structural-french-grid-data-with-detailed-topology-time-series|电力网络数据集|拓扑结构数据集

该数据集提供了一系列法国输电电力网络的快照，采用节点-断路器拓扑结构，时间粒度为5分钟，覆盖2021年至2023年期间。数据集仅描述了电网的结构和拓扑，不包含注入和功率流信息。快照以压缩的xiidm格式提供。每个网络文件包括变电站、开关、线路和变压器、负载、发电机等详细信息。

原始信息汇总

数据集概述

数据集简介

该数据集提供了法国输电网络的节点-断路器拓扑结构的一系列快照，时间粒度为5分钟，覆盖了2021年至2023年的时间段。数据仅描述了电网的结构和拓扑，不包含注入和功率流信息。快照以压缩的**xiidm**格式提供。

数据集内容

每个网络文件包含以下详细信息：

• 变电站：电气变电站的详细信息，拓扑结构为节点-断路器格式。
• 开关：描述隔离开关和其他开关设备（位置和连接状态）。
• 线路和变压器：传输线路和变压器的静态特性信息，包括热限值。不显示功率流。
• 负载：网络上的负载（消耗）位置及其连接状态。不显示注入。
• 发电机：关于发电机的位置、能源类型、连接状态以及静态数据（如最小/最大有功功率限制）的信息。不显示注入。
• 其他元素：包括电网的其他关键组件（移相变压器、高压直流线路、高压直流换流站、并联电抗器、电容器、电池等）。

网络元素的标识符在时间上保持一致，确保在整个覆盖期间的可追溯性和一致性。然而，在维护或网络结构修改的情况下，标识符可能会发生变化。

数据格式

• 格式：数据以**xiidm**格式（bzip2压缩）提供。
• 兼容性：快照可通过**pypowsybl或PowSyBl读取，便于电网的操纵和分析。Python笔记本可在GitHub**上获取，以帮助用户操纵数据。
• 时间粒度：每5分钟一个快照，支持对电网拓扑演变的细粒度分析（每5分钟一个文件）。
• 空间范围：法国输电网络的所有结构组件均被表示，电压等级从63 kV到400 kV。与邻国的互联线路被建模为悬空线路。

局限性

• 不包含功率流和注入：数据不包含功率流或注入信息。仅提供网络的结构和拓扑信息。为了计算功率流，需要使用开源聚合数据进行注入重建。重建方法由M. Chatzos、M. Tanneau和P. Van Hentenryck在"Data-driven time series reconstruction for modern power systems research"（《电力系统研究》，2022年）中提出。然后，可以使用传统的仿真工具计算功率流。

潜在用途

该数据集非常适合开发电网拓扑优化和功率流控制的优化和AI模型，因为它代表了电网拓扑的真实变化。

备注

• ID变更：用户应注意由于维护或结构修改可能导致的ID变更。
• 开源注入数据列表：
  • Eco2mix - 法国实时电力数据：https://www.rte-france.com/en/eco2mix
  • 实际发电单位发电量：https://data.rte-france.com/catalog/-/api/generation/Actual-Generation/v1.1
  • ENTSO-E透明度平台 - 跨境物理流量：https://transparency.entsoe.eu/transmission-domain/physicalFlow/show

路线图

• 20241220：发布前两个月（2021年1月和2月）的数据。
• 20250330：发布完整数据集（2021年、2022年和2023年，共36个月）。

作者

• Selim Ben Turkia：数据开发人员，负责从源数据库中提取和清理数据。
• Camille Pache：出版项目的经理。
• Boris Dolley：公共数据集的GitHub发布者。
• Lucas Saludjian：科学顾问。
• Patick Panciatici：高级科学顾问。

