基于机器学习的场站发电预测数据集

本数据集合服务于基于深度学习的场站级光伏发电预测，涵盖多个电站或场站在连续时间尺度下的运行记录与气象观测数据。主要内容包括：时间戳、场站标识、实际发电功率（OriginalPower）以及经精细特征工程构造的时序特征（如滞后功率、时间差分）、周期特征（小时、星期、月份、年积日）、物理特征（理论辐照、高度角、方位角、清晰度指数、云量等）。数据经过中值滤波与高斯滤波去噪、异常值截断等清洗处理，质量可靠。该数据集可用于训练基于Transformer架构的时序预测模型，实现对场站未来24小时发电功率的高精度预测，支撑并网调度、储能优化及电力交易决策。

搜集汇总

背景与挑战

背景概述

该数据集服务于基于深度学习的场站级光伏发电预测，收录了多个电站的连续运行记录与气象观测数据，涵盖时间戳、发电功率及经特征工程构造的时序、周期和物理特征。数据经过中值滤波与高斯滤波去噪、异常值截断等清洗处理，质量可靠，适用于训练Transformer架构模型以预测未来24小时发电功率，支撑并网调度与电力交易决策。