地球资源数据云——数据资源详情

中国风力发电机设备数据集

在可再生能源气象学与电力系统研究领域，高精度风能数据的获取与分析对于推动风电规模化发展具有重要意义。风能资源的时空变化特征受到多尺度气候系统与局地环境因素的共同影响，其复杂动力学特性使得风电功率预测与系统规划面临持续挑战。当前研究往往受限于实测数据的可获得性与覆盖范围，亟需构建具有代表性且开放共享的数据基础以支持学术探索与技术创新。 为促进相关领域的协同发展，本研究基于多源遥感与气象数据，构建了一套覆盖中国典型风区的风电时序数据集。通过融合先进建模方法，本工作致力于提升生成数据在关键场景下的实用性与可靠性，为风电功率特性分析与系统规划提供更为完善的数据基础。 本研究采用耦合物理驱动与深度学习的多阶段技术框架，构建了八年期 风力发电机 时空数据集。首先，基于 Sentinel - 2 、 Landsat - 8/9 等多源遥感影像，通过 U - Net ++架构的深度学习模型实现光伏电站的精准识别与边界提取，该模型采用 Dice - Focal 组合损失函数优化对小目标和不平衡样本的检测能力，并集成注意力机制增强空间上下文感知。识别结果经形态学后处理与人工质控后，结合电站技术档案构建电站特征向量。发电量模拟采用两层建模架构：底层基于 PVlib物理引擎计算理想条件下单位面积发电潜力，上层通过时空图神经网络（ ST - GNN ）建模相邻电站间的空间关联性与区域气候变异影响，该网络融合气象再分析数据（ ERA5 - Land ）与地形特征（ SRTM ），动态校正云层衰减、积雪覆盖及污垢损失等实际衰减因子。最后，通过自适应卡尔曼滤波将模拟结果与有限实测数据进行时空对齐，确保数据在年际尺度的物理一致性。整个处理链在 PyTorch Lightning 框架下实现端到端可复现，所有中间产物均保留完整元数据追溯链。 本数据集以 Shapefile （ SHP ）矢量格式发布， 中国范围内共计 120048个点矢量数据。 采用 WGS84 地理坐标系（ EPSG:4326 ），便于在多类 GIS 平台与空间分析工具中直接使用。 图 1 中国风力发电机设备示意图 本数据集覆盖中国主要风能资源区域，提供了长期连续的模拟发电序列及相关气象参数，形成了一套可支持多方面研究的综合数据资源。我们期待这一数据资源能够为风能资源评估、电力系统规划及相关交叉学科研究提供有益参考，共同推动可再生能源领域的科学进步与技术创新。