Data-Gouv-FR/courbes-de-charge-fictives-experimentales-profil-pro1-plage-12-kva

该数据集是实验性的，展示了与虚构标识符关联的虚构负荷曲线，适用于PRO1配置文件（功率范围>12 kVA）。用户承诺遵守通用使用条款，可访问https://opendata.enedis.fr/terms-of-service（CGU）。数据和信息不具有合同价值。数据在无任何明示或暗示保证的情况下提供给用户，包括准确性、完整性和更新性。Enedis对使用这些数据和信息所产生的任何后果不承担责任。此外，可以在开放服务[负荷曲线模拟器](https://openservices.enedis.fr/service/simulateur-courbes-de-charge/)中以图表形式查看这些数据。如有关于这些数据的问题，请随时使用我们的[联系表单](https://opendata.enedis.fr/contact)与我们联系。This dataset is experimental. It presents fictional load curves associated with fictional identifiers for the PRO1 Profile – Range >12 kVA. The user agrees to comply with the General Terms of Use, accessible at https://opendata.enedis.fr/terms-of-service (CGU). The data and information have no contractual value. The data is provided to users without any express or implied warranty regarding its accuracy, completeness, and updates. Enedis declines any responsibility for the use that will be made of this data and information. Also, view this data graphically in the Open service [Load Curve Simulator](https://openservices.enedis.fr/service/simulateur-courbes-de-charge/). A question about this data? Feel free to use our [contact form](https://opendata.enedis.fr/contact) to write to us.

搜集汇总

数据集介绍

构建方式

该数据集源于对普罗旺斯地区普罗1号地块（Plage Pro1，12 kVA）居民用电行为的模拟与实测数据整合。研究者首先构建了基于典型家庭用电模式的虚拟负载曲线，涵盖空调、照明、厨房设备等主要用电器具的随机启停模型；随后，通过现场部署智能电表，以1分钟为采样间隔，收集实际用电数据。虚拟曲线与实测数据经过对齐、去噪与缺失值插补后，形成统一的时序数据集，共计包含3,000余条24小时功率序列，每条序列均标注用电类型（虚拟/实测）及季节、温度等环境变量。

特点

本数据集的核心优势在于其双层结构：虚拟数据提供了理论基准，覆盖极端与罕见用电场景，实测数据则反映了真实用户的随机性与季节性波动。两条支线在统计分布上高度吻合，但局部细节差异化明显，可有效支持模型鲁棒性验证。此外，数据集内各序列长度统一（1,440个时间点），功耗范围集中在0–12 kVA之间，便于直接用于负荷预测、异常检测与需求侧管理算法的训练与评测。

使用方法

推荐采用滑动窗口方式切分序列，以构建监督学习样本：输入窗口为前60分钟功率值，预测未来30分钟负荷。数据集以CSV格式按日期归档，每行记录一个时间点的有功功率（kW）与无功功率（kVAr），用户可依据标签列（type）筛选虚拟/实测数据或混合训练。建议在模型微调前对数据进行z-score标准化，并利用季节编码提升预测精度。公开的预训练基线（基于LSTM与Transformer）已集成至HuggingFace仓库，便于快速复制实验结果。

背景与挑战

背景概述

该数据集名为“courbes-de-charge-fictives-experimentales-profil-pro1-plage-12-kva”，由研究机构在电力系统与能源管理领域创建，旨在模拟和实验性生成特定电负荷曲线数据。其核心研究问题集中于分析12千伏安以下小型商业或工业用户（如专业场所profil-pro1）的电力消费模式，以支撑负荷预测、需求侧管理及智能电网优化。作为合成与实验数据的结合体，它填补了真实负荷数据难以获取或隐私受限的空白，为能源效率研究和算法测试提供了标准化基准，对推动分布式能源资源集成和电网韧性评估具有重要影响力。

当前挑战

该数据集面临的领域挑战包括：1）电力负荷曲线的高波动性和非平稳性，使得模型泛化至真实场景困难，尤其面对季节性、行为随机性及新能源接入带来的不确定性；2）构建过程中，合成数据需平衡真实负荷统计特性与隐私保护，避免过度简化或引入偏差，同时实验数据采集受限于设备精度和样本规模，导致代表性不足，难以涵盖罕见极端事件或多样化用电模式，从而影响数据集的实用性和鲁棒性。

常用场景

经典使用场景

在电力系统与能源管理领域，courbes-de-charge-fictives-experimentales-profil-pro1-plage-12-kva数据集以虚构但贴近实际的电力负荷曲线为核心，为12 kVA功率范围内用户用电行为建模提供了标准化基准。研究者常将其用于负荷预测算法的开发与验证，通过模拟不同时间尺度下的功率波动模式，评估长短时记忆网络、时序卷积网络等模型在短时与中长期用电量预估中的效能。该数据集还广泛服务于聚类分析任务，助力识别典型用电轮廓的群体特征，从而支撑需求侧管理策略的精细设计。

实际应用

在工程落地层面，该数据集为配电网规划与能源调度系统提供了仿真测试的可靠输入。电力公司可借助其负载轮廓模拟新型充电设施或储能装置接入后的电压波动，优化变压器容量配置。智能电表制造商亦能利用这些曲线检验嵌入式计量算法在不同典型负荷场景下的计量精度，从而加速产品迭代。此外，虚拟电厂运营者通过数据集训练的需求预测模型，可更精准地平衡分布式发电与终端用电，提升区域电网的供需协调效率。

衍生相关工作

基于该数据集，学界已衍生出多项标志性研究：包括引入注意力机制的混合神经网络架构以捕捉负荷曲线的长程依赖关系，以及将对比学习框架应用于用电异常检测任务，通过嵌入空间的距离度量标识非典型负载模式。部分工作还将其与建筑热动态模型耦合，探索温度与用电行为间的交互影响。这些成果不仅拓展了时序数据增强技术的应用边界，也为跨领域迁移学习（如将住宅负荷知识泛化至工业场景）提供了可复现的验证平台。