Hourly Load and its Electricity Consumption Data of Nongfusanquan

中国最大的包装水供应商农夫山泉的每小时负载及其电力消耗数据，时间范围为2017年5月至2017年8月。

Hourly load and electricity consumption data of Nongfu Spring, the largest packaging water supplier in China, covering the period from May 2017 to August 2017.

原始信息汇总

数据集概述

数据集名称

loadforecast

数据集简介

该数据集主要用于负荷预测，包含中国最大包装水供应商（农夫山泉）从2017年5月至2017年8月的每小时负荷及其电力消耗数据。

数据集内容

• 数据类型：时间序列数据
• 时间范围：2017年5月至2017年8月
• 数据频率：每小时
• 数据来源：农夫山泉（中国最大包装水供应商）

适用领域

• 负荷预测
• 能源需求预测
• 天气预报
• 销售预测
• 异常检测

相关模型

统计模型

• SeasonalNaive
• RecursiveTabular
• DirectTabular
• CrostonSBA
• NPTS
• DynamicOptimizedTheta
• AutoETS
• AutoARIMA

深度学习模型

• TemporalFusionTransformer
• DeepAR
• PatchTST

大语言模型

• Chronos

引用信息

如需在研究或项目中使用该数据集，请引用： W. Liao, Z. Yang, M. Jia, C. Rehtanz, J. Fang, F. Porté-Agel, "Zero-Shot Load Forecasting with Large Language Models," arXiv preprint, https://doi.org/10.48550/arXiv.2411.11350

数据获取

数据来源链接：https://mp.weixin.qq.com/s/Oy38thKwmC13kUhw6qDa9w

搜集汇总

数据集介绍

构建方式

本数据集的构建基于中国最大包装水供应商——农夫山泉的电力消耗记录，涵盖2017年5月至8月间的每小时负载及其电力消耗数据。该数据集的构建旨在为时间序列预测提供基准，其收集和整理过程遵循了严格的标准化流程，确保了数据质量与可靠性，为后续的模型训练与验证提供了坚实基础。

特点

Hourly Load and its Electricity Consumption Data of Nongfusanquan 数据集的特点在于其高质量的时间序列数据，不仅包含丰富的负载信息，还涉及实际电力消耗。其时间粒度细至每小时，为研究负载变化规律与电力需求预测提供了细致的数据支持。此外，该数据集的公开，为学术界和工业界在负载预测领域的研究提供了一个宝贵的资源。

使用方法

使用该数据集时，研究人员和从业者可以直接利用其提供的统计模型、深度学习方法和大型语言模型进行负载预测研究。数据集可通过上述提供的链接获取，用户需遵循数据使用规范，合理利用数据集内的时间序列信息进行模型训练、验证和测试。此外，使用本数据集的研究成果在发表时，应正确引用相关文献，以尊重数据集的贡献者。

背景与挑战

背景概述

Hourly Load and its Electricity Consumption Data of Nongfusanquan数据集，源于我国最大的包装水供应商——农夫山泉。该数据集收集于2017年5月至8月，旨在为负荷预测研究提供真实世界的数据支撑。由W. Liao, Z. Yang, M. Jia等研究人员构建，其研究成果在arXiv上发布，对负荷预测领域产生了深远影响。数据集记录了农夫山泉的电力消耗情况，为研究人员提供了一种实时监测和分析能源消耗的有效手段。

当前挑战

该数据集在构建过程中，首先面临的挑战是如何准确捕捉和预测负荷变化，尤其是考虑到其受到多种复杂因素的影响，如季节性、天气条件等。其次，数据集的构建也面临了如何处理缺失值、异常值和噪声等技术挑战。在研究领域问题方面，Hourly Load数据集解决了电力系统中的负荷预测问题，但同时也面临着如何提高预测准确性和实时性的挑战。

常用场景

经典使用场景

在电力系统研究领域，Hourly Load and its Electricity Consumption Data of Nongfusanquan数据集因其详尽的时间序列特性而被广泛运用。该数据集记录了中国最大包装水供应商之一在2017年5月至8月的每小时电力负荷及其消费数据，为负荷预测提供了宝贵的实证基础。经典使用场景包括构建和测试时间序列预测模型，如季节性朴素法、递归表格法等统计模型，以及TemporalFusionTransformer、DeepAR等深度学习模型，旨在精确预测电力需求，优化能源分配。

实际应用

在现实世界中，Hourly Load and its Electricity Consumption Data of Nongfusanquan数据集的应用场景遍及能源管理、需求响应和电网规划等多个方面。企业可以利用这些数据进行电力需求预测，以便更有效地管理电力采购和分配，降低运营成本。此外，该数据集还能支持政策制定者进行能源政策的制定与评估。

衍生相关工作

基于该数据集的研究催生了多项相关工作，如利用大型语言模型Chronos进行零样本负荷预测，以及结合深度学习与统计模型的方法来提升预测精度。这些研究进一步扩展了负荷预测的边界，为相关领域的学术探索和技术创新提供了丰富的素材和启示。