【资源分享|开源资料】电力系统开源资源库:数据集、优化代码、AI模型与课程资料!欢迎你!

【更多请点击左下角阅读原文】

【资源分享】电力系统开源资源库：数据集、优化代码、AI模型与课程资料（公开网站）

一、资源来源说明

今天给大家分享一个非常实用的电力系统研究资源网站，包含大量开源数据、算法代码以及课程资料。该资源来自美国休斯顿大学（University of Houston）电子与计算机工程系的 RPG Lab（Research in Power Grid Lab）。课题组负责人为 Xingpeng Li 副教授，长期从事电力系统运行优化、微电网、储能系统、电力系统机器学习等研究。

该实验室在官网专门建立了一个 Resources 页面，整理并发布了他们在研究与教学过程中积累的大量资源，包括数据集、代码、仿真工具以及课程资料，方便学术界与工业界研究人员使用。

需要说明的是，这些资源均来自课题组官方网站公开页面，大部分采用 Creative Commons CC BY 4.0 开源许可，允许学术研究使用与传播。本文仅对公开资源进行整理介绍，不涉及任何版权或侵权问题。

资源网站地址：https://rpglab.github.io/resources/

二、开源论文数据与研究数据集

该资源库中整理了一系列与论文配套的数据集，对于电力系统研究人员非常有帮助。例如其中包含 电动汽车充电数据集（EV Charging Dataset），数据记录了充电事件的开始时间、结束时间、持续时间以及充电电量等信息。这类数据可以用于 EV 负荷建模、充电行为分析以及配电网规划研究。

此外，资源库还提供了一个 Texas合成电力系统数据集。该数据集模拟了一个345kV输电系统，并提供了五年的时序数据，包括风电、光伏发电、负荷以及线路容量等信息，同时还提供GIS与气象数据以及示例Python代码。这类数据非常适合开展电网规划、可再生能源消纳以及电力系统时序优化研究。

三、电力系统优化模型与AMPL代码

对于从事电力系统优化研究的同学来说，这个网站还提供了大量 AMPL优化模型代码。例如：

• 随机机组组合（Stochastic Unit Commitment）

• 安全约束机组组合（SCUC）

• 输电扩展规划（TEP）

• 随机最优潮流（SOPF）

这些代码实现了多种经典电力系统优化模型，并提供示例程序，可以帮助研究人员快速搭建电力系统调度与规划模型，对于做电网优化、电力市场建模以及综合能源系统研究都具有参考价值。

四、AI与电力系统相关Python代码

近年来，人工智能方法在电力系统中的应用越来越广泛，该资源库也整理了一些相关的Python代码。例如网站提供了 电价预测模型，通过机器学习方法利用天气和时间特征对电力市场价格进行预测。

此外，还包括 Graph Neural Network（GNN）用于OPF问题降维 的示例代码，通过识别关键线路减少优化模型中的约束规模，从而加速潮流计算。

另外，资源库还提供了 电池退化建模数据与深度学习模型代码，用于预测电池寿命并结合储能调度优化问题进行研究。

五、电网仿真工具与软件

在软件工具方面，该网站还提供了一些电网仿真程序。例如 Grid Real-Time Operation Simulator (GRTOS)，这是一个用Java开发的电网实时运行仿真平台，包含AC潮流计算、实时安全分析、实时经济调度等模块，模拟了电网调度中心的能源管理系统（EMS）。

此外，还有PSS/E数据读取工具、日志记录模块等代码，可以直接集成到电力系统仿真程序中。

六、研究生课程资料

除了研究资源外，该网站还公开了一些研究生课程资料。例如 Power System Operations and Modeling 等课程，提供了DCOPF、SCUC以及电力市场建模等教学案例和示例代码。

这些课程资料对于博士生自学、电力系统课程教学以及科研入门都具有较高参考价值。

七、总结

总体来看，该资源网站汇集了电力系统研究中常见的一些核心资源，包括数据集、优化代码、机器学习模型、仿真工具以及课程资料。对于从事电力系统、综合能源系统、智能电网以及AI+能源研究的学生和科研人员来说，这些资源可以显著降低研究门槛，提高研究效率。

如果你正在做电力系统相关研究，建议收藏这个网站，未来在做模型、找数据或学习代码时都可能用得上。

资源地址：

https://rpglab.github.io/resources/

素材来自于网上公开开源内容，内容经GPT辅助，如有侵权，随时可删。 更多请关注本公众号并回复互助加入群聊。

扫码关注！

一个电气领域前沿动态与科研资源平台