重磅首发！美国德州电网能源综合数据集

摘要：Fighting，小侠客们好呀，今天的侠客主题是美国德州电网能源综合数据集。可再生能源资源日益融入电网，给发电带来了巨大的不确定性。同时，需求电气化、能源存储系统的广泛部署以及计算数据中心等灵活负载的兴起，正在改变负载曲线，使其越来越难以预测。

Fighting，小侠客们好呀，今天的侠客主题是美国德州电网能源综合数据集。可再生能源资源日益融入电网，给发电带来了巨大的不确定性。同时，需求电气化、能源存储系统的广泛部署以及计算数据中心等灵活负载的兴起，正在改变负载曲线，使其越来越难以预测。除了负载和发电的不确定性之外，它们通过电力市场价格信号的相互作用也给电网动态带来了进一步的复杂性。价格响应型资源会积极影响市场价格，同时调整其运营以做出响应。这些相互依赖关系需要结合市场行为和价格动态的预测模型，以准确捕捉负载、发电和价格之间的关系。准确的预测对所有电网参与者都至关重要，因为它可以降低系统成本、提高可靠性并实现更大的可再生能源整合，从而推进实现净零电网的目标。

—数据集描述GridSet，它是ERCOT电网的一个时间跨度超过5年的多变量数据集，涵盖2019年至2023年的43824小时（1826天），包括分区负荷（8列）、分区电价（8列）、辅助服务价格（4列）和可再生能源发电（风能和太阳能，2列），小时分辨率。可以使用数据集的前四年进行训练，并保留最后一年进行测试。探索时间预测架构去捕获德克萨斯州可再生能源发电、储能和大型灵活负荷的增长，反映其对电网日益增长的影响。每个时间序列显示了不同的动态，如下图所示，负荷模式遵循每周和每天的周期，而风能和太阳能发电极不可预测，带来了独特的建模挑战。下表总结了该数据集的主要统计特征。

—分区负荷ERCOT电网所涉区域有8个不同的天气区，每个天气区都报告负荷。其电力消耗可分为3个主要部门：工业、商业和住宅。考虑到天气模式的差异以及德克萨斯州内人口和工业活动的不均匀分布，负荷模式在各区域之间表现出很大的差异。因此，为了捕捉其独特的消费模式，有必要对各个地区进行分析。03
—分区电价

分区电价数据包括8个不同天气区的日前结算点价格。结算点价格是ERCOT区域内不同节点上LMP的加权平均值，将其称为电价。每个ERCOT地区都有其独特的特点，在电价模式方面有别于其他地区。例如，“西部”区域由于夜间风力发电量高而经历了大量的小时负价格，而“休斯顿”区域由于居民和工业用电消耗高以及输电能力限制不断增加而经历了频繁的价格高峰。

—辅助服务价格

辅助服务价格数据包括与以下产品相对应的4个辅助服务时间序列：监管上调（Reg Up）、监管下调（Reg Down）、响应性备用服务（RRS）和非旋转备用服务（Non Spin）。这些辅助服务在日前市场以每小时一次的解决方案采购。Reg Up和Reg Down提供频率调节，解决5分钟经济调度间隔内的微小供需不匹配问题。而RRS和非Spin作为应急储备，仅在储备严重不足时激活。

—可再生能源发电

数据集还包括ERCOT地区每小时的太阳能和风力发电量。这些时间序列特别难以预测，因为它们的模式复杂，而且对天气条件有很大的依赖性。从上面结果表可以看出，可再生能源的标准偏差相对于其平均值而言相对较大，表明随着时间的推移有很大的变化。此外，ERCOT内风能和太阳能集成的急剧增加改变了这些时间序列的长期模式。不同年份的可变性捕获了有价值的模式，有助于训练能够适应可再生能源发电不断变化的性质的更稳健的模型。

—外生预测

为了提高能源管理的准确性，ERCOT提供负荷和可再生能源发电预测，这些预测使用集成气候模拟和天气预测的高级模型开发。这些预测每小时更新一次，随着目标小时的临近，预测的准确性会越来越高，并以每小时一次的分辨率扩展到一周前。在这项工作中，包括ERCOT的分区负荷预测（8列）和风能和太阳能可再生能源发电预测（2列）。但是，没有电力或辅助服务价格的外部预测，利用这些外部预测的24小时窗口，尽管框架设计为支持任何可配置的预测窗口大小。结合这些预测将数据集从22个特征扩展到22+10×24=262个特征。

—结束语

美国德州电网能源综合数据集