[PYTHON] Acquisition de la consommation d'énergie passée Kansai Electric Power Edition

introduction

Je donnais un séminaire sur les prévisions de consommation électrique et j'ai entendu dire qu'il était difficile de l'obtenir car le format de la consommation électrique passée publiée par chaque compagnie d'électricité est différent. Par conséquent, je résumerai la méthode d'acquisition des données pour chaque compagnie d'électricité.

À propos, les compagnies d'électricité cibles sont Hokkaido power, Tohoku power, Tokyo power, Hokuriku power, Chubu power, Kansai power, China power, Shikoku power, Kyushu power, Okinawa power, et cette fois, je traiterai du pouvoir du Kansai. ..

Remarque: la répétition d'un grand nombre de téléchargements mettra le serveur à rude épreuve, veuillez donc essayer de ne télécharger qu'une seule fois ou pour une période limitée.

Environnement d'exploitation

Cela fonctionne dans un environnement appelé Colaboratory par Google.

Colaboratory

Site Internet

Il semble que vous puissiez télécharger les données à partir du site Web suivant.

Avis de fourniture et de demande d'électricité pour le transport et la distribution d'électricité au Kansai

Télécharger

python

for y in range(2016, 2020):
  for m in range(1,13):
    url = "https://www.kansai-td.co.jp/yamasou/{:04}{:02}_jisseki.zip".format(y, m)
    print(url)
    !wget $url

from glob import glob

files = glob("*.zip")
files.sort()

for f in files:
  !unzip $f

Lire et visualiser

python

from glob import glob
import pandas as pd

files = glob("2*.csv")
files.sort()

df_juyo = pd.DataFrame()

for f in files:
  print("\r", f, end="")
  try:
    df = pd.read_csv(f, encoding="Shift_JIS", skiprows=10, nrows=24)
    d = df.DATE + " " + df.TIME
  except:
    df = pd.read_csv(f, encoding="Shift_JIS", skiprows=16, nrows=24)
  #df.tail(25)
  #df.head()
  df_juyo = pd.concat([df_juyo, df])

print(df_juyo.shape)
print(df_juyo.columns)

df_juyo.index = pd.to_datetime(df_juyo["DATE"] + " " + df_juyo["TIME"])
df_juyo = df_juyo.sort_index()

df_juyo["Résultats du jour(10 000 kW)"].plot(figsize=(15,5))

l'a fait!

En raison de la grande population de la région, c'est forcément une région qui consomme beaucoup d'électricité.

En regardant la quantité d'électricité utilisée, vous remarquez de nombreuses choses. C'est tout pour Kimura de la scène.

Supplément

La personne qui a lu l'article m'a demandé: "Cela prend trop de temps, alors que dois-je faire si je veux les données rapidement?", J'ai donc décidé de vendre les données pendant un certain temps. Si vous êtes intéressé par les données, veuillez consulter l'URL suivante.

https://ticket.tsuku2.jp/eventsDetail.php?ecd=16260900020422