728x90

프로그래밍 세계를 탐구합시다.

< 미래 1인당 전력소비량 예측, 전기세 예측, 전기 단가 계산기 >

데이터 출처

https://epsis.kpx.or.kr/epsisnew/selectEkesKepChart.do?menuId=010100

전력통계정보시스템 (EPSIS)

전력지표 HOME > 주요지표 > 전력지표 그래프 선그래프 막대그래프 구분 발전설비 총발전량 전력량/손실량 최대/평균전력 기타 세부구분 Help Image 기간 2022 2021 2020 2019 2018 2017 2016 2015 2014 2013 2012 201

epsis.kpx.or.kr

In [1]:

import pandas as pd

In [2]:

import matplotlib.pyplot as plt

1인당 전력 사용량¶

In [3]:

file_path = "./data/poweruse_total.csv"
df_poweruse_year = pd.read_csv(file_path, encoding='euc-kr')
df_poweruse_year

Out[3]:

	연도	발전설비	Unnamed: 2	Unnamed: 3	Unnamed: 4	Unnamed: 5	총발전량	Unnamed: 7	Unnamed: 8	Unnamed: 9	...	Unnamed: 18	최대전력(발전단)(MW)	평균전력(MW)	부하율(%)	이용율(%)	열효율(%)	평균판매단가(원/kWh)	고객호수(천호)	종업원수(명)	인구1인당 소비전력량(kWh/명)
0	NaN	수력(MW)	화력(MW)	원자력(MW)	자가용(MW)	총계(MW)	수력(GWh)	화력(GWh)	원자력(GWh)	자가용(GWh)	...	수요성장률(%)	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
1	2022.0	6513.123	80337.494	24650	5290.079	138194.755	7256.228	362201.282	176054.012	30650.791	...	2.718	94509.0	67853.923	71.796	49.1002	41.65	120.507	24866.375	23563.0	10652.0798
2	2021.0	6541.335	80847.494	23250	5423.617	138482.028	6737.434	370750.105	158015.23	26152.804	...	4.744	91141.0	65845.832	72.246	49.1310	41.53	108.110	24523.304	23288.0	10330.0370
3	2020.0	6505.768	80330.174	23250	4464.139	133391.583	7148.249	347157.194	160183.721	24783.489	...	-2.2	89091.0	62859.991	70.600	48.7000	41.14	109.800	24198.304	20970.0	9826.0000
4	2019.0	6508.103	80478.222	23250	4410.161	129091.579	6247.064	377844.247	145909.669	23407.545	...	-1.074	90314.0	64274.007	71.167	51.2810	40.70	108.658	23860.032	20531.0	10039.0000
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
74	1949.0	0	0	0	0	230.059	0	0	0	0	...	0	115.0	74.763	65.000	0.0000	0.00	0.000	0.000	0.0	0.0000
75	1948.0	0	0	0	0	226.059	0	0	0	0	...	0	122.0	79.007	65.000	0.0000	0.00	0.000	0.000	0.0	0.0000
76	1947.0	0	0	0	0	199.159	0	0	0	0	...	0	146.0	94.607	65.000	0.0000	0.00	0.000	0.000	0.0	0.0000
77	1946.0	0	0	0	0	199.159	0	0	0	0	...	0	119.0	77.183	65.000	0.0000	0.00	0.000	0.000	0.0	0.0000
78	1945.0	0	0	0	0	199.159	0	0	0	0	...	0	115.0	81.202	71.000	0.0000	0.00	0.000	0.000	0.0	0.0000

79 rows × 28 columns

In [4]:

