us-grid-hourly-power-plants-dataset

该数据集为美国电网小时运行数据与发电厂信息数据集，由 DataForge 整理发布。数据整合了美国能源信息署（EIA）官方电网监测数据（EBA）中的小时级电力需求、发电量、燃料组合及区域间交换数据，并与 EIA-860/923 发电厂主库关联。数据集按规模分为三个层级：S 级（约 20.9 万行）包含加州独立系统运营商（CAISO）2025 全年的小时级数据；M 级（约 793 万行）包含全美所有平衡机构（Balancing Authorities）2025 年小时级数据及发电厂库；L 级（约 6066 万行）包含多年历史小时级序列和电厂级发电数据。每个层级包含多个子表（配置），如燃料发电小时、平衡机构小时、交换小时、子区域小时、平衡机构列表、发电机组、电厂月度发电、电厂概要、电厂、州电价、州月度发电、公用事业等。数据以 Snappy 压缩的 Parquet 格式存储，并提供原始 zip 包（含 CSV/Parquet 格式、数据字典、数据表和许可证）。数据集适用于电网与可再生能源研究、电力市场预测、电厂资产分析及能源转型跟踪。学术/个人使用遵循 CC BY-NC 4.0 许可证，商业使用需获取 DataForge 商业许可证。This dataset is a collection of hourly U.S. grid operation data and power plant information, compiled and published by DataForge. It integrates hourly electricity demand, generation, fuel mix, and inter-regional exchange data from the U.S. Energy Information Administration (EIA) Grid Monitoring Data (EBA), and links with the EIA-860/923 power plant master database. The dataset is organized into three levels by scale: S-level (approximately 209,000 rows) contains hourly data for the California Independent System Operator (CAISO) for the full year 2025; M-level (approximately 7.93 million rows) contains hourly data for all Balancing Authorities in the U.S. for 2025 and the power plant database; L-level (approximately 60.66 million rows) contains multi-year historical hourly series and plant-level generation data. Each level includes multiple sub-tables (configurations) such as fuel generation hours, balancing authority hours, interchange hours, sub-regional hours, balancing authority list, generating units, plant monthly generation, plant summary, plants, state electricity prices, state monthly generation, utilities, etc. The data is stored in Snappy-compressed Parquet format, with original zip packages containing CSV/Parquet formats, data dictionary, data tables, and license. The dataset is suitable for grid and renewable energy research, electricity market forecasting, power plant asset analysis, and energy transition tracking. Academic/personal use follows the CC BY-NC 4.0 license, while commercial use requires a commercial license from DataForge.

原始信息汇总

US Grid Hourly Operations & Power Plants (EIA) 数据集

数据集概述

该数据集由DataForge Open Data项目提供，整合了美国EIA官方电网监测数据（EBA）与EIA-860/923电厂主数据库，涵盖美国电网的小时级需求、发电量、燃料结构及电力交换信息。数据规模约在1000万至1亿条记录之间，语言为英语，主要用于时间序列预测任务。

数据分级与内容

数据集按覆盖范围分为三个层级（Tier），每个层级包含不同的数据包：

S级（Tier S）

• 覆盖范围：CAISO（加州独立系统运营商）2025年全年小时级数据
• 内容：需求、发电、燃料结构、电力交换
• 数据包大小：1.7 MB，约209,518行

M级（Tier M）

• 覆盖范围：全美所有平衡机构（Balancing Authorities）2025年小时级数据，外加EIA-860/923电厂库
• 内容：涵盖S级全部内容，并增加发电机组信息（generators）、月度电厂发电量（plant_month_generation）、电厂档案（plant_profiles）、电厂信息（plants）、州级电价（state_electricity_prices）、月度州发电量（state_generation_monthly）、公用事业信息（utilities）
• 数据包大小：69.6 MB，约7,929,603行

L级（Tier L）

• 覆盖范围：完整历史数据，多年小时级序列及电厂级发电数据
• 内容：包含M级所有表，并扩大历史时间范围
• 数据包大小：502.9 MB，约60,657,958行

数据配置

数据集在Hugging Face上提供33个可加载的配置（configs），命名规则为“层级-表名”：

六种核心表类型：

• ba_fuel_generation_hourly：平衡机构燃料发电小时数据
• ba_hourly：平衡机构小时数据
• ba_interchange_hourly：平衡机构小时电力交换数据
• ba_subregion_hourly：平衡机构子区域小时数据
• balancing_authorities：平衡机构信息
• eba_gap_report：EBA缺口报告

M级和L级额外包含的表：

• generators：发电机组信息
• plant_month_generation：电厂月度发电量
• plant_profiles：电厂档案
• plants：电厂基础信息
• state_electricity_prices：州级电价
• state_generation_monthly：月度州级发电量
• utilities：公用事业信息

数据格式与访问

• 所有数据以snappy压缩的Parquet格式存储，按 data/<tier>/ 目录组织。
• 原始生产包（含CSV、Parquet、数据字典、数据表说明、许可证）通过DataForge开放数据CDN提供下载，每个包内均包含DATA-DICTIONARY.md和DATASHEET.md文件。
• 支持通过Hugging Face datasets 库直接加载，示例代码： python from datasets import load_dataset ds = load_dataset("zalizedata/us-grid-hourly-power-plants-dataset", "S-ba_fuel_generation_hourly", split="train")

