能源消费总量是衡量一个国家或地区一定时期内能源需求规模与经济活动关联度的核心指标，覆盖工业、农业、交通运输、建筑、居民生活等所有领域的能源消费，包含一次能源（如原煤、原油、天然气）和二次能源（如电力、焦炭、热力），全面反映全社会的能源使用总量

本分享数据包含全国、各省份能源消费总量，其中全国能源消费总量时间跨度为1978-2024年，各省能源消费总量年份为1978-2023年，部分缺失数据采用线性插值方法进行填补，该数据可帮助相关研究者理解国家能源结构变迁、评估节能减排成效与制定区域能源政策


一、数据介绍

数据名称：全国及各省能源消费总量数据

数据年份：1978-2024年

数据范围：全国、省份

数据格式：面板数据，excel


二、数据指标

年份

地区

能源消费总量


三、数据概览

图2.png

 

图1.png



四、下载链接：https://download.csdn.net/download/T0620514/92211229

# 能源
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

cover

从零实现一个基于ReAct+RAG的智能问答Agent，我把踩过的坑都整理好了

avatar DAMO开发者矩阵

Hermes Agent 火了，我也把它从安装到飞书聊天跑了一遍

本文详细介绍了如何将Hermes Agent智能体框架接入飞书机器人，实现自动化任务处理。主要内容包括：Hermes Agent的核心功能（自主规划、工具调用等）、环境准备步骤、项目安装与配置、飞书机器人创建流程、服务启动方法以及实际对话示例。文章提供了完整的配置文件和可视化架构图，并针对常见问题给出解决方案。通过该方案，用户可在飞书中与智能体进行复杂任务交互，体验AI Agent的自动化能力。配

avatar DAMO开发者矩阵

【AI编程思考：第五篇】学习检索增强生成（RAG）——从原理到实战

本文系统介绍了检索增强生成（RAG）技术，帮助大型语言模型突破知识局限。主要内容包括：1）RAG核心原理：通过检索私有知识库获取相关片段，再交由LLM生成基于事实的回答；2）工作流程分索引（文档分块、嵌入向量、存储）和查询（语义检索、重排序、生成）两阶段；3）关键技术：嵌入向量实现语义计算、分块策略优化、向量数据库选择及混合搜索方案；4）实践建议：通过构建PDF聊天机器人项目掌握全流程，推荐4-6

avatar DAMO开发者矩阵