PFΔ Dataset

PFΔ是一个用于电力潮流的基准数据集，捕捉了负载、发电和拓扑的多样化变化。它包含859,800个已解决的电力潮流实例，涵盖六个不同母线系统规模，捕捉三种应急场景（N、N-1和N-2），并包括接近稳态电压稳定性极限的接近不可行案例。

PFΔ is a benchmark dataset for power flow analysis, capturing diverse variations in load, generation and network topology. It comprises 859,800 solved power flow instances, covering six distinct bus system scales, incorporating three contingency scenarios (N, N-1 and N-2), and including near-infeasible cases that approach steady-state voltage stability limits.

原始信息汇总

PFΔ 数据集概述

数据集简介

PFΔ是一个用于电力系统潮流计算的基准数据集，捕捉了负荷、发电和拓扑结构的多样化变化。该数据集包含859,800个已求解的潮流实例，涵盖六种不同母线系统规模，捕获三种应急场景类型（N、N-1和N-2），并包含接近稳态电压稳定性极限的接近不可行案例。

数据集内容

系统规模覆盖

• IEEE 14-母线系统
• IEEE 30-母线系统
• IEEE 57-母线系统
• IEEE 118-母线系统
• GOC 500-母线系统
• GOC 2000-母线系统

拓扑配置类型

• N：原始（未扰动）拓扑
• N-1：单组件停运场景
• N-2：双组件停运场景

数据类型

• 通过数据生成工作流程产生的已求解潮流实例
• 通过连续潮流法产生的接近不可行和接近不可行样本

标准化评估任务

提供一套标准化评估任务，用于评估：

• 分布内和分布外性能
• 数据效率
• 接近不可行案例的性能

数据使用

数据集类

提供PFDeltaDataset类，可自动从Hugging Face下载和加载数据集，支持指定任务和母线系统大小。

数据结构

数据以HeteroData结构组织，包含：

• 母线节点特征（电压、发电、负荷等）
• 发电机节点特征
• 负荷节点特征
• 分支边特征和连接关系

目录结构

pfdelta_data/ └── 系统案例/ ├── 拓扑类型/ │ ├── raw/ (原始JSON样本) │ ├── processed/ (处理后的张量数据) │ ├── nose/ (接近不可行样本) │ └── around_nose/ (接近不可行区域样本) └── processed/ (跨拓扑组合数据集)

结果复现

• 配置文件位于core/configs/目录
• 支持多种模型（pfnet、canos_pf、canos_opf等）
• 支持所有评估任务（1.1、1.2、1.3等）

技术说明

• 所有数值采用标幺值（p.u.）
• JSON文件与PowerModels.jl兼容
• 提供数据生成和验证的Julia依赖

引用信息

@inproceedings{ rivera2025pf, title={{PF}ensuremath{Delta}: A Benchmark Dataset for Power Flow under Load, Generation, and Topology Variations}, author={Ana K. Rivera and Anvita Bhagavathula and Alvaro Carbonero and Priya L. Donti}, booktitle={The Thirty-ninth Annual Conference on Neural Information Processing Systems Datasets and Benchmarks Track}, year={2025}, url={https://openreview.net/forum?id=Gi1HtsTAkv} }

资源链接

• 数据集地址：https://huggingface.co/datasets/pfdelta/pfdelta/tree/main
• 论文地址：https://arxiv.org/abs/2510.22048

搜集汇总

数据集介绍

构建方式

在电力系统研究领域，PFΔ数据集通过系统化的工作流程构建而成，涵盖六种不同规模的电力网络，包括IEEE标准测试系统和GOC大型电网模型。该数据集采用连续潮流分析方法，生成接近稳态电压稳定极限的临界工况样本，同时模拟N、N-1和N-2三种典型拓扑结构下的运行场景。数据生成过程结合了随机负载波动与发电机出力变化，通过严谨的数值计算确保每个功率流实例的物理合理性，最终形成包含859,800个完整求解样本的基准数据集。

特点

该数据集最显著的特征在于其全面覆盖电力系统运行的多维变化空间，不仅包含常规运行状态，更特别收录了接近不可行边界的特殊工况。数据集样本分布呈现高度多样性，既包含基础拓扑结构的标准案例，也囊括单组件与双组件故障的应急场景。各样本均附带完整的电气参数记录，包括节点电压、发电机出力及线路潮流等关键变量，且所有数据均采用标幺值体系保证工程应用的便捷性。

使用方法

研究人员可通过专用数据集类实现便捷的数据调用，该接口支持按特定评估任务和电网规模自动下载并解析数据文件。数据集采用层次化存储结构，原始数据以JSON格式保存确保与主流分析工具的兼容性，同时提供预处理后的张量格式便于深度学习模型直接使用。用户可通过配置文件灵活选择不同模型架构与任务组合，配套的可视化工具还能辅助进行数据分布分析和结果验证。

背景与挑战

背景概述

电力系统潮流计算作为电网规划与运行分析的核心工具，其精确性直接影响能源网络的稳定控制。PFΔ数据集由Rivera等学者于2025年构建，聚焦于模拟电力系统在负载波动、发电量调整及拓扑结构变化等多重扰动下的动态响应。该数据集涵盖6种不同规模的电网模型，包含85.98万组求解实例，通过整合N、N-1、N-2三类典型故障场景及稳态电压稳定边界样本，为智能电网韧性研究提供了高维度的验证基础。

当前挑战

在电力系统领域，传统潮流计算方法难以应对高维非线性方程组的实时求解需求，尤其在多重故障并发场景下存在收敛性瓶颈。数据集构建过程中面临三大挑战：其一，需通过连续潮流法精确捕捉接近不可行域的临界状态样本；其二，需协调Julia与Python跨平台工作流以实现大规模数据生成与验证；其三，需建立标准化评估框架以量化模型在分布外泛化与数据效率方面的性能表现。

常用场景

经典使用场景

在电力系统分析领域，PFΔ数据集作为潮流计算的基准数据集，其经典应用场景聚焦于模拟电网在正常运行、单组件故障及双组件故障等多种拓扑结构下的稳态行为。该数据集通过涵盖六种不同规模的母线系统，并包含接近稳态电压稳定极限的临界工况，为研究人员提供了评估潮流算法鲁棒性与准确性的标准化平台。尤其在N-1与N-2等预想事故分析中，数据集能够系统验证电力系统在极端扰动下的动态响应特性。

解决学术问题

该数据集有效解决了电力系统优化领域中高维非线性潮流方程的数值稳定性与计算效率难题。通过提供近85万个包含临界工况的求解实例，显著降低了传统迭代方法在接近不可行区域时的收敛失败风险。其标准化评估框架为机器学习模型在数据分布内外的泛化能力提供了量化依据，推动了基于物理约束的神经网络在电力系统建模中的理论发展，填补了现有基准在拓扑多样性与边界场景覆盖度的空白。

衍生相关工作

基于该数据集衍生的经典研究包括PowerFlowNet与CANOS等混合架构模型的创新。这些工作通过融合图神经网络与物理方程约束，在保持数值精度的同时实现了毫秒级潮流计算。后续研究进一步拓展了数据集的边界价值，例如利用其近不可行样本开发电压稳定在线评估算法，以及结合迁移学习技术构建跨电网规模的通用预测框架，推动了电力系统数字孪生技术从理论验证到工程实践的转化进程。