光伏发电量预测机器学习数据集

包含比赛代码、数据、训练后的神经网络模型等。 在分析光伏发电原理的基础上，论证了辐照度、光伏板工作温度等影响光伏输出功率的因素，通过实时监测的光伏板运行状态参数和气象参数建立预测模型，预估光伏电站瞬时发电量，根据光伏电站DCS系统提供的实际发电量数据进行对比分析，验证模型的实际应用价值。 1 数据探索与数据预处理 1.1 赛题回顾 1.2 数据探索性分析与异常值处理 1.3 相关性分析 2 特征工程 2.1 光伏发电领域特征 2.2 高阶环境特征 3 模型构建与调试 3.1 预测模型整体结构 3.2 基于LightGBM与XGBoost的构建与调试 3.3 基于LSTM的模型构建与调试 3.4 模型融合与总结 4 总结与展望 参考文献

基于深度学习的水电站水流量和发电量预测技术.pdf

表格字段及含义如下： ID:当前记录条数； 板温：光伏电池板背测温度； 现场温度：光伏电站现场温度； 转换效率：为计算得到的平均转换效率； 转换效率A：数据采集点A处的光伏板转换效率； 转换效率B：数据采集点B处的光伏板转换效率； 转换效率C：数据采集点C处的光伏板转换效率； 转换效率D：数据采集点D处的光伏板转换效率； 电压A：为数据采集点A处汇流箱电压值； 电压B：为数据采集点B处汇流箱电压值； 电压C：为数据采集点C处汇流箱电压值； 电压D：为数据采集点D处汇流箱电压值； 电流A：为采集点A处汇流箱电流值； 电流B：为采集点B处汇流箱电流值； 电流C：为采集点C处汇流箱电流值； 电流D：为采集点D处汇流箱电流值； 功率A：为采集点A处的功率Pa，P=UI； 功率B：为采集点B处的功率Pb，P=UI； 功率C：为采集点C处的功率Pc，P=UI； 功率D：为采集点D处的功率Pd，P=UI； 平均功率：为A、B、C三点功率的平均值 风速：为光伏电厂现场风速测量值； 风向：为光伏电厂现场风

风力发电发电量预测数据集（训练集28201条，测试集12087条） 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

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

1、FDDATA.zip：风电运行数据 2、GFDATA.zip：光伏运行数据 3、FD_weadata.zip：风电气象数据 4、GF_weadata.zip：光伏气象数据 5、风电场场站基本信息.xlsx 6、光伏电站基本信息.xlsx 内含网盘下载链接及密码

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。

PVsyst是一个完整的研究、测量、模拟和分析光伏系统的软件包。 主页：http://www.pvsyst.com/ 主页下载不支持断点续传。下载速度非常慢，还经常中断。 这个不是破解版，可以试用 30 天。30天后需要取购买 licence。

行业-电子政务-径流式二级水电站发电量优化及短期发电量预测.zip