AI搜集汇总

数据集介绍

构建方式

该数据集通过捕捉法国输电网络的节点-断路器拓扑结构，以5分钟的时间粒度记录了2021年至2023年间的电网状态。数据以压缩的xiidm格式提供，涵盖了从63 kV到400 kV电压等级的所有结构组件，包括变电站、开关、线路、变压器、负载、发电机及其他关键元素。每个网络文件详细描述了这些组件的静态特性和连接状态，确保了时间序列上的一致性和可追溯性。

特点

该数据集的特点在于其高时间分辨率和详细的拓扑结构描述。每个5分钟的快照都精确记录了电网的实时状态，包括变电站、开关、线路、变压器等组件的详细信息。尽管数据集未包含功率流和注入信息，但其结构数据的完整性和一致性为电网优化和人工智能模型的开发提供了坚实的基础。此外，数据集中的元素标识符在时间上保持一致，便于长期跟踪和分析。

使用方法

该数据集的使用方法主要依赖于pypowsybl或PowSyBl工具进行数据读取和分析。用户可以通过Python笔记本对电网拓扑进行详细研究，并利用开源工具进行功率流的重建和模拟。数据集的高时间分辨率使其特别适用于电网拓扑优化和功率流控制的模型开发。此外，用户还可以结合其他开源注入数据，如Eco2mix和ENTSO-E透明平台的数据，进行更全面的电网分析。

背景与挑战

背景概述

该数据集由法国输电网络的详细拓扑结构时间序列组成，涵盖了2021年至2023年的数据，时间分辨率为5分钟。数据集由Selim Ben Turkia、Camille Pache、Boris Dolley等研究人员和机构共同创建，旨在为电力系统研究提供高精度的拓扑结构信息。数据集以xiidm格式存储，适用于电网拓扑优化和潮流控制等研究领域。该数据集的核心研究问题在于如何通过高时间分辨率的拓扑数据，支持电网的动态优化和智能控制，进而提升电力系统的稳定性和效率。其发布对电力系统研究领域具有重要影响，尤其是在电网拓扑优化和人工智能模型开发方面。

当前挑战

该数据集在解决电网拓扑优化问题时面临的主要挑战包括：1) 数据集中缺乏潮流和注入信息，这使得研究人员需要依赖外部数据进行注入重建，增加了分析的复杂性；2) 电网拓扑的动态变化可能导致网络元素的标识符发生变化，这对数据的连续性和一致性提出了挑战。在构建过程中，研究人员还需处理大规模数据的清洗和压缩，确保数据的高效存储和传输。此外，如何将拓扑数据与外部注入数据有效结合，以支持精确的潮流计算，也是该数据集面临的重要技术难题。

常用场景

经典使用场景

该数据集以5分钟的时间粒度提供了法国输电网络的拓扑结构快照，涵盖了2021年至2023年的数据。其经典使用场景包括电网拓扑优化和电力流控制模型的开发。通过分析电网的节点-断路器拓扑结构，研究人员能够深入理解电网的动态变化，进而设计出更加高效的电网管理策略。

衍生相关工作

该数据集衍生了一系列经典研究工作，尤其是在电网优化和电力流控制领域。例如，研究人员基于该数据集开发了多种优化算法和人工智能模型，用于电网拓扑的动态调整和电力流的精确控制。此外，该数据集还被用于电力系统的故障检测和预防性维护研究，推动了电力系统安全性和可靠性的提升。

数据集最近研究

最新研究方向

近年来，随着电力系统复杂性的增加，电网拓扑结构的优化和智能控制成为研究热点。structural-french-grid-data-with-detailed-topology-time-series数据集以其高时间分辨率（每5分钟一次）和详细的拓扑结构信息，为电网优化和人工智能模型的开发提供了宝贵的数据支持。该数据集特别适用于研究电网拓扑的动态变化及其对电力系统稳定性的影响。结合开源注入数据，研究者可以重建电力流并进行深入分析，从而推动电力系统优化算法的发展。此外，该数据集还为跨学科研究提供了新的视角，如结合机器学习技术进行电网故障预测和实时控制策略的优化。