데이터 : 전력거래소 시간대별 수요량 데이터, 연료원별 거래량 데이터 활용 기간 : 2021년

import numpy as np
import pandas as pd
from datetime import datetime, date
import datetime

import matplotlib.pyplot as plt
import seaborn as sns

plt.rcParams['figure.figsize'] = (14, 9)
plt.rcParams['font.family'] = 'Malgun Gothic'
plt.rcParams['font.size'] = 12
plt.rcParams['axes.unicode_minus']

True

# (2021년) 에너지원별 누적 그래프
def energy_type_stack():
    data = pd.read_excel('연료원별 전력거래량_2021.xlsx')
    # [행 : 거래시간, 열 : 연료원]으로 변환
    table = pd.pivot_table(data, values='전력거래량(MWh)', index='거래시간', columns='연료원')

    temp_col = ['원자력', '유연탄', 'LNG', '무연탄', 'IGCC',  'LPG', '가스압', '경유', '기타', '매립가스',  '바이오가스',
     '바이오매스', '바이오중유', '부생가스', '소수력', '수력', '양수', '연료전지',   '중유', '태양광', '폐기물', '풍력', '해양에너지']
    table = table[temp_col] # 거래량 비중이 높은 에너지원별로 재정렬 (상위 : 원전, 유언탄, LNG까지만)

    table.plot(kind='area', stacked=True) # 누적 그래프
    plt.grid()
    plt.ylabel('평균 전력거래량(MWh)')
    plt.title('시간대별 에너지원별 평균 전력거래량(MWh)')
    plt.show()

energy_type_stack()

df = pd.read_excel('시간별 전력수요량_2013_2021.xlsx', index_col=[0], parse_dates=True)
df

# (2021년) 시간대별 전력피크 횟수 계산
def count_peak_month_2021(data):
    data = data['2021'] # 2021년만 선택
    data = data.idxmax(axis=1) # 하루 중 최고값을 기록한 시간을 추출
    data = data.to_frame()
    data['month'] = data.index.month
    data.columns = ['peak_hour', 'month']
    #print(data)

    total = pd.DataFrame(index=data.columns)

    for idx in data['month'].unique():
        month = data[data['month'] == idx] # 월별 데이터

        peak_hour = month['peak_hour'].value_counts() # 'peak' 컬럼에 있는 값별 count
        peak_hour = pd.DataFrame(peak_hour)

        total = pd.concat([total, peak_hour], axis=1) # 월별로 계속 결합

    total.columns = data['month'].unique() # 전체 월을 컬럼으로 변경
    total = total.fillna(0) # 피크가 기록되지 않은 시간대의 Nan 값을 0으로 변경
    total = total.T.drop(['month', 'peak_hour'], axis=1) # 행/열 전환
    total = total.stack().reset_index() # 열('시간')을 행으로 전환하고, idnex를 reset
    total.columns = ['month', 'hour', 'count'] # 컬럼명 변경

    sns.barplot(data=total, x='month', y='count', hue='hour') # 멀티 막대 그래프 그리기

    plt.grid()
    plt.ylabel('시간대별 전력피크 횟수')
    plt.title('2021년 월별/시간대별 전력피크 횟수')
    plt.show()

count_peak_month_2021(df.copy())

# (2021년) 부하율 그래프 그리는 함수(일반 라인, 월별 4분위)
def load_factor(data):
    data = data['2021'].copy() # 2021년 데이터만 추출
    data['LF'] = data.mean(axis=1) / data.max(axis=1) * 100 # 일별 부하율 산정

    data['LF'].plot() # 부하율 라인그래프 그리기
    plt.grid()
    plt.ylabel('부하율(%)')
    plt.title('2021년도 일별 부하율(%)')
    plt.show()

    data['month'] = data.index.month
    data4 = data[['LF', 'month']]
    #print(data4.head())

    data4.boxplot(column='LF', by='month') # 월별로 부하율을 4분위 그래프 그리기
    plt.ylabel('부하율(%)')
    plt.title('부하율(%) 4분위 그래프')
    plt.show()

load_factor(df.copy())

