基于人工神经网络构建欧洲小时级可再生能源发电量与电力消耗开放数据集

《Scientific Data》：Renewable generation and electricity consumption datasets for energy market models generated with artificial intelligence

　　

摘要

分析未来能源情景需要全面可靠的输入数据集。开放获取数据集提高了透明度，降低了建模的进入壁垒。在我们的研究中，我们使用人工神经网络模型，将 43 年的气象再分析数据转换为小时分辨率的全国可再生能源发电量（太阳能、陆上和海上风电）和电力消耗时间序列数据集。在研究过程中，我们基于热力图、直方图和 Z 分数值，为 ENTSO-E 小时分辨率数据库开发了一种数据质量控制程序，从而确保我们的人工智能模型从高质量数据中学习。对所有数据数量和质量足以训练机器学习模型的欧洲国家进行了建模。所提出的基于神经网络的数据库结合了所审查数据集中最广泛的空间覆盖范围，且其精度在大多数情况下超过现有的太阳能、风电和电力消耗数据库，使其成为欧洲电力系统建模的宝贵补充。创建的开放获取数据序列可直接用作电力市场模型的输入数据，例如用于机组组合、网络负荷分配和定价研究，同时也特别适合于分析可再生能源发电量低时期（Dunkelflaute 事件）的频率、持续时间和区域重叠情况。