企业官网建设流程全解析

【机器学习数据集分享】高校能源消耗数据集，4年电力、燃气、水资源数据，适合LSTM、XGBoost预测

今天分享一个适合机器学习、深度学习和时间序列预测研究的数据集。

该数据集包含5个校区、2018—2021年共4年的电力、天然气和水资源消耗数据，同时提供天气、建筑物信息、校园日历及节能改造事件等辅助数据。

与常见的单一用电量预测数据集不同，同时覆盖三种公用资源，适合开展多变量时间序列预测、能源消耗分析、异常检测和机器学习模型对比等实验。

对于正在寻找 LSTM、GRU、XGBoost、Random Forest 或 Transformer 时间序列预测数据集的同学，可以参考这个数据集。

一、数据集基本介绍

一个面向高校能源与资源管理的公开数据集。

数据集由拉筹伯大学研究团队建设，作为其能源AI与分析平台（LEAP）相关研究的一部分，主要用于分析、预测和优化校园电力、燃气及水资源的使用情况。

1.1 数据集基本信息

该数据集的主要优势在于数据跨度较长、资源类型丰富，并且包含天气和校园事件等辅助信息。

二、数据集包含哪些数据？

不仅包含能源消耗记录，还提供了与校园运行相关的辅助数据。

主要可以分为以下4类。

2.1 电力消耗数据

电力数据来自校园智能电表，采样间隔为15分钟。

也就是说，正常情况下，单个电表一天最多可记录：

24小时 × 4次/小时 = 96条数据。

这些数据可以用于分析校园不同时段的用电规律。

例如：

• 每小时、每日用电量变化
• 工作日与周末用电差异
• 不同建筑物用电特征
• 季节性用电规律
• 电力负荷预测

对于机器学习项目，可以将历史用电量、天气、时间特征等作为输入，预测未来的电力消耗。

2.2 天然气消耗数据

天然气数据以1小时为采样间隔。

适合研究不同时间段的天然气消耗规律，以及气温、季节等因素对天然气使用量的影响。

可以开展的任务包括：

• 小时级天然气消耗预测
• 天然气使用趋势分析
• 天然气异常消耗检测
• 不同校区天然气使用对比

需要注意，天然气数据覆盖的是有相应记录的校区，不能默认所有5个校区的数据都完整。

2.3 水资源消耗数据

水资源数据以15分钟为采样间隔。

可以用于分析校园日常用水规律，并研究不同建筑物或不同时间段的用水差异。

适合开展：

• 校园用水量预测
• 异常用水检测
• 水资源消耗趋势分析
• 不同时间段用水特征分析

例如，使用历史用水量训练LSTM模型，预测未来1小时或未来24小时的用水量。

2.4 天气数据

UNICON还提供与各校区对应的气象站数据。

天气记录包含1分钟和10分钟两种采样时间间隔。

天气数据可以与能源消耗数据进行时间对齐，构建多变量预测模型。

例如：

历史用电量 + 时间特征 + 天气特征 + 建筑物信息 ↓ 机器学习预测模型 ↓ 未来用电量

具体天气变量需要以weather_data.csv的实际字段为准。

三、数据集最大的特点：包含疫情期间的数据

覆盖2018—2021年，其中包含COVID-19疫情期间的校园关闭、居家办公等特殊时期。

这使得该数据集不仅可以用于常规能源预测，还可以研究突发事件对能源消耗模式的影响。

例如，可以将数据按照时间划分为：

需要注意，具体封校日期、恢复时间以及不同校区的运行状态，应结合校园日历和事件记录进行分析。

可以研究哪些问题？

① 疫情前后用电量是否发生变化？

通过统计不同阶段的平均用电量、峰值用电量等指标，分析校园运行变化对能源消耗的影响。

② 疫情期间的能源预测模型是否容易失效？

例如，使用2018—2019年数据训练模型，再预测2020年用电量，观察模型在特殊时期的误差变化。

③ 是否存在异常能源消耗？

结合校园关闭时间和实际消耗记录，识别与预期使用规律不一致的时间段。

需要注意，疫情与能源变化之间的关系还可能受到天气、季节和建筑使用情况等因素影响，不能仅凭消耗量变化就直接认定因果关系。

四、数据集文件结构

UNICON主要提供11个CSV文件，涵盖校区信息、建筑物信息、资源消耗及天气数据。

其中，calender.csv为数据集提供的文件名，使用时应注意其拼写。

4.1 建筑物信息

building_meta.csv包含建筑物所属校区、建筑面积等信息。

这些数据可以用于研究不同建筑物之间的能源消耗差异。

例如，结合建筑面积计算单位面积能源消耗指标。

4.2 能源消耗数据

以下文件是开展预测任务时的核心数据：

nmi_consumption.csv building_consumption.csv building_submeter_consumption.csv gas_consumption.csv water_consumption.csv

