Data-Gouv-FR/elecdom-donnees-de-consommation-annuelle

ElecDom - 年度消费数据数据集旨在改善对法国住宅部门电力消费的了解，该部门在2017年占法国电力消费的33%，是最大的消费部门。该研究特别关注电力的具体用途。基于现场收集的信息，这项在法国独特的研究设备旨在持续评估社会变化和消费模式（产品、行为）的动态影响。一个通信系统在100个代表法国住宅的房屋中，以10分钟的时间间隔记录插座上连接的电器的电力消费以及电表出口的消费。数据随后每天发送到FTP服务器。每个房屋平均配备24.8个测量点。该数据集提供了不同跟踪设备的年度消费数据，数据单位为kWh/年。当测量期间不完整时，数据通过线性外推进行年化处理。--- 许可证：其他 语言： - 法语 标签： - data-gouv - 法国公共开放数据（donnees-publiques-francaises） - Parquet列存格式（parquet） - CSV格式（csv） - 开放数据（open-data） 美观名称："ElecDom——年度电力消费数据" 配置项： - 配置名称：fichier 数据文件： - 拆分集：训练集（train） 文件路径：data/fichier.parquet --- # ElecDom——年度电力消费数据 ## 数据源 - 官方数据源：https://www.data.gouv.fr/datasets/elecdom-donnees-de-consommation-annuelle - 法国国家公开数据平台（data.gouv.fr）数据集标识符：`62260d7d82c65f853aa8b91c` - 法国国家公开数据平台（data.gouv.fr）数据集别名（Slug）：`elecdom-donnees-de-consommation-annuelle` - 法国国家公开数据平台（data.gouv.fr）元数据中标注的许可证：lov2 ## Hugging Face 数据集结构 - 一个法国国家公开数据平台（data.gouv.fr）数据集对应一个Hugging Face仓库 - 一个原始表格资源对应一个Hugging Face子数据集/配置项 - 每个子数据集/配置项均包含一个名为`train`的拆分集 ## 子数据集 - `fichier` → `data/fichier.parquet` ## 使用方法 python from datasets import load_dataset ds = load_dataset("Data-Gouv-FR/elecdom-donnees-de-consommation-annuelle", "fichier") print(ds["train"]) ## 原始数据集说明 PANEL ELECDOM项目的总体目标是深化对居民住宅电力消费领域的认知——2017年该领域占法国电力总消费量的33%，是法国最大的电力消费部门。 本研究聚焦于电力的特定使用场景。 本研究依托实地采集的信息搭建，是法国境内独一无二的研究体系，其存续目的在于动态评估社会变迁与消费模式（包括产品类型与用户行为）演变所带来的影响。 一套通信系统会在100套具有法国住宅市场代表性的样本住宅中，以10分钟为时间间隔，记录插座上接入电器的电力消耗以及住宅配电箱各支路的电力消耗。采集所得数据每日上传至FTP服务器。每套住宅平均配备24.8个测量点位。 本数据集提供所有被监测电器的年度电力消费数据，**单位为千瓦时/年（kWh/an）**。 当测量周期不完整时，数据将通过线性外推法完成年度化处理。 [**了解更多**](https://librairie.ademe.fr/changement-climatique-et-energie/4473-panel-usages-electrodomestiques.html) ## 复用案例 * [我们消耗了多少电力，又该如何降低用电成本？](https://www.lemonde.fr/les-decodeurs/article/2022/10/06/combien-d-electricite-consomment-les-francais-et-comment-reduire-les-factures_6143074_4355771.html#xtor=AL-32280270-[default]-[android) 《世界报》：2022年10月6日12:20发布，2023年1月26日15:22更新（转载自2022年9月25日06:00发布的原文）

搜集汇总

数据集介绍

构建方式

该数据集源自法国公开数据平台data.gouv.fr，隶属于PANEL ELECDOM项目，旨在深化对住宅部门电力消费的理解。构建过程中，研究团队在100个具有全国代表性的住宅内安装了通信系统，以10分钟为时间粒度记录插拔设备及配电盘各支路的电力消耗，数据每日上传至FTP服务器。每户平均设有24.8个测量点，对于测量周期不完整的情形，采用线性外推法进行年化处理，最终汇总为以千瓦时/年（kWh/an）为单位的年度消费数据。数据集以Parquet格式存储，并通过Hugging Face平台进行分发。

