Awesome Electricity Demand

Awesome Electricity Demand数据集由Open Energy Transition Bayreuth团队创建，旨在为能源系统模型和规划人员提供可访问和可发现的需求数据。该数据集包含多个国家/地区的公共小时和亚小时数据集链接，并提供了统一的格式和标准化时间戳。它涵盖了广泛的地区和时间范围，为全球电力需求预测提供了宝贵的资源。

The Awesome Electricity Demand dataset was developed by the Open Energy Transition Bayreuth team, with the goal of providing accessible and discoverable demand data for energy system modelers and planners. This dataset contains links to public hourly and sub-hourly datasets across multiple countries and regions, and offers unified formats and standardized timestamps. It covers a broad range of regions and time spans, making it a valuable resource for global electricity demand forecasting.

原始信息汇总

Awesome Electricity Demand 数据集概述

数据集简介

这是一个精心整理的电力需求数据链接集合，专门收集小时级或亚小时级电力需求数据，旨在提高能源系统建模者和规划者对数据集的访问性和可发现性，同时增强全球开放数据覆盖以支持可持续能源转型。

数据覆盖范围

• 非洲
• 亚洲
• 欧洲
• 北美洲
• 南美洲
• 大洋洲

数据源特征

每个数据源均包含以下元数据：

• 数据可用时间范围
• 数据频率（时间分辨率）
• 许可和使用条款

配套资源

• 交互式地图：https://open-energy-transition.github.io/Awesome-Electricity-Demand/
• 数据处理代码库：https://github.com/open-energy-transition/demandcast
• 数据源探索记录：https://docs.google.com/spreadsheets/d/1qnGaXWZqT-xwbGeqDAFHkTN0VhoFUfKwtAD29n9HeFE/edit?gid=1036252638#gid=1036252638

数据源列表

非洲地区

• 阿尔及利亚：Sonelgaz | 2008-2020 | 60分钟分辨率 | CC-BY 4.0
• 尼日利亚：Mendeley | 2016 | 60分钟分辨率 | CC-BY 4.0（不含停电的重建需求）
• 南非：ESKOM | 2021至今 | 60分钟分辨率 | 需申请访问-非商业用途

亚洲地区

• 孟加拉国：PGCB | 2014至今 | 30分钟分辨率 | 保留所有权利
• 中国：Zenodo | 2018 | 60分钟分辨率 | CC-BY 4.0
• 印度：NITI | 2017-2024 | 30分钟分辨率 | 开放数据
• 日本关东：TEPCO | 2016-2021 | 60分钟分辨率 | 个人使用
• 日本关东：TEPCO | 2022至今 | 5分钟分辨率 | 个人使用
• 尼泊尔：Open Data Nepal | 2016-2017 | 60分钟分辨率 | CC BY-SA 4.0
• 巴基斯坦：NTDC | 2015-2020 | 60分钟分辨率 | CC0 1.0
• 菲律宾：NGCP | 2013-2024 | 60分钟分辨率 | 保留所有权利
• 新加坡：EMA | 2014至今 | 30分钟分辨率 | 开放数据
• 韩国：KROGD | 2013-2024 | 60分钟分辨率 | 开放数据
• 斯里兰卡：PUCSL | 2023至今 | 15分钟分辨率 | 保留所有权利（发电量，作为需求代理）
• 台湾：Zenodo | 2017-2022 | 10分钟分辨率 | CC-BY 4.0
• 泰国：Zenodo | 2023-2024 | 60分钟分辨率 | CC-BY 4.0
• 土耳其：EPIAS | 2016至今 | 60分钟分辨率 | 需申请访问-需注明出处

欧洲地区

• 阿尔巴尼亚：ENTSO-E | 2015-2016, 2021至今 | 15分钟分辨率 | CC-BY 4.0
• 奥地利：ENTSO-E | 2015至今 | 15分钟分辨率 | CC-BY 4.0
• 比利时：ENTSO-E | 2015至今 | 15分钟分辨率 | CC-BY 4.0
• 波黑：ENTSO-E | 2017至今 | 60分钟分辨率 | CC-BY 4.0
• 保加利亚：ENTSO-E | 2015至今 | 60分钟分辨率 | CC-BY 4.0
• 克罗地亚：ENTSO-E | 2015至今 | 60分钟分辨率 | CC-BY 4.0
• 塞浦路斯：ENTSO-E | 2016-2022 | 30分钟分辨率 | CC-BY 4.0
• 塞浦路斯：ENTSO-E | 2024至今 | 60分钟分辨率 | CC-BY 4.0
• 塞浦路斯：TSOC | 2008至今 | 15分钟分辨率 | 需授权使用（发电量，作为需求代理）
• 捷克：ENTSO-E | 2015至今 | 60分钟分辨率 | CC-BY 4.0
• 丹麦：ENTSO-E | 2015至今 | 60分钟分辨率 | CC-BY 4.0
• 爱沙尼亚：ENTSO-E | 2015至今 | 60分钟分辨率 | CC-BY 4.0
• 芬兰：ENTSO-E | 2015至今 | 60分钟分辨率 | CC-BY 4.0
• 法国：ENTSO-E | 2015至今 | 60分钟分辨率 | CC-BY 4.0
• 格鲁吉亚：ENTSO-E | 2022至今 | 60分钟分辨率 | CC-BY 4.0
• 德国：ENTSO-E | 2015至今 | 15分钟分辨率 | CC-BY 4.0
• 希腊：ENTSO-E | 2015至今 | 60分钟分辨率 | CC-BY 4.0
• 匈牙利：ENTSO-E | 2015至今 | 15分钟分辨率 | CC-BY 4.0
• 爱尔兰：ENTSO-E | 2015至今 | 30分钟分辨率 | CC-BY 4.0
• 意大利：ENTSO-E | 2015至今 | 60分钟分辨率 | CC-BY 4.0
• 科索沃：ENTSO-E | 2021至今 | 60分钟分辨率 | CC-BY 4.0
• 拉脱维亚：ENTSO-E | 2015至今 | 60分钟分辨率 | CC-BY 4.0
• 立陶宛：ENTSO-E | 2015至今 | 60分钟分辨率 | CC-BY 4.0