其中，NMI是澳大利亚电力计量体系中的国家计量标识（National Metering Identifier）。

研究者可以根据具体任务，选择电表级、建筑物级或校区级的数据进行分析。

4.3 事件数据

events.csv记录部分建筑物的重要事件，例如：

• LED照明改造
• HVAC暖通空调系统更新
• 其他节能措施
• 测量与验证相关活动

这些事件记录可以用于研究节能改造前后的能源消耗变化。

例如，对比某建筑物LED照明改造前后的用电量，并结合天气和使用情况进行分析。

五、数据集适合哪些机器学习算法？

UNICON属于典型的多变量时间序列数据集，可以使用传统机器学习和深度学习算法。

推荐方案一：传统机器学习预测

可以采用：

Random Forest + XGBoost + LightGBM

输入特征包括：

• 历史能源消耗量
• 小时、星期、月份
• 天气变量
• 建筑物属性
• 校园日历特征

预测目标可以选择未来1小时或未来24小时的用电量。

这种方案适合本科机器学习毕业设计。

推荐方案二：深度学习时间序列预测

可以采用：

LSTM + GRU + Transformer

通过连续时间窗口构建训练样本。

例如：

过去24小时用电数据 ↓ 数据标准化 ↓ 构建时间窗口 ↓ LSTM / GRU模型 ↓ 预测未来1小时用电量

这种方案适合深度学习入门研究，也可以进一步开展不同时间窗口长度的实验。

六、如何使用数据集进行预测实验？

这里以建筑物电力消耗预测为例，介绍基本流程。

6.1 数据读取

首先使用Pandas读取CSV文件：

importpandasaspd df=pd.read_csv("building_consumption.csv")print(df.head())print(df.info())print(df.isnull().sum())

通过以上代码可以查看数据字段、数据类型和缺失值情况。

6.2 数据预处理

对于时间序列数据，通常需要完成以下步骤：

1. 解析时间字段并按照时间排序。
2. 选择具体建筑物或校区。
3. 检查缺失值、重复时间戳及异常值。
4. 根据预测任务统一时间间隔。
5. 构建历史滞后特征及时间特征。
6. 按时间顺序划分训练集、验证集和测试集。

需要特别注意，电力、水和天然气的采样间隔不同，不能简单按行拼接。

如果需要进行多资源联合预测，应先完成时间对齐。

6.3 推荐数据划分方式

由于数据覆盖2018—2021年，可以考虑以下划分方案：

这种方式可以用于研究模型在不同年份之间的泛化能力。

不过，由于2020年受到疫情影响，该划分可能存在明显的数据分布变化。

如果只是希望评估常规预测性能，也可以使用滚动时间窗口验证，并与跨年份实验进行对比。

七、模型评估应该看哪些指标？

对于能源消耗预测任务，常用的评价指标包括：

其中：

MAE用于衡量预测值与真实值之间的平均绝对差异。

RMSE对较大的预测误差更加敏感。

MAPE用于衡量相对预测误差，但当真实消耗量接近0时可能不稳定。

R²可以辅助判断模型对数据变化的解释程度。

建议至少采用MAE、RMSE和R²进行综合评估。

如果需要进行多模型对比，可以在相同数据划分下比较：

• Random Forest
• XGBoost
• LSTM
• GRU

同时绘制真实值与预测值曲线，分析不同模型在高峰用电、低负荷及特殊时期的表现。

八、这个数据集适合做毕业设计吗？

适合本科机器学习、深度学习、数据分析方向的毕业设计。

相比只有单一预测目标的数据集，包含多个校区、不同建筑物以及三种公用资源，能够支持较丰富的研究任务。

8.1 推荐研究方向

8.2 推荐毕业设计题目

1. 基于XGBoost的高校建筑用电量预测研究
2. 基于LSTM的校园电力负荷时间序列预测研究
3. 基于GRU的高校水资源消耗预测研究
4. 基于机器学习的多校区能源消耗预测方法研究
5. 基于多变量时间序列的高校能源需求预测研究
6. 基于Isolation Forest的校园能源异常消耗检测研究
7. 基于Transformer的高校建筑电力负荷预测研究
8. 基于UNICON数据集的多模型能源预测对比研究

对于本科毕业设计，比较推荐：

XGBoost + Random Forest + LSTM模型对比

选择其中一种资源作为预测目标，完成数据预处理、特征工程、模型训练和结果分析即可形成较完整的实验流程。

对于研究生课题，可以进一步研究多任务预测、跨校区迁移学习、异常检测或能源消耗分布变化等问题。