Representative_French_Power_Grids

该GitHub仓库提供了150个MV馈线及其底层LV网络，这些网络是从法国配电网络中选出的代表性网络。这些网络的文件已更新，可直接与Roseau Load Flow一起使用。

This GitHub repository contains 150 medium-voltage (MV) feeders and their underlying low-voltage (LV) networks, which are representative networks selected from French distribution grids. The accompanying files of these networks have been updated and are ready for direct use with Roseau Load Flow.

原始信息汇总

法国电力分配网络代表性数据集概述

数据集简介

• 数据集包含150个中压(MV)馈线及其底层低压(LV)网络，选自法国分配网络中最具代表性的案例。
• 数据来源于Seddik Yassine Abdelouadoud的研究。
• 数据集已更新，可直接与Roseau Load Flow工具配合使用。

数据集内容

• 网络文件：以JSON格式存储，文件名包含地区代码和馈线名称（如11_MVFeeder0725.json）。
• 地区代码表：涵盖法国12个大都会区，代码与名称对应关系如下：

  代码	名称
  11	Île-de-France
  24	Centre-Val de Loire
  27	Bourgogne-Franche-Comté
  28	Normandie
  32	Hauts-de-France
  44	Grand Est
  52	Pays de la Loire
  53	Bretagne
  75	Nouvelle-Aquitaine
  76	Occitanie
  84	Auvergne-Rhône-Alpes
  93	Provence-Alpes-Côte dAzur

• 集群规模文件：Cluster_Size.csv记录每个网络的代表性规模（如11_MVFeeder0725代表法国分配网络的1.3507%）。

技术特性

• 馈线轨迹：包括线路几何形状、位置和类型（架空或地下）。
• 技术参数：线路的导体截面和类型，MV/LV变压器的额定功率。
• 消耗数据：每个节点和每相的消耗示例。

使用方法

• 依赖安装：需roseau-load-flow>=0.12.0，可通过uv或pip安装。

• 基本操作： python import roseau.load_flow as rlf en = rlf.ElectricalNetwork.from_json("./data/networks/11_MVFeeder0725.json") en.solve_load_flow() en.res_buses_voltages

• 脚本功能：

  • convert_networks.py：下载并转换网络文件至最新JSON格式。
  • plot_networks.py：使用folium库绘制网络地图。

许可与访问

• 许可证：Open License version 2.0。
• 完整文档与下载：数据访问页面。
• 方法论报告：方法报告。

应用场景

• 网络规划：评估承载能力和预测局部约束。
• 能源研究：模拟可再生能源部署和电气化场景。
• 学术研究：开发和测试新的电网建模方法。

搜集汇总

数据集介绍

构建方式

该数据集构建过程基于法国电力分配网络的代表性样本选择，通过从法国各地区电网中筛选出150个具有代表性的中压馈线及其低压网络。选样过程参考了法国国家地理研究所（IGN）提供的开放数据，包括电网轨迹、能源消耗数据以及建筑几何信息。采用先进的聚类算法确保所选样本在法国领土范围内具有均衡的代表性，详细选样方法可在相关法语报告中查阅。

特点

数据集囊括了法国各地区的典型电网结构，包含中压馈线和低压网络的详细技术参数，如线路几何形状、导体截面类型以及变压器额定功率等。每个网络文件均标注了所属地区代码和内部名称，并附有集群规模数据以量化其在全国电网中的代表性。数据采用与Roseau Load Flow兼容的JSON格式存储，便于直接用于电力系统潮流计算和分析。

使用方法

使用该数据集需预先安装roseau-load-flow≥0.12.0软件包，可通过uv或pip工具进行环境配置。用户可直接读取JSON格式的网络文件进行潮流计算，计算结果包含各节点电压等关键参数。配套脚本支持网络文件格式转换和地理信息可视化，数据集附带的集群规模文件可用于结果外推分析，评估特定网络在法国整体电网中的代表性程度。

背景与挑战

背景概述

Representative_French_Power_Grids数据集由法国电力系统研究专家Seddik Yassine Abdelouadoud主导构建，旨在为法国配电网络的规划与运行研究提供代表性样本。该数据集精选了150个具有代表性的中压馈线及其底层低压网络，覆盖法国本土所有行政大区，数据来源整合了法国能源监管机构ORE的公开网络轨迹、国家地理研究所IGN的建筑几何数据以及地方能源消费数据。通过先进的聚类算法筛选出的这些网络样本，能够准确反映法国配电网络的整体特征，为电网容量评估、可再生能源并网研究以及新型电力系统建模方法开发提供了重要基础。

当前挑战

该数据集构建过程中面临多重技术挑战：在数据整合阶段，需解决多源异构数据（包括地理空间数据、电网拓扑数据和能耗数据）的标准化与对齐问题；在代表性网络筛选环节，需设计兼顾电网物理特性和地域分布均衡性的聚类算法。应用层面的挑战则主要体现在：中低压混合网络的潮流计算复杂度显著高于纯中压网络，对仿真工具的数值稳定性提出更高要求；分布式能源高渗透场景下，传统负荷建模方法难以准确反映新型电力系统的动态特性。

常用场景

经典使用场景

在电力系统研究中，Representative_French_Power_Grids数据集作为法国配电网络的典型代表，常被用于电力潮流分析和网络规划。研究者通过该数据集模拟不同负载条件下的电压分布和功率流动，评估网络稳定性和效率。其包含的中压和低压馈线数据为复杂电力系统建模提供了坚实基础，尤其适用于验证新型潮流计算算法的准确性。

实际应用

在实际工程领域，该数据集被法国电力公司用于评估可再生能源并网对现有配电系统的影响。工程师利用Roseau Load Flow工具包，基于这些典型网络模拟光伏发电大规模接入场景，预测可能出现的电压越限和线路过载问题。这种基于真实网络拓扑的仿真为电网升级决策提供了数据支撑，降低了实地改造的经济成本。

衍生相关工作

该数据集推动了多项电力系统前沿研究，包括基于机器学习的配电网状态估计、考虑地理信息的分布式电源选址优化等。特别值得注意的是，Yassine Abdelouadoud团队在此基础上开发了新型网络聚类算法，其成果被扩展应用于欧洲其他国家的配电网研究。后续研究者通过融合气象数据和负荷预测模型，进一步丰富了该数据集的应用维度。