6. 한국전력거래소 17년간 발전실적 분석 및 향후 1년 예측[시계열데이터]
![6. 한국전력거래소 17년간 발전실적 분석 및 향후 1년 예측[시계열데이터]](https://github.com/HwangToeMat/HwangToeMat.github.io/blob/master/assets/img/thumbnail/dwp-7.png?raw=true)
2001년부터 2017년까지의 한국전력거래소의 발전실적을 시계열데이터로 나타내어 요일, 월, 년도별로 경향을 분석해보고 fbprophet을 이용하여 1년간 데이터를 예측해본다.
한국전력거래소 17년간 발전실적 분석및 예측
- 한국전력거래소의 2001년부터 2017년까지의 발전실적을 가져와 시간의 흐름에 따른 변화를 살펴보고 앞으로의 발전 실적에 대해 예측을 해본다.
- 시계열데이터를 fbprophet이라는 모듈을 사용하여 분석하여 예측해 본다.
import warnings
warnings.filterwarnings("ignore")
import pandas as pd
import pandas_datareader.data as web
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
from fbprophet import Prophet
from datetime import datetime
path = "c:/Windows/Fonts/malgun.ttf"
import platform
from matplotlib import font_manager, rc
if platform.system() == 'Darwin':
rc('font', family='AppleGothic')
elif platform.system() == 'Windows':
font_name = font_manager.FontProperties(fname=path).get_name()
rc('font', family=font_name)
else:
print('Unknown system... sorry~~~~')
plt.rcParams['axes.unicode_minus'] = False
electric_sending = pd.read_csv('../data/2001년_이후_일별_송전단실적_총합_정보.csv', engine= 'python')
electric_sending = electric_sending[electric_sending[' 송전단실적 합계(MWh)'].notnull()] # null 값 없애기
electric_sending.head()
| 년 | 월 | 일 | 송전단실적 합계(MWh) | |
|---|---|---|---|---|
| 0 | 2001 | 4 | 1 | 606955.2747 |
| 1 | 2001 | 4 | 2 | 719433.3379 |
| 2 | 2001 | 4 | 3 | 738837.1730 |
| 3 | 2001 | 4 | 4 | 727158.4834 |
| 4 | 2001 | 4 | 5 | 681998.4485 |
electric_sending['date'] = electric_sending['년'].apply(lambda x : str(x)) +'-' \
+ electric_sending['월'].apply(lambda x : str(x)) +'-' \
+ electric_sending['일'].apply(lambda x : str(x))
del electric_sending["년"]
del electric_sending["월"]
del electric_sending["일"]
electric_sending.head()
| 송전단실적 합계(MWh) | date | |
|---|---|---|
| 0 | 606955.2747 | 2001-4-1 |
| 1 | 719433.3379 | 2001-4-2 |
| 2 | 738837.1730 | 2001-4-3 |
| 3 | 727158.4834 | 2001-4-4 |
| 4 | 681998.4485 | 2001-4-5 |
electric_sending_1 = electric_sending.set_index("date")
electric_sending_1.head()
| 송전단실적 합계(MWh) | |
|---|---|
| date | |
| 2001-4-1 | 606955.2747 |
| 2001-4-2 | 719433.3379 |
| 2001-4-3 | 738837.1730 |
| 2001-4-4 | 727158.4834 |
| 2001-4-5 | 681998.4485 |
17년간 송전단실적 변화 추이를 그래프로 나타내어 본다
electric_sending_1[' 송전단실적 합계(MWh)'].plot(figsize=(12,9), grid=True,title = "17년간 송전단실적 변화 추이[2001년-2017년](단위:MWh)");
17년간의 데이터를 이용하여 선형 회귀 분석을 해본다
time = np.arange(0,len(electric_sending_1))
MWh = electric_sending_1[' 송전단실적 합계(MWh)'].values
fx = np.linspace(0, time[-1], 1000)
fp1 = np.polyfit(time, MWh, 1)
f1 = np.poly1d(fp1)
fp1
array([1.23816187e+02, 7.45179273e+05])
plt.figure(figsize=(15,10))
plt.scatter(time, MWh, s=10)
plt.plot(fx, f1(fx), lw=4, label='f1',c = 'red')
plt.xlabel("time")
plt.ylabel("송전실적(MWh)")
plt.grid(True, linestyle='-', color='0.75')
plt.show()
17년간의 데이터를 이용하여 2018년도의 송전량을 예측해본다.
df = pd.DataFrame({'ds':electric_sending["date"], 'y':electric_sending[' 송전단실적 합계(MWh)']})
df.reset_index(inplace=True)
df['ds'] = pd.to_datetime(df['ds'])
m = Prophet(yearly_seasonality=True, daily_seasonality=True)
m.fit(df)
<fbprophet.forecaster.Prophet at 0x2039e7f8940>
future = m.make_future_dataframe(periods=365)
future.tail()
| ds | |
|---|---|
| 6479 | 2018-12-27 |
| 6480 | 2018-12-28 |
| 6481 | 2018-12-29 |
| 6482 | 2018-12-30 |
| 6483 | 2018-12-31 |
forecast = m.predict(future)
forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].tail()
| ds | yhat | yhat_lower | yhat_upper | |
|---|---|---|---|---|
| 6479 | 2018-12-27 | 1.592441e+06 | 1.511890e+06 | 1.670860e+06 |
| 6480 | 2018-12-28 | 1.588012e+06 | 1.512791e+06 | 1.660921e+06 |
| 6481 | 2018-12-29 | 1.506943e+06 | 1.428594e+06 | 1.577516e+06 |
| 6482 | 2018-12-30 | 1.424124e+06 | 1.352407e+06 | 1.499014e+06 |
| 6483 | 2018-12-31 | 1.559662e+06 | 1.479290e+06 | 1.635239e+06 |
m.plot(forecast,xlabel = "year",ylabel="송전실적(MWh)");
예측한 그래프를 보면 2018년에도 그전과 비슷하게 상승하고 있는 것을 알 수 있다.
m.plot_components(forecast);
