Plegma Dataset

一个综合的家用电器级和总电力需求数据集，包含来自希腊13个家庭的环保和人口统计数据。数据集由Plegma Labs、雅典国立技术大学和斯特拉斯克莱德大学支持，涵盖了2022年9月至2023年9月的数据。数据集包含原始和预处理版本，以支持研究社区使用预处理流程或创建自己的流程。

A comprehensive dataset of household appliance-level and total electricity demand, including environmental and demographic data from 13 households in Greece. Supported by Plegma Labs, the National Technical University of Athens, and the University of Strathclyde, the dataset covers the period from September 2022 to September 2023. It includes both raw and preprocessed versions to support the research community in utilizing existing preprocessing pipelines or developing their own.

原始信息汇总

数据集概述

名称: Plegma Dataset

描述: 该数据集包含来自希腊13个家庭的电器级和总电力需求数据，以及环境和社会人口数据。数据收集时间为2022年9月至2023年9月。

数据内容

• 电器级和总电力数据: 包括电压、电流、有功功率等。
• 环境数据: 内部湿度、温度，以及外部天气条件（温度和湿度）。
• 社会人口数据: 包括建筑特征和电器使用情况。

数据结构

• 文件格式: CSV
• 命名约定: 根据电压、电流、有功功率和电器类型命名。例如，“Voltage”表示总智能电表的电压。
• 数据粒度:
  • 电器级测量: 每10秒一次。
  • 总消耗测量: 与电器级测量相同粒度。
  • 环境传感器: 内部湿度和温度每15分钟一次。
  • 外部天气条件: 每15分钟一次。

数据处理

• 缺失数据: 由于互联网中断、硬件故障和网络问题导致数据不可用。
• 数据清洗: 小间隙的NaN值采用前向填充，超出监视电器功率范围的值被移除。

访问方式

• DOI: https://doi.org/10.15129/3b01a6c6-2efd-424a-b8b8-5fe7fa445ded
• URL: https://pureportal.strath.ac.uk/en/datasets/plegma-dataset

搜集汇总

数据集介绍

构建方式

Plegma数据集由Plegma Labs、雅典国立技术大学和斯特拉斯克莱德大学联合构建，数据采集得到了GECKO Marie Skłodowska-Curie项目的支持。该数据集涵盖了2022年9月至2023年9月期间希腊13户家庭的用电、环境及人口统计数据。数据采集通过每户家庭安装的9个插头级功率传感器、一个家庭总电流钳和一个环境传感器完成。用电数据以10秒为间隔记录，环境数据则以15分钟为间隔采集。数据集提供了原始数据和预处理后的版本，便于研究人员使用或自定义预处理流程。

使用方法

Plegma数据集以CSV格式提供，文件命名规范清晰，便于用户快速定位所需数据。数据集适用于多种分析工具，如Matlab等。研究人员可以直接使用预处理后的数据，或基于原始数据自定义预处理流程。数据集中的‘Issues’列标识了因设备误差导致的数据异常，便于用户进行数据清洗。此外，数据集还提供了详细的电器元数据，支持用户进行更深入的分析。数据集可通过斯特拉斯克莱德大学数据门户访问，DOI和URL链接均已在README文件中提供。

背景与挑战

背景概述

Plegma数据集是由Plegma Labs、雅典国立技术大学和斯特拉斯克莱德大学联合支持，通过GECKO Marie Skłodowska-Curie资助项目（编号955422）创建的一个综合性数据集。该数据集收集了2022年9月至2023年9月期间希腊13户家庭的电器级和总电力需求数据，同时包含环境与人口统计信息。数据集的核心研究问题在于通过高精度的电力消耗监测，结合环境与人口统计因素，探索家庭能源使用的模式与优化策略。该数据集为智能电网、能源管理以及家庭能源效率研究提供了重要的数据支持，推动了相关领域的研究进展。

当前挑战

Plegma数据集在构建与应用过程中面临多重挑战。首先，数据采集过程中由于网络中断、硬件故障等问题，导致部分数据缺失，影响了数据的完整性。其次，电器级电力数据的采集频率高达10秒一次，数据量大且复杂，对数据存储与处理提出了较高要求。此外，数据集中的环境数据与电力数据的融合分析需要解决时间粒度不一致的问题，增加了数据分析的复杂性。最后，如何从高维数据中提取有效的能源使用模式，并应用于实际的家庭能源管理系统中，仍然是该领域亟待解决的关键问题。

常用场景

经典使用场景

Plegma数据集在能源管理和智能家居领域具有广泛的应用。该数据集提供了13个希腊家庭的电器级和总电力需求数据，结合了环境和人口统计信息。研究人员可以利用这些高精度数据，分析家庭用电模式，优化能源消耗策略，并开发智能算法以实现能源的高效分配。

解决学术问题

Plegma数据集为学术界提供了丰富的研究素材，解决了家庭能源消耗模式分析、电器行为建模以及环境因素对电力需求影响的量化问题。通过高频率的电器级数据采集，研究者能够深入探讨家庭用电的微观行为，为能源管理系统的优化提供了科学依据。

实际应用

在实际应用中，Plegma数据集为智能电网和家庭能源管理系统的开发提供了重要支持。基于该数据集，企业可以设计更高效的能源分配算法，优化家庭用电成本，同时减少碳排放。此外，该数据集还可用于开发个性化的能源建议系统，帮助用户更好地管理家庭能源使用。

数据集最近研究

最新研究方向

近年来，随着智能电网和家庭能源管理系统的快速发展，Plegma数据集在电力需求预测、能源效率优化以及用户行为分析等领域引起了广泛关注。该数据集涵盖了希腊13户家庭的电器级和总电力需求数据，结合环境与人口统计信息，为研究者提供了多维度的分析基础。当前研究热点包括基于机器学习的电力负荷预测模型、家庭能源消耗模式识别以及环境因素对电力需求的影响分析。这些研究不仅有助于提升电网的稳定性和效率，还为个性化能源管理方案的制定提供了科学依据。Plegma数据集的高时间分辨率与多源数据融合特性，使其成为智能家居与能源管理领域的重要研究资源。