内含光伏电池板/太阳能电池板典型缺陷，数据集总数1190张左右，但制作标签为json格式，包括隐裂、断栅、污染等，可用于图像识别、图像处理、深度学习、目标检测、计算机视觉等领域。 下载的txt文件含有下载链接，放心下载！！！

内含光伏电池板/太阳能电池板典型缺陷，数据集总数2624张，但制作标签的只有1500+219张左右，VOC标签，包括微裂、失效、正常等，可用于图像识别、图像处理、深度学习、目标检测、计算机视觉等领域。 下载的txt文件含有下载链接，放心下载！！！

72. 电力设备内部绝缘油泄漏检测图像数据集（300多张数据+VOC标签）

电厂远程损伤检测图像数据集（大型与小型太阳能电池板+红外热图+风力涡轮机缺陷图像）-无人机图像与VOC标签，可用于目标检测、图像识别等人工智能领域，实现缺陷的自动化检测。

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。

内含电网遥感图像，包含：输电杆塔，火电厂烟囱，光伏发电板，发电厂油罐。标签类型有两种：labelme标签json，以及二值分割图像。

内含风力涡轮机叶片缺陷图像数据集，数据集总数几百张左右，分割标签，可用于图像识别、图像处理、深度学习、目标检测、计算机视觉等领域。 下载的txt文件含有下载链接，放心下载！！！

美国电能消耗数据统计大全237页，各州各种生活用电消耗统计，做电力分析可以参考.数据真实可靠，外网搜索得到，对于统计分析很有帮助！

首先，选取家庭用户用电聚类分析为主题，阐述了用户聚类分析的原理和K-means算法的流程，建立以家庭住房面积、年度用电量、家庭人口数、家电数量维度的数据模型；然后，然后详细的阐述了Hadoop的分布式文件系统HDFS和并行处理框架MapReduce的工作原理；接着，针对K-means容易陷入局部最优解的缺陷，对原始的K-means算法进行了改进，即将家庭用户对象用电数据密度的大小作为重要参考；在MapReduce模型下预先对初始簇中心进行优化，准确定位簇中心，然后将每个簇所属的数据集进行并行处理。从而提高海量用电数据处理效率，缩短计算时间。还提出了一种基于 Hadoop的智能电网数据分析平台的

2021南方电网数据资产管理体系白皮书