时间范围：< 1 小时
用于实时调度、频率调节、自动发电控制（AGC）。要求极低延迟，通常采用在线学习或滚动预测方式。
任务定义与分类
电力负荷预测（Electricity Load Forecasting）是根据历史用电量、气象条件、日历信息等输入，预测未来电力系统需求的时间序列预测任务。 它是智能电网调度、电力市场交易、需求侧管理与新能源消纳的核心技术，也是时序预测研究中场景最丰富、数据最完善的领域之一。
时间范围：1 小时 ~ 1 周
用于机组组合、日前调度、需求响应与现货市场竞价。是工程实践与学术研究最集中的预测粒度。
时间范围：1 周 ~ 1 月
用于设备检修计划、电力合同签订与备用容量安排。受季节、温度和工业节律影响明显。
时间范围：> 1 月
用于电网容量规划、基础设施投资和政策制定。需结合宏观经济与气候趋势，模型解释性要求高。
数据集分类概览
公开电力负荷预测数据集按来源性质可划分为六大类，各有不同的覆盖尺度、粒度和适用场景：
GEFCom 系列
有明确基准和排行榜，特别适合点预测与概率预测方法的横向对比。
GEFCom2012
GEFCom2014
GEFCom2017
ISO / TSO 公开数据
来自电网运营机构，权威可靠，覆盖大区域，时间跨度长，持续更新。
ISO-NE
AEMO
PJM
ENTSO-E
EIA
ERCOT
标准学术数据集
干净规整，ML 社区广泛使用，下载门槛极低，适合算法原型验证。
UCI ECL
UCI IHEPC
TSLib / ETT 系列
专为长序列时序预测（LTSF）设计，配套代码丰富，是所有主流模型的必测基准。
ETTh1/h2
ETTm1/m2
ECL (321)
Traffic
户级 / 电路级分辨率
含用户行为、需求响应实验信息，适合 NILM、住宅预测与隐私计算研究。
London LCL
CER Ireland
Pecan Street
AMPds2
基础模型 / 多国数据
规模庞大，覆盖多类建筑或多国，适合时序基础模型预训练与零样本评估。
BuildingsBench
Monash
Real-E
OPSD
重点数据集详情
竞赛系列数据集
GEFCom2012 · Global Energy Forecasting Competition 2012 – Load Track
引用极高首个全球性电力预测竞赛，预测任务为回填 8 周缺失数据（backcasting）和正向预测（forecasting），以 MAPE 评估。奠定了短期负荷预测竞赛的标准范式。
GEFCom2014 · Probabilistic Load Forecasting Track
引用极高概率负荷预测领域最常用基准，要求预测分位数而非点预测。包含约 7 年负荷数据与 9.75 年温度数据，被后续数百篇概率预测论文所采用。
GEFCom2017 · Hierarchical Probabilistic Load Forecasting
引用中高引入层级预测约束（hierarchical coherence），要求各区域预测结果与汇总层保持一致。是层级概率预测与多区域联合预测研究的核心基准。
系统运营商官方数据（ISO / TSO）
ISO-NE · New England Hourly Load Data
引用 #1（47次）短期负荷预测文献中被引频率最高的数据集（综述统计第 1 位），GEFCom2014/2017 的数据基础。官网免费下载，数据质量高，持续更新至今。
AEMO NEM · Australian National Electricity Market
引用 #2（35次）澳大利亚电力市场运营商官方数据，覆盖时间最长（25 年以上）。含区域需求和实时区域参考电价（RRP），适用于短期区域预测和电价联合预测研究。
PJM · Hourly Energy Consumption（Kaggle 版）
引用 #6（11次）获取门槛最低的美国区域负荷数据集之一，Kaggle 一键下载。覆盖美国东部 14 个 ISO 区域，是 LSTM / Transformer 等模型教程和快速原型的首选。
ENTSO-E · European Transparency Platform
引用 #5（15次）按欧盟法规强制披露的透明度平台，包含实际负荷、预测负荷、各类能源发电量及跨境电力流。免费注册 API，是欧洲多国比较研究和可再生能源整合研究的标准数据源。
深度学习 Benchmark（TSLib 系列）
以下数据集由清华大学 THUML 团队统一维护于 Time-Series-Library， 是 Informer、Autoformer、FEDformer、PatchTST、iTransformer 等系列 LTSF 论文的标准基准， 全部托管于 Hugging Face（CC BY 4.0），一键下载。
ETT · Electricity Transformer Temperature（ETTh1 / ETTh2 / ETTm1 / ETTm2）
LTSF 核心基准目标变量为变压器油温（OT），6 个协变量为高/中/低压有功/无功负荷。 由 Informer（AAAI 2021）论文发布，是目前公开的唯一来自中国大陆电网的大规模时序预测基准， 标准评估设置为预测 96 / 192 / 336 / 720 步。
ECL / Electricity · UCI ElectricityLoadDiagrams（321 条序列）
LTSF 必测基准
多变量长序列预测最广泛使用的基准数据集，LSTNet、Informer、PatchTST 等所有主流 LTSF 模型均在此评测。
TSLib 中的 electricity.csv 即为此数据集的处理版本。原始数据含 370 条序列，
去除部分低活跃客户后保留 321 条。
智能电表数据集（户级分辨率）
London Smart Meters · Low Carbon London Programme
引用高含约 1,100 用户参与的动态分时电价（dToU）随机对照实验，适合需求响应研究。数据量庞大，Kaggle 和 Zenodo 均有整理版本。
CER Ireland · Commission for Energy Regulation Smart Metering
引用 #7（10次）含完整随机对照实验（RCT）设计，包含分时电价、智能显示器等多种干预方案，并附住户调查问卷。在开放访问学术数据集中引用次数最多（文献中第 7 位），需向 ISSDA 提交学术申请。
