有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
ERCOT电网综合数据集|电力系统数据集|可再生能源数据集
收藏arXiv2024-12-09 更新2024-12-11 收录
下载链接：
https://github.com/alimenati/PowerMamba
下载链接
链接失效反馈资源简介：
ERCOT电网综合数据集是由德克萨斯A&M大学和哈佛大学的研究团队创建的，旨在支持电力系统中的多元时间序列预测。该数据集包含五年内的负荷、电价、辅助服务价格和可再生能源发电数据，具有每小时的时间分辨率和区域级别的详细信息。数据集的创建过程结合了高分辨率的外部预测数据，以提高预测精度。该数据集主要应用于电力系统的预测和优化，旨在解决电网中由于可再生能源集成和需求变化带来的不确定性问题。
提供机构：
德克萨斯A&M大学，哈佛大学
创建时间：
2024-12-09
AI搜集汇总
数据集介绍
构建方式
ERCOT电网综合数据集通过整合ERCOT电网的多个关键时间序列数据构建而成，涵盖了五年（2019-2023）的负荷、电价、辅助服务价格以及可再生能源发电数据，具有每小时的时间分辨率。该数据集不仅包括了8个区域的负荷和电价数据，还涵盖了4种辅助服务价格和风能、太阳能发电数据。此外，数据集还引入了ERCOT提供的负荷和可再生能源发电的外部预测数据，进一步增强了数据集的多样性和复杂性。
使用方法
ERCOT电网综合数据集可用于多种电力系统时间序列预测任务，包括负荷预测、电价预测、辅助服务价格预测以及可再生能源发电预测。研究者可以通过该数据集训练和验证多元时间序列预测模型，尤其是结合外部预测数据的模型。数据集的开放性使得研究者能够在一个统一的框架下进行模型基准测试，并探索不同模型在电力系统预测任务中的表现。
背景与挑战
背景概述
ERCOT电网综合数据集是由德克萨斯A&M大学和哈佛大学的研究人员创建的，旨在应对电力系统中由于可再生能源的广泛集成和需求电气化带来的不确定性。该数据集涵盖了ERCOT电网五年的负荷、电价、辅助服务价格和可再生能源发电数据，提供了每小时的时间分辨率和区域级别的详细信息。数据集的创建旨在支持复杂的多变量时间序列预测模型，以应对电力系统中日益复杂的动态变化。通过提供高分辨率的外部预测数据，该数据集为研究人员提供了一个统一的框架，用于评估和比较先进的机器学习模型在电力系统预测中的性能。
当前挑战
ERCOT电网综合数据集面临的挑战主要来自电力系统的高度复杂性和不确定性。首先，可再生能源的间歇性和不可预测性使得负荷和发电的预测变得极为困难。其次，电力市场价格信号与负荷和发电之间的相互作用增加了预测的复杂性。此外，现有数据集通常缺乏空间粒度，无法捕捉区域或节点间的差异，且时间跨度较短，限制了复杂模型的训练。构建该数据集时，研究人员还需解决如何有效整合高分辨率的外部预测数据，以在不增加模型复杂度的情况下提升预测精度。
常用场景
经典使用场景
ERCOT电网综合数据集的经典使用场景主要集中在电力系统的时间序列预测任务中。该数据集涵盖了五年内ERCOT电网的负荷、电价、辅助服务价格以及可再生能源发电等多维度数据，提供了高分辨率的时间序列信息。通过结合深度学习与传统状态空间模型，该数据集支持多变量时间序列的联合预测，能够有效捕捉负荷、发电与电价之间的复杂动态关系，为电力系统的可靠运行提供了关键支持。
解决学术问题
ERCOT电网综合数据集解决了电力系统中多变量时间序列预测的学术难题。传统模型通常分别预测负荷、发电或电价，忽略了它们之间的相互作用，导致预测精度下降。该数据集通过提供多维度的联合数据，支持多变量预测模型的开发，显著提升了预测精度。此外，数据集的高分辨率和长时间跨度为训练复杂的深度学习模型（如Transformer）提供了理想的基础，推动了电力系统时间序列预测领域的研究进展。
实际应用
ERCOT电网综合数据集在实际应用中具有广泛的应用前景。首先，它为电力系统的调度与规划提供了精确的负荷与发电预测，帮助电网运营商优化资源配置，提升系统可靠性。其次，通过预测电价与辅助服务价格，市场参与者能够更好地制定交易策略，降低市场风险。此外，数据集中的可再生能源发电数据为可再生能源的集成与管理提供了重要参考，支持电网向净零排放目标迈进。
数据集最近研究
最新研究方向