特点

该数据集具有高度的代表性与精细度，其独特之处在于涵盖了100个代表性住宅中平均24.8个测量点的电力消耗数据，能够细致反映住宅内各类电器设备的具体用电行为。数据经过年化处理，确保了时间维度上的可比性，同时保留了原始10分钟粒度采集的精确性。作为法国独有的实地研究项目成果，它动态评估了社会变迁与消费模式（如产品更新、行为变化）对用电的影响，为深入分析住宅电力消费结构提供了坚实的微观数据基础。许可证采用lov2开放式许可，便于学术与公众复用。

使用方法

用户可通过Hugging Face的`datasets`库便捷加载该数据集。具体方法是，首先安装`datasets`库，然后使用`load_dataset`函数，指定仓库名称`Data-Gouv-ML/elecdom-donnees-de-consommation-annuelle`以及配置名称`fichier`，即可获取数据。数据集默认包含一个名为`train`的分割，加载后可通过索引`ds['train']`访问。该数据集的示例如下：`from datasets import load_dataset; ds = load_dataset("Data-Gouv-ML/elecdom-donnees-de-consommation-annuelle", "fichier"); print(ds["train"])`。此外，数据原始来源也提供了CSV与Parquet格式，便于用户根据研究需求选择不同方式进行分析与复用。

背景与挑战

背景概述

ElecDom数据集源于法国ADEME（环境与能源管理署）主导的PANEL ELECDOM项目，旨在深入剖析住宅领域电力消费模式。鉴于住宅部门在2017年占据法国电力消费总量的33%，成为最耗能的领域，该数据集于2022年通过data.gouv.fr平台公开，由数据治理与机器学习团队整理并托管于HuggingFace。其核心研究问题聚焦于家用电器特定用电行为的解析，通过对100户代表性住宅内24.8个测量点每10分钟的高频监测，提供了年化电力消费数据（kWh/年）。这一独特资源为能源政策制定、智能电网优化及消费者行为研究提供了关键实证基础，尤其在法国能源转型与碳减排战略中具有里程碑式的影响力。

当前挑战

该数据集所解决的领域问题在于，传统住宅能耗研究多依赖宏观统计或问卷数据，难以捕捉真实、细粒度的电器级消费动态，而ElecDom通过高频监测与年化处理，弥补了家庭用电行为微观建模的数据鸿沟。构建过程中面临多重挑战：首先，需确保100户样本在建筑类型、家庭规模、地理分布上严格代表法国住房存量，避免选择偏差；其次，10分钟间隔的连续数据采集涉及物联网设备稳定性与数据传输容错性，需处理传感器故障或通信中断导致的缺失值；此外，非完整测量周期的线性外推年化方法可能引入季节性偏倚，需验证其对制冷或供暖等季节性电器的适用性。

常用场景

经典使用场景

ElecDom数据集（Données de consommation annuelle）汇聚了法国100户代表性住宅内各电器设备年度用电量的精细记录，其测量粒度可达10分钟级，并经过线性外推实现年度化处理。该数据集经典使用场景聚焦于住宅部门电力消费的逐项拆解分析，研究者能够利用其中涵盖的插座设备与配电盘电路信息，深入剖析不同电器（如冰箱、洗衣机、娱乐设备等）的年度能耗贡献。通过将宏观能源统计数据与微观行为特征相结合，数据集为构建高分辨率住宅能耗模型、评估节能潜力以及优化需求侧管理策略提供了坚实的数据基础。

实际应用

在实际落地层面，ElecDom数据集直接服务于法国及欧洲的能源管理与减排行动。公用事业公司和电网运营商可借助分析结果识别高耗能电器群体，设计更具针对性的能效标签、家电更换补贴或动态电价方案。同时，数据集为家庭能源管理系统和智能插座产品的算法开发提供了训练与测试基础，使系统能够基于历史用电模式给出个性化节能建议。媒体与科普机构（如《Le Monde》已开展相关数据报道）也利用其事实依据，向公众展示不同家电耗电情况，从而提升居民节能意识并促进行为改变。

衍生相关工作

基于ElecDom数据已催生出多项代表性成果与研究。著名媒体《Le Monde》于2022年发布深度分析文章，运用该数据集展示了法国居民各类电器年耗电量的分布对比，助力公众理解电费构成与减排切入点。在学术层面，法国环境与能源管理署（ADEME）配套推出的《Panel usages électrodomestiques》报告系统总结了用户行为模式与电器能效演进规律。此外，该数据集作为开源资源与Hugging Face平台无缝对接，为后续开展跨住宅能耗对比、电器使用时间序列聚类以及基于机器学习的需求响应模型研究铺平了道路，形成了从数据采集到应用拓展的完整链条。