智能电网电力运行风险数据集

摘要：智能电网电力运行风险数据集是一个面向现代电力系统安全监测、运行风险识别与智能预控构建的综合性结构化数据集，共包含 25,000 条运行记录和 45 个特征变量。

数据集概述

智能电网电力运行风险数据集是一个面向现代电力系统安全监测、运行风险识别与智能预控构建的综合性结构化数据集，共包含 25,000 条运行记录和 45 个特征变量。每条记录对应一个独立的电力系统运行实例，综合描述设备状态、电气运行参数、环境条件、维护情况、操作人员行为以及传感器监测信息，并以“风险等级”作为预测目标。目标变量划分为 安全运行、低风险、中等风险、高风险和重大风险五个等级，可较完整地模拟实际智能电网在不同运行条件下的风险状态。数据同时包含数值型与类别型特征，并设置少量缺失值，以贴近真实工业场景中的数据质量与运行波动特征。

数据结构与关键特征

该数据集的 45 项特征可划分为设备属性、电气运行、环境因素、人员行为、维护管理以及状态监测等多个维度。设备属性包括设备类型、设备年龄、制造商、电压等级和负载容量；电气运行参数包括当前负载率、峰值负载率、工作电压、电流、频率、功率因数、有功功率、无功功率、能耗和开关次数；环境特征包括温度、湿度、降雨量、风速、雷电指数、粉尘浓度、气压和天气类型；人员相关变量包括操作员经验、轮班类型、工作时长、疲劳程度、培训水平、安全合规率和人为错误率；维护与设备健康信息则包括维护频率、距上次维护时间、维护类型、检查评分、故障历史、备件状态、润滑状态、传感器健康状况、振动水平以及变压器温度、油位、油中水分和局部放电强度等。这种多源异构特征结构能够从“设备—环境—人员—运维”多个层面刻画电力运行风险。

应用价值与研究方向

该数据集适用于智能电网运行风险分类、故障预测、异常检测、设备健康评估和安全预警等研究，可用于构建随机森林、XGBoost、LightGBM、支持向量机、神经网络和 Transformer 等多分类预测模型，并比较不同算法在五级风险识别任务中的性能。进一步研究可以围绕类别不平衡处理、缺失值鲁棒建模、特征选择、SHAP 可解释性分析、设备剩余风险评估以及多源数据融合展开，同时探索环境因素、设备老化、人为操作和维护质量对电网风险等级的影响。结合数字孪生、边缘计算和实时传感器数据，还可进一步开发电力系统在线风险预警、预测性维护和智能决策支持系统，为提高智能电网的安全性、稳定性和运行可靠性提供数据基础。

数据集来源

由张家梁(Bob)整理并于2026年在7zcode平台公开发布。

数据集信息

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。

作者信息

作者：Bob (张家梁)
项目编号：Datasets-437
文件大小：2M
原创声明：本数据集为整理作品

联系方式

开源协议

本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。