ERCOT电网综合数据集的最新研究方向主要集中在电力系统时间序列预测领域，特别是通过结合深度学习与传统状态空间模型（SSM）来捕捉多变量时间序列的动态特性。研究者们提出了名为PowerMamba的模型，该模型通过时间序列分解、多样化标记策略以及Mamba块的并行处理，有效捕捉局部和全局的时间依赖性。此外，研究还设计了一个时间序列处理模块，能够无缝集成高分辨率的外部预测数据，提升预测精度而不显著增加模型复杂度。ERCOT电网数据集的发布为电力系统预测提供了丰富的数据支持，涵盖了负荷、电价、辅助服务价格和可再生能源发电等多个维度，推动了电力系统预测模型的创新与优化。
相关研究论文
- 1PowerMamba: A Deep State Space Model and Comprehensive Benchmark for Time Series Prediction in Electric Power Systems德克萨斯A&M大学，哈佛大学 · 2024年
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
中国1km分辨率逐月降水量数据集（1901-2023）
该数据集为中国逐月降水量数据，空间分辨率为0.0083333°（约1km），时间为1901.1-2023.12。数据格式为NETCDF，即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国降尺度生成的。并且，使用496个独立气象观测点数据进行验证，验证结果可信。本数据集包含的地理空间范围是全国主要陆地（包含港澳台地区），不含南海岛礁等区域。为了便于存储，数据均为int16型存于nc文件中，降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理，Matlab发布了读入与存储nc文件的函数，读取函数为ncread，切换到nc文件存储文件夹，语句表达为：ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent])，其中XXX.nc为文件名，为字符串需要’’；var是从XXX.nc中读取的变量名，为字符串需要’’；i、j、t分别为读取数据的起始行、列、时间，leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样，研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令，可查看。数据坐标系统建议使用WGS84。
国家青藏高原科学数据中心 收录
中国交通事故深度调查（CIDAS）数据集
交通事故深度调查数据通过采用科学系统方法现场调查中国道路上实际发生交通事故相关的道路环境、道路交通行为、车辆损坏、人员损伤信息，以探究碰撞事故中车损和人伤机理。目前已积累深度调查事故10000余例，单个案例信息包含人、车 、路和环境多维信息组成的3000多个字段。该数据集可作为深入分析中国道路交通事故工况特征，探索事故预防和损伤防护措施的关键数据源，为制定汽车安全法规和标准、完善汽车测评试验规程、
北方大数据交易中心 收录
MedChain
MedChain是由香港城市大学、香港中文大学、深圳大学、阳明交通大学和台北荣民总医院联合创建的临床决策数据集，包含12,163个临床案例，涵盖19个医学专科和156个子类别。数据集通过五个关键阶段模拟临床工作流程，强调个性化、互动性和顺序性。数据来源于中国医疗网站“iiYi”，经过专业医生验证和去识别化处理，确保数据质量和患者隐私。MedChain旨在评估大型语言模型在真实临床场景中的诊断能力，解决现有基准在个性化医疗、互动咨询和顺序决策方面的不足。
arXiv 收录
HazyDet
HazyDet是由解放军工程大学等机构创建的一个大规模数据集，专门用于雾霾场景下的无人机视角物体检测。该数据集包含383,000个真实世界实例，收集自自然雾霾环境和正常场景中人工添加的雾霾效果，以模拟恶劣天气条件。数据集的创建过程结合了深度估计和大气散射模型，确保了数据的真实性和多样性。HazyDet主要应用于无人机在恶劣天气条件下的物体检测，旨在提高无人机在复杂环境中的感知能力。
arXiv 收录
FER2013
FER2013数据集是一个广泛用于面部表情识别领域的数据集，包含28,709个训练样本和7,178个测试样本。图像属性为48x48像素，标签包括愤怒、厌恶、恐惧、快乐、悲伤、惊讶和中性。
github 收录