合成光伏与风电功率预测数据

在高比例可再生能源的电力系统中，光伏和风电功率预测在多个应用中至关重要。这些应用包括稳定的电网运行、盈利的电力交易以及前瞻性的系统规划。然而，目前缺乏用于基于机器学习的预测方法研究的公开数据集。本文提供了一个公开可获取的时间序列数据集，其中包含逼真的合成功率数据。其他公开和非公开的数据集通常缺乏精确的地理坐标、时间戳或静态电厂信息，例如为保护商业机密。相反，该数据集提供了这些信息。数据集包含遍布德国的 120 座光伏电站和 273 座风电场，为期 500 天，时间分辨率为每小时。如此大量的可用场址使得预测实验能够包含空间相关性，并开展迁移学习和多任务学习实验。它包含来自 ICON-EU 天气模型的场址特定、依赖于电源的非合成输入特征。利用物理模型和实际气象测量对虚拟电厂进行仿真，提供了逼真的合成功率测量时间序列。这些时间序列对应于各气象测量位置处虚拟电厂的功率输出。由于合成时间序列完全基于气象测量，天气预测中可能的误差与实际功率数据中的误差相当。除数据描述外，我们通过比较简化物理模型和机器学习模型，评估了基于天气预测的功率预测质量。该实验表明，合成功率数据上的预测误差与真实历史功率测量值相当。