的地理特征和2017–2018年的ECMWF NWP数据，生成的合成光伏发电数据。

特点：覆盖广泛的地理区域，适合分析不同地理条件对预测精度的影响。

来源：该数据集在相关研究中被使用，具体信息可参考相关文献。

https://www2.nrel.gov/grid/solar-power-data

4. SKIPP'D 数据集（2017–2019）

内容：包含2017至2019年的天空图像和对应的光伏发电数据，适用于短期太阳能预测的深度学习研究。

特点：结合图像数据和发电数据，适合探索基于视觉信息的预测方法。

来源：该数据集在相关研究中被使用，具体信息可参考相关文献。

5. OpenClimateFix Quartz 项目（全球，2015–2020）

内容：使用GFS或ICON NWP数据预测全球25,000个光伏站点的发电量，涵盖2015至2020年的数据。

特点：数据量大，适合训练深度学习模型，分析不同气象条件对预测的影响。

来源：该项目的代码和数据可在GitHub上获取。

6. Synthetic PV & Wind Dataset（德国，合成数据）

内容：包含德国120个光伏和273个风电站点的合成发电数据，结合ICON-EU NWP模型的气象数据，时间跨度为500天，小时分辨率。

特点：提供详细的地理信息，适合研究空间相关性和多任务学习。

来源：该数据集在相关研究中被使用，具体信息可参考相关文献。

7. Global Renewables Watch（全球，2017–2024）

内容：基于高分辨率卫星图像，识别全球86,410个光伏电站和375,197个风力涡轮机，提供季度更新的建设时间和地理信息。

特点：适合进行全球范围内的可再生能源部署分析。

来源：该数据集在相关研究中被使用，具体信息可参考相关文献。

8.景云天气（能源气象科研数据服务平台）

https://energymeteo-pseo.sdu.edu.cn/dataset

标准测试数据集包括风电数据集和光伏数据集。其中风电数据集收录了风速统计分布区间、中心风速、平均风速、平均功率等信息。光伏数据集收录了辐照度、压力、湿度、云量、平均日照时间、理论功率以及实际功率等信息。该数据集将会不断扩充，为研究人员提供公共测试数据，用于对风电和光伏发电系统进行性能评估、算法验证和模型测试。

本平台提供基础功率预测功能，可以根据设备型号、场站位置、场站装机等参数，实现全国任意位置的风电和光伏功率预测，预测时长可以达到360 小时。高级功能拥有 3 公里精细化数值天气预报、深度学习智能预测模型，自动识别和订正预测误差，提高预测准确性、可靠性和稳定性，为用户提供高质量的服务。