大规模综合数据集
BuildingsBench · NREL 900K Buildings Short-Term Load Forecasting
新兴 · NeurIPS 2023目前规模最大的建筑能耗预测数据集，合成数据基于 NREL EULP 用 EnergyPlus 模拟生成。 配套 7 个真实评估数据集，专为时序基础模型预训练与零样本短期负荷预测而设计， 与 Chronos、TimesFM 等基础模型研究高度契合。
Monash Time Series Repository · 电力相关子集
引用高 · NeurIPS 2021澳大利亚莫纳什大学维护的时序预测标准存档库，电力相关子集包括： Electricity（321 序列 · 小时 / 周粒度）、Australian Electricity Demand（5 序列 · 30min）、 London Smart Meters（5,560 序列）等。所有数据集以统一格式发布，便于跨数据集比较。
Real-E · Foundation Benchmark for Electricity Forecasting
新兴 · CIKM 2025面向电力基础模型鲁棒性评估的大规模 benchmark，覆盖 10 年跨度、39 国、20 种能源类型，着重关注非平稳性和跨国迁移预测场景。
数据集横向对比
系统运营商数据集对比
| 数据集 | 机构 | 时间范围 | 粒度 | 地区 / 序列数 | 核心特征 | 访问方式 |
|---|---|---|---|---|---|---|
| ISO-NE | 美国新英格兰 ISO | 2003 至今 | 1h | 美国 6 州 | 负荷 + 气温 | 官网免费 |
| AEMO NEM | 澳大利亚 AEMO | 1998 至今 | 30min | 澳大利亚 5 州 | 需求 + 实时电价 | 官网免费 |
| PJM | PJM Interconnection | 2002 至今 | 1h | 美国东部 14 区域 | 负荷（MW） | Kaggle / 官网 |
| ENTSO-E | 欧洲 TSO 联盟 | 2015 至今 | 1h / 15min | 欧洲 35 国 | 负荷 + 发电 + 跨境流 | API（免费注册） |
| EIA Grid Monitor | 美国能源信息局 | 2015 至今 | 1h | 美国 64 BA | 需求 + 分类发电 | API（免费注册） |
| ERCOT | 德克萨斯电网 | 多年 | 1h | 美国德州 | 系统负荷（MWh） | 官网免费 |
深度学习 Benchmark 数据集对比
| 数据集 | 来源 | 粒度 | 变量数 | 总步数 | 标准预测长度 | 获取难度 |
|---|---|---|---|---|---|---|
| ETTh1 / ETTh2 | 中国电力（匿名） | 1h | 7 | 17,420 | 96 / 192 / 336 / 720 | 极易（GitHub / HF） |
| ETTm1 / ETTm2 | 中国电力（匿名） | 15min | 7 | 69,680 | 96 / 192 / 336 / 720 | 极易（GitHub / HF） |
| ECL / Electricity | 葡萄牙（UCI） | 1h | 321 | 26,304 | 96 / 192 / 336 / 720 | 极易（UCI / HF） |
| Traffic | 加州 Caltrans DOT | 1h | 862 | 17,544 | 96 / 192 / 336 / 720 | 极易（TSLib） |
智能电表数据集对比
| 数据集 | 来源国 | 粒度 | 用户数 | 特色 | 获取难度 |
|---|---|---|---|---|---|
| London LCL | 英国 | 30min | 5,560 | 含 dToU 随机实验 | 易（Kaggle / Zenodo） |
| CER Ireland | 爱尔兰 | 30min | ~4,232 | 含 RCT 实验 + 问卷 | 中（ISSDA 学术申请） |
| Pecan Street | 美国 | 1min | 数百 | 电路级 + EV 充电 | 中（学术账户申请） |
| AMPds2 | 加拿大 | 1min | 1（住宅） | 电 / 水 / 气三表联合 | 易（Harvard Dataverse） |
| UCI IHEPC | 法国 | 1min | 1（住宅） | 含 3 个子表（厨房 / 洗衣 / 空调） | 极易（UCI） |
按研究场景的推荐数据集
1h ~ 1天 ahead · 工程实用基准
- GEFCom2012 / 2014 — 成熟基准，便于横向对比
- ISO-NE — 最高引用频率的学术数据集
- AEMO NEM — 澳大利亚区域预测标准
- PJM（Kaggle） — 下载最简单的美国区域数据
96 ~ 720 步 · 深度学习 benchmark
- ETTh1 / ETTh2 / ETTm1 / ETTm2 — LTSF 领域标准基准
- ECL / Electricity（321 序列） — Informer / PatchTST 必测
- Traffic / Weather — 非电力，但同框评测常见
分位数 · 区间 · 场景预测
- GEFCom2014 — Pinball Loss 标准框架，概率预测首选
- GEFCom2017 — 层级概率预测场景
- NREL 多区域数据集 — 含多分位点 scenario
预训练 · 跨域迁移 · 通用评估
- BuildingsBench（NREL） — 90万建筑，专为零样本设计
- Real-E — 39国10年，跨国迁移评估
- Monash 电力子集 — 统一格式，便于多数据集评估
NILM · 需求响应 · 用户画像
- London LCL — 5,560 户，含 TOU 实验，Kaggle 直接下载
- CER Ireland — 含随机实验设计，行为分析首选
- Pecan Street — 电路级分解，NILM 金标准
中国大陆数据现状说明
- ETT — 唯一广泛使用的中国大陆电网公开数据
- 2016 电工杯数据集 — 含气象特征，国内引用 10 次
- 国家电网 / 南方电网数据整体保密，公开资源极为有限