Sánchez-Soriano, JavierPaniagua-Falo, Pedro JoseGómez Muñoz, Carlos Quiterio2025-12-222025-12-222025-03Sánchez-Soriano, J, Paniagua-Falo, P J & Gómez Muñoz, C Q 2025, 'Historical Hourly Information of Four European Wind Farms for Wind Energy Forecasting and Maintenance', Data, vol. 10, no. 3, 38. https://doi.org/10.3390/data100300382306-5729unpaywall: 10.3390/data10030038dblp: journals/data/SanchezSorianoPM25https://hdl.handle.net/10641/6888Publisher Copyright: © 2025 by the authors.Para una compañía eléctrica, resulta crucial disponer de una previsión precisa de la producción eléctrica esperada y del mantenimiento de sus parques eólicos. Esta información es esencial para operar en varios de los mercados existentes, como el Operador del Mercado Ibérico de Energía—Polo Español (OMIE), el Polo Portugués (OMIP) y el mercado eléctrico ibérico entre el Reino de España y la República Portuguesa (MIBEL), entre otros. La precisión de estas previsiones resulta vital para estimar los costes y beneficios de la gestión de la electricidad. Este artículo explica el proceso de creación del conjunto de datos completo, que incluye la adquisición de la información horaria de cuatro parques eólicos europeos, así como una descripción de la estructura y el contenido del conjunto de datos, que abarca 2 años de información horaria. Los parques eólicos se encuentran en tres países: Auvernia-Ródano-Alpes (Francia), Aragón (España) y la región del Piamonte (Italia). El conjunto de datos se construyó y validó siguiendo la metodología CRISP-DM, garantizando un enfoque estructurado y replicable para el procesamiento y la preparación de los datos. Para confirmar su fiabilidad, el conjunto de datos se probó mediante un modelo predictivo básico, demostrando su idoneidad para la previsión de energía eólica y la optimización del mantenimiento. El conjunto de datos presentado está disponible y accesible para mejorar la previsión y la gestión de parques eólicos, especialmente para la detección de averías y la elaboración de un plan de mantenimiento preventivo. Conjunto de datos: DOI: 10.5281/zenodo.10846754. URL: https://zenodo.org/records/1084674 (consultado el 17 de marzo de 2025). Licencia del conjunto de datos: CC-BY-4.0. [Traducción automática al español; idioma original: inglés.]For an electric company, having an accurate forecast of the expected electrical production and maintenance from its wind farms is crucial. This information is essential for operating in various existing markets, such as the Iberian Energy Market Operator—Spanish Hub (OMIE in its Spanish acronym), the Portuguese Hub (OMIP in its Spanish acronym), and the Iberian electricity market between the Kingdom of Spain and the Portuguese Republic (MIBEL in its Spanish acronym), among others. The accuracy of these forecasts is vital for estimating the costs and benefits of handling electricity. This article explains the process of creating the complete dataset, which includes the acquisition of the hourly information of four European wind farms as well as a description of the structure and content of the dataset, which amounts to 2 years of hourly information. The wind farms are in three countries: Auvergne-Rhône-Alpes (France), Aragon (Spain), and the Piemonte region (Italy). The dataset was built and validated following the CRISP-DM methodology, ensuring a structured and replicable approach to data processing and preparation. To confirm its reliability, the dataset was tested using a basic predictive model, demonstrating its suitability for wind energy forecasting and maintenance optimization. The dataset presented is available and accessible for improving the forecasting and management of wind farms, especially for the detection of faults and the elaboration of a preventive maintenance plan. Dataset: DOI: 10.5281/zenodo.10846754. URL: https://zenodo.org/records/1084674 (accessed on 17 March 2025). Dataset License: CC-BY-4.0.2141050enghttp://creativecommons.org/licenses/by-nc-nd/4.0/faultsforecastingpreventive maintenancerenewable energywind powerInformation SystemsComputer Science ApplicationsInformation Systems and ManagementSDG 7 - Affordable and Clean EnergyYesyesjournal articleopen access10.3390/data10030038https://www.scopus.com/pages/publications/105001292533https://www.scopus.com/pages/publications/105001292533#tab=citedBy