特征包括：天气变量，如气温、相对湿度、降水量和风速。数据集来源CND

空间动态风力发电预测的数据集 特征包括：风力涡轮机的空间分布，以及时间、天气和涡轮机内部状态等动态背景因素。 风电预测（WPF）旨在准确估计风电场在不同时间尺度上的风能供应。 风电是世界上安装量最大的可再生能源之一，风电预测方法的准确性直接影响电网的调度和运行安全。 WPF已被广泛认为是风电并网运行中最关键的问题之一。 列名解释： TurbID：风力涡轮机ID；Day：记录日；Tmstamp：记录创建时间；Wspd(m/s)：风速计记录的风速；Wdir(°)：风向与涡轮机位置之间的角度；Etmp(℃)：环境温度；Itmp(℃)：涡轮机舱内的温度；Ndir(°)：机舱方向，即机舱的偏航角；Pab1(°)：叶片1的桨距角；Pab2(°)：叶片2的桨距角；Pab3(°)：叶片3的桨距角；Prtv(kW)：无功功率；Patv(kW)： 有功功率（目标变量）；

天池-心跳信号预测数据集

根据风机 id（tracking_id）、日期时间、风速(m/s)、大气温度(° c)、轴温(° c)、叶片角度(° c)、齿轮箱温度(° c)、发动机温度(° c)、电机转矩(N-m)、发电机温度(° c)、大气压力(Pascal)、面积温度(° c)、风车车体温度(° c)、风向(° c)、电阻(ohm)、转子转矩(N-m)、状态、云层高度、叶片长度(m)、风车高度(m)来预测风力发电发电量

预测分析·员工满意度预测 train.csv test.csv

内含2年变压器油温数据，7万多数据点； 电力分配问是电网根据顺序变化的需求管理电力分配到不同用户区域。但要预测特定用户区域的未来需求是困难的，因为它随工作日、节假日、季节、天气、温度等的不同因素变化而变化。现有预测方法不能适用于长期真实世界数据的高精度长期预测，并且任何错误的预测都可能产生严重的后果。因此当前没有一种有效的方法来预测未来的用电量，管理人员就不得不根据经验值做出决策，而经验值的阈值通常远高于实际需求。保守的策略导致不必要的电力和设备折旧浪费。值得注意的是，变压器的油温可以有效反映电力变压器的工况。

泰坦尼克号生存预测数据集

印度两家太阳能发电厂在34天发电数据 数据介绍：该数据有两对文件-每对都有一个发电数据集和一个传感器读数数据集。在逆变器级别收集发电数据集-每个逆变器都附有多条太阳能电池板线。传感器数据是在工厂级别收集的-在工厂中最佳放置传感器的单个阵列。

风力发电量预测数据集，该数据集包含风速、转速、发电量等数据。数据已记录为2019年11月至2019年12月。读数间隔为10分钟。

预测工业量 zhengqi_train.txt zhengqi_test.txt