AI4Climate/WindFarm_raw

SDWPF数据集是一个从拥有134台风力发电机的风电场收集了两年之久的空间布局和动态环境因素的数据集。该数据集被用于2022年ACM KDD杯竞赛，并分为sdwpf_kddcup和sdwpf_full两部分发布。sdwpf_kddcup是用于百度KDD杯2022挑战的原始数据集，包含了训练和测试数据。sdwpf_full提供了更全面的数据集，包括相对湿度、风速和风向等天气数据，以及时间戳信息。The SDWPF dataset is a collection of spatial layout and dynamic context factors from a wind farm with 134 turbines, gathered over two years. This dataset was used for the 2022 ACM KDD Cup competition and is released in two parts: sdwpf_kddcup and sdwpf_full. The sdwpf_kddcup is the original dataset for the Baidu KDD Cup 2022 Challenge, including both training and test datasets. The sdwpf_full provides a more comprehensive dataset, including additional weather data such as relative humidity, wind speed, and wind direction, as well as timestamp information.

搜集汇总

数据集介绍

构建方式

该数据集源自一个包含134台风力涡轮机的实际风电场，历经两年（2020年1月至2021年12月）的持续采集。为满足不同研究需求，数据集被精心拆分为两个子集：sdwpf_kddcup与sdwpf_full。前者是ACM KDD Cup 2022竞赛的原始数据，涵盖245天的SCADA记录、涡轮机相对位置以及决赛阶段的测试集（含输入与真值文件）。后者则在基础之上进行了显著扩展，不仅时间跨度延长至完整两年，还融入了来自ERA5再分析资料的天气数据（如相对湿度、风速、风向），并补充了每个数据点的具体时间戳与涡轮机海拔信息。数据以CSV与Parquet两种格式存储，兼顾了通用性与高效读写。

特点

该数据集最显著的特点在于其层次化与互补性的结构设计。sdwpf_kddcup子集聚焦于竞赛场景，提供了标准化的训练与测试划分，便于算法复现与横向对比。而sdwpf_full子集则作为更全面的研究资源，其丰富的气象特征与精确的时间戳信息，为探索时空动态因素对风电功率预测的影响奠定了坚实基础。尤为独特的是，数据集完整保留了134台涡轮机的空间布局信息，使得研究者能够构建考虑尾流效应与空间相关性的复杂模型。这种从竞赛基准到深度研究的多层级设计，使其成为风能预测领域不可多得的标杆性数据集。

使用方法

研究者可根据具体目标灵活选用子集。进行算法基准测试或复现KDD Cup 2022获奖方案时，可直接使用sdwpf_kddcup中的245天数据与预定义的测试集，通过加载sdwpf_245days_v1.csv获取时序SCADA数据，并结合turb_location.csv进行空间编码。若需开展更深入的时空预测研究，则应采用sdwpf_full子集，利用其包含完整两年数据与ERA5气象特征的sdwpf_2001_2112_full.csv（或Parquet格式），通过时间戳对齐涡轮机状态与外部环境变量。数据加载后，可构建形如y=f(x)的预测模型，其中输入x为历史功率与气象序列，输出y为未来功率，空间信息可通过图神经网络或注意力机制进行编码。

背景与挑战

背景概述

在可再生能源领域，风能预测的准确性对于电网调度与能源管理至关重要。SDWPF数据集由百度研究院与多所高校的研究团队于2022年联合创建，旨在解决空间动态风电功率预测这一核心问题。该数据集源自一个包含134台风力涡轮机的实际风电场，历时两年采集，详细记录了涡轮机的空间布局及动态环境因素。其发布直接推动了ACM KDD Cup 2022竞赛的举办，吸引了全球超过2400支队伍的参与，显著提升了学术界与工业界对风电预测研究的关注度。数据集的完整版本进一步融合了ERA5再分析气象数据，包括相对湿度、风速和风向，以及高精度时间戳，为构建更鲁棒的预测模型提供了坚实基础。

当前挑战

当前数据集面临的核心挑战包括：其一，风电功率预测本身受限于气象条件的高度不确定性，如风速的随机波动与风向的快速变化，导致预测模型难以精确捕捉动态非线性关系。其二，在数据集构建过程中，原始SCADA数据存在噪声与缺失值，且涡轮机间的空间相关性复杂，需要精细的时空建模策略。此外，KDD Cup竞赛阶段刻意隐藏了时间戳信息以防止数据泄露，这增加了模型对时序依赖的建模难度。完整版虽补充了气象与高程数据，但如何有效融合多源异构信息，并克服两年长周期数据中的非平稳性，仍是当前研究的难点。

常用场景

经典使用场景

在风能预测的学术前沿，AI4Climate/WindFarm_raw数据集作为时空动态风电功率预测（Spatial Dynamic Wind Power Forecasting, SDWPF）的标杆数据资源，被广泛用于构建和评估考虑风机空间布局与动态环境因素的预测模型。该数据集源自拥有134台风机的实际风电场，涵盖长达两年的SCADA数据及ERA5再分析气象数据，为研究者提供了风机相对位置、海拔高度、湿度、风速风向等多维信息，使其成为验证时空图神经网络、注意力机制及序列模型在风电功率多步预测任务中性能的经典基准。

衍生相关工作

该数据集催生了一系列里程碑式的研究工作，其中最具代表性的是KDD Cup 2022竞赛中涌现的时空融合模型（如STFGNN、GCN-LSTM混合架构），以及后续基于该数据集的对比实验体系。学术界在此基础上衍生出动态图生成网络用于自适应捕获风机间时变相关性，以及融合物理信息的神经网络方法，通过将大气动力学方程嵌入模型损失函数提升物理一致性。此外，基于该数据集的多任务学习框架实现了功率预测与风机状态评估的联合优化，为数字孪生风电场构建提供了方法论支撑。

数据集最近研究

最新研究方向

在新能源与人工智能交叉领域，AI4Climate/WindFarm_raw数据集（SDWPF）的发布显著推动了空间动态风功率预测的研究进程。该数据集源自拥有134台风机的实际风电场，涵盖长达两年的高精度SCADA数据与ERA5气象再分析数据，为构建考虑风机空间布局与动态环境因子的预测模型提供了坚实基础。特别是在ACM KDD Cup 2022竞赛中，该数据集吸引了全球超过2400支参赛队伍，催生了一系列前沿方法，如融合图神经网络的空间相关性建模与多尺度时序注意力机制，有效提升了风功率预测的时空动态适应能力。当前，研究热点已从单一时间序列预测转向结合地形高程、风机尾流效应与极端天气事件的综合建模，SDWPF的完整版本（sdwpf_full）进一步释放了时间戳与丰富气象特征，为探索可解释性与物理信息融合的深度学习模型开辟了新路径，对提升可再生能源并网效率与电网稳定性具有深远意义。