[빅데이터] 연간/월간/시간당 전력 소비 패턴, 전력 소비 프로파일 작성하기

이번 실습에서는 2016년 1월 1일부터 12월 31일까지의 시간에 따른 전력소비량의 엑셀파일을 분석한다

이거야말로 BIGGGGGGGGG데이터 ㅎ

 

 

 

요렇게 생겨먹은 빅데이터를 stack 함수를 이용하여 세로로 길게(?) 출력한다

#df2를 세로로 쌓은 함수를 ts라고 정의할 것
ts = df2.stack()
ts

 

Result

 

 

 

인덱스의 색인도 변경한다.

#색인 변경
ts.index=pd.date_range('2016-01-01 00:00:00','2016-12-31 23:00:00',freq= '1h')

1/1 0시부터 12/31 23시까지 1시간 단위로 자른 값으로 사용한다.

 

 

---

이제 본격적으로 전력 소비 패턴을 분석한다.

 

1. 연간 전력 소비 패턴

plt.figure(figsize=(15,4))
ts.plot()
plt.xlabel('Time')
plt.ylabel('Power Consumption (Wh)')
plt.title('Annual Power Consumption pattern')
plt.grid()
plt.show()

 

 

 

예상대로 가장 더운 달인 8월에 전력소비량이 최대인 것을 확인할 수 있다

---

 

 

2. 해당 월의 전력 소비 패턴

plt.figure(figsize=(15,4))
ts['2016-08'].plot()
plt.xlabel('Time')
plt.ylabel('Power Consumption (Wh)')
plt.title('Monthly Power Consumption pattern')
plt.grid()
plt.show()

Datetime 이라는 Serial Data이기 때문에 ts[''] 형태로 쓸 수 있다.

프로그래밍 하다보면 느낌이 매트랩이랑 코드도 비슷하고 그래프 형태도 비슷하다

 

 

 

---

 

3. 해당 일의 전력 소비 패턴

plt.figure(figsize=(15,4))
ts['2016-08-16'].plot()
plt.xlabel('Time')
plt.ylabel('Power Consumption (Wh)')
plt.title('Daily Power Consumption pattern')
plt.grid()
plt.show()

 

 

정오쯤에 전력 소비량이 최대이다.

 

 

---

 

4. 특정 기간의 전력 소비 패턴

plt.figure(figsize=(15,4))
#Datetime 이라는 Serial Data이기 때문
ts['2016-08-01':'2016-08-05'].plot()
plt.xlabel('Time')
plt.ylabel('Power Consumption (Wh)')
plt.title('Power Consumption pattern(2016.08.01~05)')
plt.grid()
plt.show()

나머지 코드는 바꾸지 않고, ts안의 Datetime 에 :을 사용하여 범위를 지정할 수 있다.

8월 1일부터 8월 5일까지의 전력 소비 패턴을 plot 해보자.

 

 

 8월 5일로 갈 수록 전력 소비량이 늘기 시작했다.

더워졌나보다........ㅎ

 

---

 

5. 월별 소비 집계 패턴

plt.figure(figsize=(15,4))
ts.resample('M').max().plot(label='Peak')
ts.resample('M').mean().plot(label='Average')
ts.resample('M').min().plot(label='Baseline')
plt.xlabel('Time')
plt.ylabel('Power Consumption (Wh)')
plt.title('Monthly Aggregated Power Consumption pattern')
plt.grid()
plt.legend()
plt.show()

갑자기 생긴 저 legend는 와 ㄹㅈㄷ 레게노! 할때 그 레전드가 아닌 '범례'이다.

표현하고자 하는 물리량이 많을때 그래프에 붙여주는 이름이다.

plot(label='')의 따옴표에 해당하는 글자로 도시한 그래프에 이름이 생긴다.

