SoCal 28-Bus Dataset

SoCal 28-Bus Dataset是由加州理工学院提供的一个实际电力分布网络的开放访问数据集，包括同步波形、同步相量和电路参数三部分。数据集记录了一个包含多种发电资源和负载的电力网络的实时测量数据，可用于状态估计、系统识别、功率流优化和反馈控制等多种应用。该数据集持续收集新数据，并通过GitHub提供访问。

SoCal 28-Bus Dataset is an open-access real-world electrical distribution network dataset provided by the California Institute of Technology. It includes three core components: synchronous waveforms, synchrophasors, and circuit parameters. The dataset captures real-time measurement data from an electrical network integrated with various generation resources and loads, and supports multiple applications such as state estimation, system identification, power flow optimization, and feedback control. This dataset is continuously updated with new data and is accessible via GitHub.

搜集汇总

数据集介绍

构建方式

SoCal 28-Bus Dataset构建于真实电力分配网络之上，通过密集部署的相量测量单元（PMUs）和波形测量单元（WMUs）实现全方位数据采集。该网络涵盖了多种发电资源（如太阳能板、燃料电池、天然气发电机等）和负载类型（如电动汽车充电站、数据中心等），同时记录了拓扑变化（如线路中断和负载转移）。所有具有非零功率注入的总线均被测量，确保了数据的全面性和准确性。数据采集始于2023年，并持续更新，为研究者提供了动态且实时的电力系统分析基础。

特点

SoCal 28-Bus Dataset以其高精度同步测量和多样化电力系统组件著称。数据集包含同步波形和同步相量数据，支持谐波分析、瞬态事件检测及动态电网阻抗研究。此外，该数据集还提供了电路拓扑和参数信息，使得研究者能够基于真实物理系统进行算法开发和测试。其高时空分辨率和低延迟特性使其成为未来智能电网研究的理想测试平台。

使用方法

该数据集适用于电力系统状态估计、系统辨识、功率流优化及反馈控制等多种应用场景。研究者可通过提供的同步波形和相量数据，结合电路拓扑信息，进行稳态和瞬态分析。数据集附带辅助代码，支持数据格式转换和网络导纳矩阵生成，便于快速开展研究。此外，开放访问的持续更新数据为长期研究提供了可靠支持。

背景与挑战

背景概述

SoCal 28-Bus Dataset是由加州理工学院的研究团队于2023年推出的一个开放获取的电力配电网络数据集。该数据集通过密集部署的相量测量单元（PMUs）和波形测量单元（WMUs），捕获了真实世界配电网络中的同步相量和波形数据。数据集涵盖了多种发电资源（如太阳能板、燃料电池、天然气发电机等）、负载类型（如大规模电动汽车充电、数据中心等）以及拓扑变化（如线路中断和负载转移）。其核心研究问题是为配电系统的状态估计、系统辨识、功率流优化和反馈控制等应用提供高质量的数据支持。该数据集因其高时空分辨率和同步精度，成为配电系统控制与优化算法的重要测试平台，对智能电网和分布式能源资源的研究具有重要影响力。

当前挑战

SoCal 28-Bus Dataset在解决配电系统领域问题时面临多重挑战。首先，传统配电系统数据的局限性（如SCADA系统和高级计量基础设施的异步性、低采样频率和数据质量问题）使得高精度同步数据的获取成为难题。其次，构建过程中需克服传感器部署的高成本、时间同步的微秒级精度要求以及数据存储与处理的复杂性。此外，电路拓扑和参数的不准确性（如线路长度和变压器分接头位置的估计误差）进一步增加了数据集的构建难度。这些挑战的解决为配电系统的数字化和智能化提供了重要参考。

常用场景

经典使用场景

SoCal 28-Bus Dataset作为电力分配网络的数字孪生模型，其经典使用场景主要集中在电力系统的状态估计与系统识别领域。通过密集部署的同步相量测量单元（PMUs）和波形测量单元（WMUs），该数据集能够提供高精度的电压、电流相量及波形数据，为研究人员在稳态和动态条件下验证算法性能提供了真实世界的测试平台。

衍生相关工作

围绕该数据集衍生的经典工作包括基于同步相量的状态估计算法改进、逆变器主导电网的瞬态稳定性研究，以及低成本的PMU部署策略。例如，ARPA-E微PMU项目和FNET/GridEye项目均受其启发，推动了分布式电网测量技术的标准化与普及。

数据集最近研究

最新研究方向

随着分布式能源资源（DERs）在电力系统中的快速普及，SoCal 28-Bus Dataset为电力分配网络的研究提供了前所未有的高精度同步相量和波形数据。该数据集不仅涵盖了多样化的发电资源（如太阳能电池板、燃料电池、天然气发电机等）和负载类型（如大规模电动汽车充电、数据中心等），还包含了拓扑变化（如线路中断和负载转移）的实时记录。前沿研究主要聚焦于利用这些高时空分辨率的数据，开发先进的状态估计算法、系统辨识方法以及电力流优化策略。特别是在逆变器基础资源（IBRs）渗透率不断提高的背景下，数据集中的同步波形数据为分析谐波、瞬态事件和动态电网阻抗提供了独特的研究价值。此外，该数据集还被广泛应用于数字孪生技术的开发，为未来智能电网的实时监控和反馈控制提供了重要的实验平台。

相关研究论文

• A Digital Twin of an Electrical Distribution Grid: SoCal 28-Bus Dataset

  加州理工学院计算与数学科学系 · 2025年