# (2021년) 연간 시간대별, 요일별, 주별 그래프 그리기
def EDA_2021(data):
    data = data['2021'].copy()  # 2021년 데이터만 추출
    stack_df = data.stack()

    stack_df = stack_df.reset_index()
    stack_df.columns = ['date', 'hour', 'pcon']
    stack_df['dayofweek'] = stack_df['date'].dt.dayofweek
    stack_df['weekofyear'] = stack_df['date'].dt.weekofyear
    #print(stack_df)

    sns.pairplot(stack_df, x_vars=['hour'], y_vars='pcon', hue='hour', height=5, plot_kws={'alpha':0.1, 'linewidth':0})
    plt.ylabel('전력소비량(MWh)')
    plt.suptitle('연간 시간대별 전력소비량(MWh) 분포')
    plt.grid()
    plt.show()

    sns.pairplot(stack_df, x_vars=['dayofweek'], y_vars='pcon', hue='hour', height=5, plot_kws={'alpha': 0.1, 'linewidth': 0})
    plt.ylabel('전력소비량(MWh)')
    plt.suptitle('연간 요일별/시간대별 전력소비량(MWh) 분포(월, 화, 수, 목, 금, 토, 일)')
    plt.grid()
    plt.show()

    sns.pairplot(stack_df, x_vars=['weekofyear'], y_vars='pcon', hue='hour', height=5, plot_kws={'alpha': 0.1, 'linewidth': 0})
    plt.ylabel('전력소비량(MWh)')
    plt.suptitle('연간 주별/시간대별 전력소비량(MWh) 분포')
    plt.grid()
    plt.show()

EDA_2021(df.copy())

# (2021년) 일, 월 전력소비량
def simple_EDA_2021(data):
    df_day = data['2021'].copy() # 2021년 데이터 추출
    df_day['sum'] = df_day.sum(axis=1) # 일별 전력소비량 합계 구함

    df_day['sum'].plot()
    plt.grid()
    plt.ylabel('전력소비량(MWh)')
    plt.title('2021년 일별 전력소비량(MWh)')
    plt.show()

    df_month = data['2021'].copy() # 2021년 데이터 추출
    df_month['sum'] = df_month.sum(axis=1) # 일별 전력소비량 합계 구함
    df_month['month'] = df_month.index.month
    grp_month = df_month.groupby('month')['sum'].sum()/1000 # 월별 전력소비량 합계 구함

    grp_month.plot(kind='bar')
    plt.grid()
    plt.ylabel('전력소비량(GWh)')
    plt.title('2021년 월별 전력소비량(GWh)')
    plt.show()

simple_EDA_2021(df.copy())

	1시	2시	3시	4시	5시	6시	7시	8시	9시	10시	...	15시	16시	17시	18시	19시	20시	21시	22시	23시	24시
날짜
2013-01-01	60178	57862	56165	55135	54450	54401	54147	52467	50469	49572	...	49213	49357	50362	53115	55205	55437	55348	55790	58195	59330
2013-01-02	57067	55148	53983	53571	54027	55388	57753	60781	66494	70869	...	72228	71945	72641	73387	72294	69989	67893	66504	67435	69275
2013-01-03	66263	64233	63194	62461	62649	63396	65098	67745	72982	75999	...	75576	75168	75791	75922	75469	73118	70769	68726	69593	71346
2013-01-04	68403	66143	65051	64245	64152	64678	66494	68851	73835	76175	...	74977	74275	74909	75344	74504	71957	69715	68155	68948	70834
2013-01-05	68053	65801	64439	63437	63135	63250	63658	63441	65640	66806	...	64767	63613	63095	63230	64253	63353	62455	62314	64350	66687
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
2021-12-27	66465	64473	63140	62540	63122	65025	69117	76487	86054	87590	...	88435	89654	90708	88653	85067	81527	78245	74696	73048	74217
2021-12-28	71059	68940	67701	67076	67184	68598	72033	78270	86809	88717	...	87226	87627	88077	85978	83052	80011	77035	73589	71856	72875
2021-12-29	69651	67276	65941	65136	65534	66910	70309	75972	84106	85966	...	82446	82500	83608	82009	79711	77646	75511	72342	70829	71882
2021-12-30	68581	66406	65155	64639	65121	66804	70225	75906	83494	83012	...	81928	83044	84564	82901	80604	78216	76176	73142	71610	72472
2021-12-31	69373	67187	65955	65431	65798	67226	70163	75036	81748	81729	...	73706	74401	75972	75798	74578	72976	71602	69383	68874	70123