OpenSTEF/liander2024-energy-forecasting-benchmark

该数据集提供了荷兰DSO Liander的电力负荷测量数据、OpenMeteo的相应天气预报数据、ENTSO-E的前一日电力价格以及Energiedatawijzer的电力消耗概况。数据集涵盖2024年全年（2024-01-01至2025-01-01 UTC），包括荷兰电网中55个不同地点的不同级别。This dataset provides a benchmark for short term energy forecasting models, combining electrical load measurements from Dutch DSO Liander with predictors like corresponding weather data from OpenMeteo, day-ahead electricity prices from ENTSO-E, and profiles of electricity consumption from Energiedatawijzer. The dataset covers the full year 2024 (2024-01-01 to 2025-01-01 UTC) and includes 55 different points in the grid across the Netherlands at various levels within the grid.

搜集汇总

数据集介绍

构建方式

在短期能源预测研究领域，精准的负荷预测对于电网稳定运行至关重要。该数据集由荷兰配电系统运营商Liander与OpenSTEF团队联合构建，整合了多源异构数据：以Liander提供的55个电网节点的15分钟级电力负荷测量为核心，同步融合OpenMeteo的历史气象观测与预报数据、ENTSO-E披露的荷兰日前电价以及Energiedatawijzer提供的标准化用电曲线。所有时间序列均统一对齐至15分钟分辨率，并针对太阳能与风电场数据模拟了2天的数据可用性延迟，以贴近实际运行场景。数据以Parquet格式按基础设施类型分层存储，并辅以YAML元数据文件记录各节点的地理坐标与统计特征，形成一套标准化的基准测试框架。

使用方法

研究者可通过Hugging Face Datasets库或直接使用Pandas读取Parquet文件来加载数据。典型的使用流程为：首先利用`liander2024_targets.yaml`元数据选择目标节点与预测时段，随后加载对应的负荷测量与版本化气象预报数据，并可选地引入电价与用电曲线作为外部特征。该数据集兼容多种预测范式，既可直接输入OpenSTEF等专用框架进行基准测试，也可转换为适合经典时序模型或深度学习模型的张量格式。建议在评估时严格遵循数据可用性时间戳，以模拟真实运行环境中的信息滞后效应，从而获得具有工程参考价值的模型性能对比结果。

背景与挑战

背景概述

随着全球能源系统向分布式和可再生化转型，短期负荷预测在电网稳定运行与市场交易中扮演着愈发关键的角色。由OpenSTEF团队于2024年创建的Liander 2024短期能源预测基准数据集，整合了荷兰配电网运营商Liander的55个不同电网节点的电力负荷测量数据，以及来自OpenMeteo的气象观测与预报、ENTSO-E的日前电价和Energiedatawijzer的标准化用电曲线。该数据集覆盖2024年完整自然年，以15分钟为时间分辨率，旨在为融合天气变量的短期能源预测模型提供标准化评估平台。其发布填补了公开高时空分辨率配电网负荷预测基准的空白，有力推动了该领域模型可复现对比与算法迭代的研究进程。

当前挑战

该数据集核心挑战在于应对能源预测领域固有的多源异构数据融合与实时性约束。首先，负荷曲线受天气、电价、用户行为等多因素非线性耦合影响，模型需有效捕捉温度、辐射等气象变量与用电模式间的复杂关联，同时处理分布式光伏与风电出力带来的强波动性。其次，构建过程中面临数据可用性延迟的仿真难题，例如太阳能与风电场数据模拟了2天的发布滞后，版本化天气预报需精确匹配不同提前期下的实际信息获取时间。此外，将每小时气象与电价数据插值至15分钟粒度、统一多源数据的时间戳与坐标体系，均对数据预处理与质量控制提出了严苛要求。

常用场景

经典使用场景

在电力系统短期负荷预测的研究领域，OpenSTEF/liander2024-energy-forecasting-benchmark数据集为多变量时间序列预测模型的开发与验证提供了标准化的基准平台。该数据集整合了荷兰配电网运营商Liander的电力负荷测量数据、OpenMeteo的气象观测与预报数据、ENTSO-E的日前电价以及Energiedatawijzer的标准化用电曲线，覆盖2024年全年55个不同电网节点的15分钟级负荷记录。研究者可借助这一丰富的数据资源，探索融合气象变量、电价信号与负荷特征的多模态预测方法，并基于版本化气象预报模拟真实数据可用性约束，从而在贴近实际运行条件的场景下评估模型性能，推动短期能源预测技术的稳健发展。

解决学术问题

该数据集系统性地解决了短期能源预测研究中长期存在的基准不统一与数据碎片化问题。过往研究常因缺乏公开、标准化且包含真实运行约束的数据集，导致不同模型之间的比较缺乏公平性与可复现性。Liander数据集通过提供带有时间版本标记的气象预报、模拟数据发布延迟的太阳能与风电场负荷记录，以及涵盖多种基础设施类型（中压馈线、变电站、变压器等）的负荷数据，使研究者能够深入探讨数据可用性对预测精度的影响、不确定性量化方法以及跨域特征融合的有效性。其意义在于构建了一个透明、可复现的评估框架，为能源预测领域的学术研究奠定了坚实基础，促进了方法论的系统性进步。

实际应用

在实际能源系统运行中，该数据集支撑着多项关键业务场景。基于15分钟至24小时前的负荷预测，电网运营商可优化调度策略与备用容量安排，提升供电可靠性。日前阻塞管理则依赖气象预报与日前电价数据，提前识别电网瓶颈并制定预防性控制措施，减少弃风弃光与设备过载风险。对于分布式能源聚合商，该数据集提供的标准化用电曲线与气象数据有助于精准预测分布式光伏与风电出力，优化参与电力市场的报价策略。此外，版本化气象预报组件使得模型能够在真实数据发布节奏下运行，为实际部署中应对数据延迟与不确定性提供了可靠的验证工具。

数据集最近研究

最新研究方向

随着全球能源系统加速向高比例可再生能源转型，电网运行的波动性与不确定性显著加剧，短期负荷预测成为保障电力供需平衡与电网安全稳定运行的核心技术。Liander 2024短期能源预测基准数据集应运而生，聚焦于荷兰配电网运营商Liander管辖区域内55个关键节点的电力负荷与气象、电价、用户用电行为等多维异构数据的融合建模。该数据集不仅提供了15分钟级的高时间分辨率负荷测量数据，还创新性地引入了时间版本化的天气预报与电价数据，模拟真实运行环境下信息获取的滞后性与不确定性，为研究多模态时序预测、不确定性量化、以及物理信息嵌入的深度学习模型提供了标准化评估平台。其设计直接呼应了当前能源领域对可解释、鲁棒且具备实际部署价值的预测算法的迫切需求，有望推动短期能源预测从单一数据源向多源异构协同、从静态基准向动态真实场景的范式跃迁。