保障电网安全稳定
提前识别负荷峰值、快速爬坡与供需缺口，为机组组合、备用容量和应急预案提供依据， 降低准备不足或过度备用带来的运行风险。
INTERACTIVE LOAD FORECAST
交互演示 · 页面数值为模拟数据，不代表真实实验结果
短期用电负荷预测演示台
切换预测对象、运行情景与时间窗口，观察负荷峰值、爬坡和不确定性如何变化。
正在生成用电负荷模拟预测……
预测峰值
—
峰值时刻
—
最大爬坡
—
平均区间宽度
—
WHY LOAD FORECASTING MATTERS
电力负荷预测的价值与意义
电能难以大规模、低成本地即时储存，供给与需求又必须持续保持平衡。 因此，负荷预测是连接用电需求感知、资源配置与调度行动的关键环节，其价值不只体现在更低的预测误差， 更体现在能否提前识别风险、减少无效冗余并支撑可靠决策。
核心价值：把未来用电的不确定性转化为可提前准备、可量化权衡、可执行响应的调度依据。
提升调度与市场效率
为日前调度、电力交易、储能充放电、设备检修和容量规划提供更可信的需求基线， 将负荷不确定性转化为成本、约束与资源配置问题。
促进新能源消纳与低碳转型
将负荷预测与风电、光伏出力预测结合，协调“源—网—荷—储”，帮助判断供需错配与灵活性需求， 支撑新能源并网和低碳调度。
支撑需求响应与城市韧性
在极端天气、节假日和重大活动等情景下预判异常需求，辅助削峰填谷、分时定价与重点设施保供， 提升城市能源系统的响应能力与韧性。
研究意义
电力负荷场景为时序智能提供了一个同时检验预测、推理、不确定性与决策能力的典型试验场。
历史拟合走向多源情境理解
点预测走向概率与情景预测
平均误差走向峰谷风险与决策价值
LOAD → FORECAST → ACTION
从负荷曲线到调度决策
电力负荷预测并不是简单地延长一条历史曲线，而是把用电规律、外部驱动和电网运行目标放进同一个预测闭环。 一个可靠系统既要回答“未来需要多少电”，也要说明预测的不确定性，以及不同结果会触发怎样的调度行动。
明确预测任务
根据实时调度、日前计划、检修安排或容量规划，确定对象、粒度、预测窗口与更新频率。
融合多源驱动
对齐历史负荷、气温湿度、工作日与节假日、价格事件及设备运行状态。
建模未来负荷
组合统计、机器学习、深度学习和基础模型，输出点预测、分位数或多情景轨迹。
评估风险与价值
同时检查误差、区间可靠性、峰谷刻画和业务成本，让预测进入调度与需求响应。
Signal 01
历史负荷
趋势、日周周期、峰谷形态与近期变化
Signal 02
气象条件
温度、湿度、体感温度及极端天气过程
Signal 03
日历事件
工作日、节假日、重大活动与季节切换
Signal 04
运行约束
容量边界、价格信号、检修与需求响应策略
评价不止一个误差数字
研究评测需要同时覆盖数值精度、概率可靠性、关键事件刻画和决策后果，避免平均误差掩盖高峰风险。
点预测误差
MAE / RMSE 衡量整体偏差，MAPE 适合比例比较但需谨慎处理低负荷时段。
概率预测质量
Pinball Loss、区间覆盖率与区间宽度共同检查风险边界是否可靠。
峰谷与爬坡
单独评估峰值时间、峰值幅度与快速爬坡误差，关注对调度最敏感的时段。
业务决策价值
将误差映射到备用容量、购电成本、削峰填谷与需求响应效果，评估真实使用价值。
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
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。
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
长序列时序预测常用的通用评测对照；其中 ETT、Traffic、Weather 不属于负荷数据。
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 — 变压器温度时序基准，可作设备侧对照但不等同于区域负荷
- 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