贡献方式

• 通过GitHub Issues提交数据请求或建议：https://github.com/open-energy-transition/Awesome-Electricity-Demand/issues
• 通过Pull Requests添加新数据源或增强元数据：https://github.com/open-energy-transition/Awesome-Electricity-Demand/pulls

搜集汇总

数据集介绍

构建方式

在电力系统预测领域，高质量数据的稀缺性长期制约着模型的泛化能力。Awesome Electricity Demand数据集通过系统化整合全球56个国家和地区2000至2025年间的历史电力需求数据，构建了覆盖600余万小时观测值的时空数据库。采用模块化数据管道对原始数据进行清洗与标准化处理，将不同来源的电力需求值统一转换为兆瓦单位，并基于UTC时间轴对齐所有时间序列。通过集成欧洲中期天气预报中心的ERA5再分析温度数据、网格化人口分布及社会经济指标，形成了多维度预测特征体系。

特点

该数据集最显著的特征在于其时空维度的广谱性，既包含发达国家也涵盖发展中国家，有效突破了传统数据集的地域局限性。通过引入标准化目标变量Dn，将绝对电力需求转化为年度需求占比的时序模式，使模型能够聚焦于负荷曲线的形态特征而非绝对数值。数据集采用严格的时间划分策略，将最近完整年度设为测试集，前一年作为验证集，其余作为训练集，确保了模型对未来样本的泛化能力评估具有实际意义。

使用方法

基于该数据集开发的DemandCast框架采用梯度提升算法进行模型训练，用户可通过标准化接口调用预处理后的多维特征数据。模型输出为归一化的时序需求曲线，需通过后处理步骤与年度总需求估计值相乘重构实际负荷预测。研究者在应用时应注意不同地区数据完整性的差异，建议结合地域特征进行超参数调优。该框架支持对未来电力需求场景的探索性分析，为能源系统规划者提供兼顾时空分辨率和地理覆盖度的决策支持工具。

背景与挑战

背景概述

在全球能源转型背景下，电力需求预测成为支撑低碳电力系统规划的关键技术。2025年由德国开放能源转型研究团队发布的Awesome Electricity Demand数据集，整合了2000至2025年间56个国家的小时级电力负荷数据，结合气象与社会经济变量，通过XGBoost梯度提升算法构建标准化需求预测模型。该数据集突破了传统研究在时空覆盖范围的局限性，为应对气候变化背景下能源消费模式的不确定性提供了重要数据基础。

当前挑战

该数据集致力于解决高精度电力需求预测的核心难题，包括如何捕捉不同区域因气候差异、经济发展水平导致的用电模式异质性。在构建过程中面临两大挑战：一是全球范围内高分辨率电力数据可获取性严重不均，部分区域仅存在片段化记录；二是多源异构数据（如ERA5再分析数据与GPW人口网格）的时空对齐与标准化处理需要复杂的数据清洗流程，这直接影响模型在数据稀缺地区的泛化能力。

常用场景

经典使用场景

在能源系统建模领域，Awesome Electricity Demand数据集为电力需求预测研究提供了关键支撑。该数据集整合了全球56个国家和地区的小时级电力负荷数据，结合气象与社会经济变量，成为训练梯度提升模型的标准化基准。研究人员通过时间序列分割策略，能够系统评估模型在样本外年份的泛化能力，为可再生能源并网和电网调度优化提供数据基础。

解决学术问题

该数据集有效解决了电力系统领域三个核心难题：首先通过标准化目标变量分离电力需求的时间模式与绝对量级，克服了不同区域数据量纲差异；其次采用时空扩展的数据覆盖策略，缓解了传统研究中地理代表性不足的缺陷；最后通过模块化数据管道设计，为长期情景分析提供了可复现的基准框架，显著提升了预测模型的鲁棒性与可解释性。

衍生相关工作

基于该数据集衍生的DemandCast框架催生了多项创新研究：Mattsson等人开发的GlobalEnergyGIS系统实现了可再生能源供应曲线与电力需求的协同建模；后续研究通过聚类算法将国家按用能结构分组，提升了模型在数据稀缺区域的性能；近期工作更探索了概率预测架构，将确定性预测扩展至不确定性量化领域，为风险敏感的能源投资决策提供更全面的技术支撑。