reproducibility-powermodels-setup2

该数据集是经过修正的PowerModels JSON格式数据，专为GENCO设置2（从磁盘加载）的运行时实验而设计。数据集来源于一篇arXiv论文（arXiv:2608.09921），用于复现论文中的实验。数据集的复现脚本位于GitHub仓库的genco-paper-repro分支下的scripts/runtime/README.md中。数据集的具体字段、样本数量及其他细节未在README中提供。This dataset is corrected PowerModels JSON format data designed for runtime experiments of GENCO setting 2 (load from disk). It originates from an arXiv paper (arXiv:2608.09921) and is used to reproduce the experiments in the paper. The reproduction scripts are located in the genco-paper-repro branch of the GitHub repository under scripts/runtime/README.md. Specific fields, sample counts, and other details are not provided in the README.

原始信息汇总

数据集概述

该数据集提供了一套修正后的 PowerModels JSON 文件，用于复现 GENCO 论文中 setup-2（从磁盘读取数据）的运行时实验。

详细信息

• 许可协议：Apache 2.0
• 引用论文：GENCO（arXiv:2608.09921）
• 用途：专门用于 GENCO 论文 setup-2（from-disk）的运行时实验复现
• 复现方法：数据集的复现步骤位于 GitHub 仓库 gridfm/gridfm-datakit 的 scripts/runtime/README.md 文件中，具体分支为 genco-paper-repro（访问路径：https://github.com/gridfm/gridfm-datakit/blob/genco-paper-repro/scripts/runtime/README.md ）

核心特点

该数据集是针对 PowerModels 格式的修正版本，旨在确保 GENCO 论文中相关运行时实验的可复现性，尤其针对从磁盘加载数据的实验场景。

搜集汇总

数据集介绍

构建方式

本数据集为GENCO论文中setup-2（从磁盘读取）运行时实验提供了修正后的PowerModels JSON格式文件，其构建基于对原始模型参数的严谨校准与错误修正，以确保实验复现的准确性。数据集的生成流程遵循gridfm-datakit仓库中scripts/runtime/README.md的详细指引，并依托genco-paper-repro分支的代码环境，通过系统化的数据整理与验证，形成了一套符合电力系统优化建模标准的高质量输入数据。

特点

该数据集的核心特征在于其高度专门化的复现支持能力，紧密契合GENCO研究的实验需求。所有JSON文件均经过修正，消除了潜在的数据不一致性，从而保证了在相同运行条件下实验结果的可比性和可靠性。其设计兼顾了电力系统模型的计算效率与存储友好性，为研究者提供了可直接对接的基准数据集，有效降低了复现过程中的调试成本，展现了在学术复现场景中的独特价值。

使用方法

使用该数据集时，研究者应预先配置gridfm-datakit环境并切换至genco-paper-repro分支，随后参照scripts/runtime/README.md中的操作指令，将本数据集作为PowerModels输入，在既定运行时框架下执行setup-2实验。为确保结果一致性，建议严格遵循文档中的参数设置与执行顺序。数据集兼容标准PowerModels接口，可无缝集成至现有电力系统分析流程中，用于验证算法性能或开展对比研究。

背景与挑战

背景概述

该数据集由GridFM团队创建，作为GENCO（GridFM）论文的复现实验数据，于论文发表后发布，旨在为电力系统优化研究提供标准化的测试基准。其核心研究问题是确保基于PowerModels的电力系统优化模型的运行时间实验具有可复现性，特别是在从磁盘加载数据的场景下。该数据集对电力系统领域的影响在于，它为后续研究提供了一个统一的数据源，使得不同算法的运行时间比较成为可能，推动了电力系统优化研究的透明化和规范化。

当前挑战

该数据集面临的挑战主要来自电力系统优化领域的复杂性以及构建过程中的精确性需求。电力系统优化问题涉及大规模非线性约束，数据格式的微小偏差导致时间对比失真。因此，构建过程中需严格校验PowerModels JSON文件的结构和参数，同时复现文献中的实验环境配置，这些均是确保实验可重复性的关键挑战。

常用场景

经典使用场景

该数据集作为电力系统优化领域可复现性研究的基石，专为GENCO框架下的setup-2运行时实验提供经过校正的PowerModels JSON数据。在经典使用场景中，研究者利用该数据集验证其算法在跨网架、跨时段的求解性能，通过标准化的数据输入，实现不同优化模型与求解器间的公平对比，从而推动电力系统经济调度、机组组合等核心问题的研究向更严谨、更可验证的方向发展。

衍生相关工作

基于该数据集，衍生出一系列相关经典工作，包括开发自动化数据校正工具以提升PowerModels数据质量，构建跨场景可复现性测试平台，以及对GENCO算法进行改进的变体研究。这些工作进一步拓展了数据集的适用边界，催生了关于电力系统优化可复现性的方法论探讨，推动了从数据管理到算法评估的完整生态建设，为领域后续的对比研究和技术迭代奠定了坚实基础。

数据集最近研究

最新研究方向

该数据集聚焦于电力系统优化建模领域的可复现性研究，针对GENCO项目中的setup-2（磁盘加载）运行时实验提供修正后的PowerModels JSON文件。当前前沿方向侧重于构建标准化、可验证的电力系统基准测试集，以解决不同研究中因数据格式差异或模型配置不一致导致的结果偏差问题。结合开源工具如GridFM-Datakit的集成，研究推动电力市场与电网调度模拟的透明化，助力算法公平对比与结果审计。该数据集的发布对提升电力系统研究生态的稳健性、支持向可再生能源转型中的优化决策具有现实意义，也为后续的机器学习预测模型提供可信的训练与评估基础。