许可协议

• 双重许可：学术/个人使用遵循CC BY-NC 4.0（知识共享署名-非商业性使用4.0国际许可），要求署名并回链至https://data.zalize.com。
• 商业使用：需获得DataForge商业许可证。
• 上游数据：基于美国官方EIA批量数据（公共领域，17 U.S.C. §105），上游许可条款仍然适用。

引用方式

text DataForge (data.zalize.com), built from official US EIA bulk data — https://data.zalize.com/datasets/us-grid-hourly-power-plants-dataset

另有DOI（Zenodo镜像）：10.5281/zenodo.21837319 及GitHub Release镜像。

搜集汇总

数据集介绍

构建方式

该数据集源自美国能源信息署（EIA）的官方电网监测数据与电厂主数据库，通过精心的数据清洗与整合，构建了涵盖美国电网小时级需求、发电量、燃料组合及电力交换等多维度信息的综合性时间序列数据集。数据按规模分为S、M、L三个层级，分别对应CAISO区域2025年全年小时数据、全美平衡机构小时数据及多年度历史数据，并辅以电厂档案、月度发电量、州级电价等静态表格，形成了层次分明、覆盖全面的数据结构。

特点

数据集的一大特色在于其多粒度的时间分辨率与空间覆盖范围，从单一平衡机构到全美乃至跨区电力交换，均以小时为粒度进行记录，为精细化的电力系统分析与预测提供了坚实的数据基础。此外，数据集整合了EIA-860/923电厂主库信息，实现了发电资产与运行数据的关联，使得用户能够从电厂层面探索发电效率、燃料构成及碳排放等关键议题。数据以Parquet格式存储，高效压缩且支持快速查询，并附带数据字典与质量报告，确保了数据的可用性与可靠性。

使用方法

用户可通过HuggingFace datasets库便捷地加载使用该数据集，指定具体的配置名称（如'S-ba_fuel_generation_hourly'）即可获取对应表格的数据。数据集内置的多种配置覆盖了从燃料发电、平衡机构运行到州级电价等不同维度的信息，适用于电力市场预测、可再生能源并网研究、资产运营分析及能源转型追踪等应用场景。研究人员可直接利用Python环境进行数据探索与建模，或下载完整的原始压缩包以获取CSV格式及更详尽的数据文档，满足多样化的研究需求。

背景与挑战

背景概述

在能源转型与电力市场深度演进的背景下，精准的电网运行数据成为量化分析可再生能源并网影响、电力需求响应及碳排放轨迹的关键基石。该数据集由DataForge开源数据项目于2025年构建，依托美国能源信息署（EIA）官方发布的EBA小时级电网监测数据与EIA-860/923电厂主库，系统整合了美国电网的需求、发电量、燃料构成及区域间交换等核心指标。其分层设计覆盖从单一平衡区（CAISO）的全景快照到全国多区域的历史长序列，旨在支持电网韧性评估、电价预测及发电资产优化等前沿研究。凭借对官方数据的精细清洗与标准化，该数据集已成为连接原始能源统计与高级建模应用的重要桥梁，在可再生能源渗透率分析、电力市场仿真及能源政策评估领域展现出广泛的影响力。

当前挑战

该数据集所面临的挑战主要源自能源系统的高维复杂性与数据构建的工程难度。领域层面，电力供需的强非平稳性、燃料价格与时变气候因素的耦合，以及跨区电力交换的时空异质性，为基于此类数据的时序建模与预测任务设置了天然壁垒。同时，可再生能源出力固有的间歇性与随机波动，进一步加剧了电网运行分析的难度。构建过程中，团队需克服多源数据（EBA与EIA-860/923）的异构格式对齐、时间粒度统一及缺失值插补等难题，并确保全美数百个平衡当局的数据一致性与可追溯性。此外，随着数据规模跃升至千万级乃至六千万行，储存效率与读取性能亦构成显著瓶颈，这些挑战共同考验着数据科学的严谨性与工程化的成熟度。

常用场景

经典使用场景

该数据集整合了美国电力调度机构（Balancing Authority）的小时级电力需求、发电量、燃料组合及区域间交换数据，并关联了EIA-860/923电厂主数据库，为电力系统分析提供了统一、细粒度的数据基础。其典型应用场景涵盖可再生能源并网研究、电力市场负荷预测、发电资产运营优化以及能源转型路径追踪等，尤其适合用于构建时间序列预测模型和进行电网运行状态的量化解析。

衍生相关工作

基于该数据集，衍生出一系列具有影响力的学术与工业成果，包括但不限于：基于深度学习的短期负荷预测模型（如LSTM、Transformer架构）、电力市场价格波动分析框架、可再生能源消纳能力评估工具，以及区域碳排放因子数据库。这些工作不仅深化了对美国电力系统运行规律的理解，也为全球其他地区的电力数据标准化建设提供了参考范式，促进了开放数据在能源领域的广泛应用。

数据集最近研究

最新研究方向

在能源系统数字化转型与碳中和目标的双重驱动下，该数据集聚焦于美国电网小时级运行数据的深度挖掘与多尺度融合分析。当前前沿研究方向涵盖基于高时间分辨率电力数据的可再生能源并网稳定性评估、电力市场短期负荷与电价预测模型的优化，以及通过电厂级机组参数与燃料混合特征揭示碳排放动态演化规律。其丰富的数据层次（从平衡 authority 到州级、电厂级）为构建数字孪生电网、支撑需求响应策略及能源政策仿真提供了关键数据基础，对推动能源系统智能化与可持续转型具有重要实证价值。