编辑推荐：
为解决能源数据问题，研究人员开展广西住宅用电负荷研究，构建数据集，为能源研究提供支撑。
在全球气候变暖的大背景下，极端天气事件愈发频繁，这对城市居民的能源消耗产生了巨大影响。尤其是在气温过高或过低时，建筑物的供暖、通风和空调（HVAC）系统成为维持室内舒适温度的关键，而这也导致各地的峰值用电需求不断攀升。准确预测不同天气条件下的电力负荷，对于电力系统的高效运行和规划极为重要，比如在机组组合、经济调度、需求侧管理以及输电线路热电联产管理等方面。然而，当前可用的高质量电力需求数据却十分匮乏。
现有的许多负荷数据集存在诸多问题。一方面，大部分数据集较为陈旧，近五年的数据覆盖有限；另一方面，不少数据集的供应点数量受限，样本规模较小，通常少于 500 户，难以代表广大居民的用电模式，无法为可靠的需求分析提供充足的数据支持。此外，虽然气候变化和极端天气对能源系统的影响显著，但包含气候数据的数据集较少，且多以温度信息为主。同时，针对中国及居民区域的负荷数据集，以及极端天气下负荷预测的公开数据也极为稀缺。
为了填补这些空白，广西大学等机构的研究人员开展了一项关于广西住宅社区电力负荷的研究。研究人员收集了 2022 年 1 月至 2023 年 11 月期间，广西 10 个城市 23 个住宅社区的电力负荷数据，涉及超过 80,000 户家庭。该研究成果发表在《Scientific Data》上。
在研究方法上，数据采集方面，电力消耗数据由当地电力部门收集并验证，通过分层计量系统，从家庭、建筑到变压器多个层面进行监测，最终获取变压器层面的负荷数据。气候数据来自美国国家海洋和大气管理局（NOAA）以及欧洲中期天气预报中心（ECMWF）的 ERA5 再分析数据集。对于极端天气事件数据，通过当地媒体收集 “十大” 极端天气事件，同时运用统计方法，依据 NOAA 天气数据计算相关指标来确定极端天气情况。在数据处理阶段，研究人员采用数据审查技术保护数据隐私，对电力消耗数据和天气数据中的异常值进行清洗，运用前向 - 后向插补法处理缺失数据。
研究结果方面，通过对不同时间尺度的电力消耗模式进行分析发现，年度数据显示夏季用电需求明显增加；每周数据表明工作日用电高于周末；每日数据呈现出中午和晚上的用电高峰，清晨用电低谷的规律。从地理差异来看，不同城市由于社会经济条件和地理位置不同，用电消耗模式存在显著差异。气象因素对用电消耗影响显著，以 C0 和 C2 城市为例，温度和湿度与用电消耗呈现出强相关性，在舒适温度范围外，用电消耗会随温度变化而显著改变。在极端天气影响方面，不同类型的极端天气对电力需求的影响各不相同，如 2023 年干旱是广西最主要的极端天气事件，对电力需求产生了相应影响。
研究结论表明，该数据集具有高度多样性，涵盖多个城市社区的用电数据，采样频率高，能准确反映当前能源消耗趋势，并且整合了丰富的气象和极端天气数据，为研究气候变化对电力消耗的影响提供了有力支持。其意义在于，能够为能源消耗、气候变化适应和电网韧性等方面的研究提供数据基础；有助于制定分时电价策略，引导用户合理用电，减轻电网高峰压力；为长期能源战略规划提供参考，助力分析能源消耗模式的演变；在实现净零能耗建筑目标方面，有助于优化分布式能源系统的规划和设计，推动可持续建筑环境的发展。总之，该研究成果对能源领域的发展具有重要的推动作用。<该研究的关键技术方法主要包括数据采集与验证技术，利用分层计量系统确保电力消耗数据准确；多源数据融合技术，整合来自不同机构的气象数据与电力负荷数据；数据处理技术，运用随机化编号、异常值清洗、前向 - 后向插补法等处理数据隐私、异常值和缺失值问题，从而保证数据集的质量与可用性 。 - 后向插补法等处理数据隐私、异常值和缺失值问题，从而保证数据集的质量与可用性>