 

 

우측 상단처럼 말이다 ㅇㅇ

 

---

 

6. 일별 소비 집계 패턴

plt.figure(figsize=(15,4))
ts.resample('D').max().plot(label='Peak')
ts.resample('D').mean().plot(label='Average')
ts.resample('D').min().plot(label='Baseline')
plt.xlabel('Time')
plt.ylabel('Power Consumption (Wh)')
plt.title('Daily Aggregaed Power Consumption pattern')
plt.grid()
plt.legend()
plt.show()

 

 

---

또, windows에서는 나눔고딕 한글 폴더도 지원한다고 하니 

폰트를 설정한다면 표의 글자들을 한글로 바꿀 수도 있다.

#시각화시 한글 폰트 지원
plt.rc('font',family='NanumGothic') #폰트설정, for Window
print(plt.rcParams['font.family'])

plt.figure(figsize=(15,4))
ts.resample('D').max().plot(label='Peak')
ts.resample('D').mean().plot(label='Average')
ts.resample('D').min().plot(label='Baseline')
plt.xlabel('Time')
plt.ylabel('Power Consumption (Wh)')
plt.title('일별 소비 집계 패턴')
plt.grid()
plt.legend()
plt.show()

 

 

한국어!!!!!!!!!!!

---

7. 연간 전력 소비 프로파일

plt.figure()
df2.mean().plot()
plt.xlabel('Hour')
plt.ylabel('Power Consumption (Wh)')
plt.title('Annual profile')
plt.grid()
plt.show()

mean 은 평균을 의미하므로 연간 평균적인 전력 소비량을 계산해서 plot 할 수 있다.

 

 

생긴게 뭔가 상형문자 같기도 하고 동물같기도 한 알 수 없는 그래프이지만

어찌됐건 해석해보면  20시 가량에 전력소비량이 최대라는 것이다.

 

---

8. 계절별 전력 소비 프로파일

plt.figure()
df2['2016-03':'2016-05'].mean().plot(label='Spring')
df2['2016-06':'2016-08'].mean().plot(label='Summer')
df2['2016-09':'2016-10'].mean().plot(label='Fall')
#데이터프레임 병합
pd.concat([df2['2016-11':'2016-12'],df2['2016-1':'2016-2']]).mean().plot(label='Winter')
plt.xlabel('Hour')
plt.ylabel('Power Consumption (Wh)')
plt.title('Annual profile')
plt.grid()
plt.legend()
plt.show()

 

 

이 코드를 작성하려면 봄 여름 가을 겨울이 무슨 월인지 알아야한다

3~5 봄

6~8 여름

9~10 가을

1~2, 11~12 겨울

 

사실 난 3개월씩 끊어서 계절 바뀌는지 알았는데 아니어서 충격..........

전기요금 납부할때도 이렇게 계절을 나눈다고...... 난 몰랐어

 

plt.figure()
df2['2016-03':'2016-05'].mean().plot(label='Spring')
df2['2016-06':'2016-08'].mean().plot(label='Summer')
df2['2016-09':'2016-10'].mean().plot(label='Fall')
#데이터프레임 병합
pd.concat([df2['2016-11':'2016-12'],df2['2016-1':'2016-2']]).mean().plot(label='Winter')
plt.xlabel('Hour')
plt.ylabel('Power Consumption (Wh)')
plt.title('Annual profile')
plt.grid()
plt.legend()
plt.show()

어쨋든 다른계절은 문제가 안되는데 겨울은 뚝 떨어져있어서 꽤 당황스러웠다.

이럴때는 데이터 프레임을 병합하는 작업이 필요한데, 이때 concat 이라는 함수가 사용된다. 

 

concat([''],[''])

이 두 값을 병합하면 이어진 표처럼 간주된다.

 

 

Result

 

 

역시.......

모두의 예상대로 여름에 가장 전력 소비량이 높았다. 에어컨 때문이겠지!

그리고 20시 넘어서 사용량이 많은것도 열대야때문에 다들 에어컨 틀고자서라고 추측해본다.ㅋㅋㅋㅋㅋ

---

나름 흥미진진한 실습이었다.......

에너지 IoT 수업때 스마트 플러그 만드는데 사용이 될 지도 모르니 잘 공부해둬야겠다.