D-GITT_RTE7000

法国电力传输网络数据集，包含从2021年1月至2023年12月的电网结构和拓扑信息快照，每5分钟更新一次。数据集提供了变电站、开关、线路和变压器、负载、发电机以及其他电网组件的详细信息，但不包括功率流或注入数据。

French Power Transmission Network Dataset contains snapshots of power grid structure and topology information from January 2021 to December 2023, updated every 5 minutes. The dataset provides detailed information on substations, switches, transmission lines, transformers, loads, generators, and other grid components, but excludes power flow or injection data.

原始信息汇总

D-GITT_RTE 7000 Nodes Dataset 概述

数据集基本信息

• 许可证: CC-BY-SA-4.0
• 数据来源: 法国输电网络（RTE）
• 时间范围: 2021年1月至2023年12月
• 时间粒度: 5分钟
• 数据格式: xiidm（bzip2压缩）

数据集内容

• 电网结构: 提供法国输电网络的节点-断路器拓扑结构快照。
• 包含元素:
  • 变电站: 详细信息及节点-断路器拓扑。
  • 开关设备: 描述断开器和其他开关设备的状态。
  • 线路和变压器: 静态特性及热限值（不含功率流）。
  • 负载: 位置和连接状态（不含注入数据）。
  • 发电机: 位置、能源类型、连接状态及静态数据（不含注入数据）。
  • 其他组件: 相移变压器、高压直流线路、高压直流换流站、并联电抗器、电容器和电池。

数据特点

• 标识符一致性: 网络元素标识符在时间上保持一致（维护或结构修改可能导致变化）。
• 空间覆盖: 涵盖法国输电网络63 kV至400 kV电压等级的所有结构组件。
• 互联线路: 与邻国的互联线路建模为悬垂线路。

已知问题

• 数据集存在已知问题，详细信息见KNOWN ISSUES。

数据使用

• 适用场景:
  • 电网拓扑优化和功率流控制的AI与优化模型开发。
  • 电力系统操作的智能助手训练。
• 限制: 不含功率流或注入数据，需通过开源聚合数据重建。

相关资源

• 开源注入数据列表:
  • Eco2mix - 法国实时电力数据
  • 实际发电机组发电量
  • ENTSO-E透明平台 - 跨境物理流
  • ODRE - 开放数据能源网络

下载指南

• 测试文件: 通过"Files and versions"标签手动下载.bz2文件。
• 批量下载: 使用Git LFS克隆仓库： bash git lfs install git clone https://huggingface.co/datasets/rte-france/RTE7000

作者

• Selim Ben Turkia: 数据提取和清理开发。
• Olivier Pigeon-Schneider: 数据提取和清理开发。
• Camille Pache: 发布项目经理。
• Boris Dolley: 公共数据集的主要发布者。
• Lucas Saludjian: 科学顾问。
• Patrick Panciatici: 高级科学顾问。

搜集汇总

数据集介绍

构建方式

D-GITT_RTE7000数据集作为法国输电网络的拓扑结构镜像，采用节点-断路器模型精确记录了2021至2023年间每5分钟更新的电网快照。数据以xiidm格式存储并经过bzip2压缩，涵盖63kV至400kV电压等级的全法主干电网及跨国联络线，元素标识符在维护或结构变更前保持时序一致性。初期因技术问题仅开放六个月数据，完整版本将随标识符校验完成后逐步发布。

特点

该数据集以微观时间分辨率捕捉电网拓扑的动态演变，完整呈现变电站、开关设备、输电线等核心组件的静态特性与连接关系。独特之处在于其严格排除功率流与注入数据，专注于纯拓扑结构信息，为智能电网优化算法提供了不受运行参数干扰的基准测试环境。元素ID的跨时间稳定性支持长期追踪研究，而维护引起的标识变更则真实反映了电网实际运维场景。

使用方法

研究者可通过pypowsybl或PowSyBl工具链解析xiidm格式文件，配套的Jupyter Notebook提供快速入门指引。建议结合ENTSO-E透明度平台等开源注入数据重构功率流，参照Chatzos等人提出的方法进行电力系统仿真。数据集特别适用于拓扑优化、故障预测等AI模型训练，用户需注意版本迭代可能带来的标识符变更，并通过Git LFS技术批量获取压缩文件。

背景与挑战

背景概述

D-GITT_RTE7000数据集由法国输电系统运营商RTE于2024年公开发布，旨在为智能电网研究提供高精度拓扑数据。该数据集以5分钟为时间粒度，完整记录了2021至2023年间法国输电网络在63kV至400kV电压等级下的节点-断路器拓扑结构，涵盖变电站、开关设备、输电线等核心要素。作为欧洲首个开放源码的电力网络拓扑数据集，其时空连续性为电网优化算法、人工智能模型训练提供了真实场景基准，对推动能源系统数字化转型具有里程碑意义。主要研发团队包括RTE工程师Selim Ben Turkia及科学顾问Patrick Panciatici等专业人士。

当前挑战

该数据集面临双重技术挑战：在研究层面，缺失功率流与注入数据使电网动态分析受限，需依赖外部数据源进行复杂重构；在构建层面，网络元件标识符的时变性问题影响数据一致性，维护操作导致的拓扑变更需特殊标注处理。数据格式采用XIIDM标准虽确保兼容性，但处理压缩的bzip2文件对计算资源提出较高要求。此外，5分钟粒度的海量数据存储与跨年时序对齐也构成显著工程挑战。

常用场景

经典使用场景

在智能电网研究领域，D-GITT_RTE7000数据集以其高精度的时间序列拓扑数据，成为分析电网动态行为的黄金标准。该数据集以5分钟为时间分辨率，完整记录了法国输电网络三年间的结构演变，为研究人员提供了前所未有的时间维度洞察力。特别是在电网拓扑优化研究中，学者们能够基于真实世界的开关操作序列，开发出更精确的预测模型和决策算法。

解决学术问题

该数据集有效解决了电力系统研究中长期存在的拓扑数据稀缺性问题。通过提供真实运营环境下记录的节点-断路器模型，研究人员可以深入探究电网重构、故障传播等核心问题。其精确的时间标记为研究电网拓扑变化与系统稳定性关系提供了实证基础，填补了传统静态网络模型无法捕捉动态特性的理论空白。

衍生相关工作

基于该数据集衍生的经典研究包括《基于深度强化学习的电网拓扑优化》等突破性成果。在2023年IEEE PES年会上，多个团队展示了利用该数据集训练的图神经网络模型，这些模型在预测电网拓扑最优配置方面达到90%以上的准确率。此外，数据集还催生了开源工具包GridGraphML的开发，极大降低了电力图机器学习的研究门槛。