### 결측치가 있는지 정보 확인하기
df_poweruse_year.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 79 entries, 0 to 78
Data columns (total 28 columns):
 #   Column              Non-Null Count  Dtype  
---  ------              --------------  -----  
 0   연도                  78 non-null     float64
 1   발전설비                79 non-null     object 
 2   Unnamed: 2          79 non-null     object 
 3   Unnamed: 3          79 non-null     object 
 4   Unnamed: 4          79 non-null     object 
 5   Unnamed: 5          79 non-null     object 
 6   총발전량                79 non-null     object 
 7   Unnamed: 7          79 non-null     object 
 8   Unnamed: 8          79 non-null     object 
 9   Unnamed: 9          79 non-null     object 
 10  Unnamed: 10         79 non-null     object 
 11  소내전력량               79 non-null     object 
 12  Unnamed: 12         79 non-null     object 
 13  양수용전력량(GWh)         78 non-null     float64
 14  송전단전력량(GWh)         78 non-null     float64
 15  송배전손실량              79 non-null     object 
 16  Unnamed: 16         79 non-null     object 
 17  판매전력량               79 non-null     object 
 18  Unnamed: 18         79 non-null     object 
 19  최대전력(발전단)(MW)       78 non-null     float64
 20  평균전력(MW)            78 non-null     float64
 21  부하율(%)              78 non-null     float64
 22  이용율(%)              78 non-null     float64
 23  열효율(%)              78 non-null     float64
 24  평균판매단가(원/kWh)       78 non-null     float64
 25  고객호수(천호)            78 non-null     float64
 26  종업원수(명)             78 non-null     float64
 27  인구1인당 소비전력량(kWh/명)  78 non-null     float64
dtypes: float64(12), object(16)
memory usage: 17.4+ KB

In [5]:

# 필요한 열만 추출
df_poweruse_selected = df_poweruse_year[['연도', '인구1인당 소비전력량(kWh/명)']].copy()
df_poweruse_selected

Out[5]:

	연도	인구1인당 소비전력량(kWh/명)
0	NaN	NaN
1	2022.0	10652.0798
2	2021.0	10330.0370
3	2020.0	9826.0000
4	2019.0	10039.0000
...	...	...
74	1949.0	0.0000
75	1948.0	0.0000
76	1947.0	0.0000
77	1946.0	0.0000
78	1945.0	0.0000

79 rows × 2 columns

In [6]:

# 첫 행 제거
df_poweruse_selected = df_poweruse_selected.drop(0)
df_poweruse_selected

Out[6]:

	연도	인구1인당 소비전력량(kWh/명)
1	2022.0	10652.0798
2	2021.0	10330.0370
3	2020.0	9826.0000
4	2019.0	10039.0000
5	2018.0	10195.0000
...	...	...
74	1949.0	0.0000
75	1948.0	0.0000
76	1947.0	0.0000
77	1946.0	0.0000
78	1945.0	0.0000

78 rows × 2 columns

In [16]:

df_poweruse_selected = df_poweruse_selected[(df_poweruse_selected['연도'] >= 1955) & (df_poweruse_selected['연도'] <= 2022)]
print(df_poweruse_selected)

        연도  인구1인당 소비전력량(kWh/명)
1   2022.0          10652.0798
2   2021.0          10330.0370
3   2020.0           9826.0000
4   2019.0          10039.0000
5   2018.0          10195.0000
..     ...                 ...
64  1959.0            140.0000
65  1958.0            173.0000
66  1957.0            139.0000
67  1956.0              0.0000
68  1955.0              0.0000

[68 rows x 2 columns]

In [17]:

### 기초통계확인 : 이상치 데이터 확인하기
df_poweruse_selected.describe

Out[17]:

<bound method NDFrame.describe of         연도  인구1인당 소비전력량(kWh/명)
1   2022.0          10652.0798
2   2021.0          10330.0370
3   2020.0           9826.0000
4   2019.0          10039.0000
5   2018.0          10195.0000
..     ...                 ...
64  1959.0            140.0000
65  1958.0            173.0000
66  1957.0            139.0000
67  1956.0              0.0000
68  1955.0              0.0000

[68 rows x 2 columns]>

전력 가격¶

In [9]:

file_path = "./data/poweruse_total.csv"
df_powerprice_year = pd.read_csv(file_path, encoding='euc-kr')
df_powerprice_year

Out[9]:

	연도	발전설비	Unnamed: 2	Unnamed: 3	Unnamed: 4	Unnamed: 5	총발전량	Unnamed: 7	Unnamed: 8	Unnamed: 9	...	Unnamed: 18	최대전력(발전단)(MW)	평균전력(MW)	부하율(%)	이용율(%)	열효율(%)	평균판매단가(원/kWh)	고객호수(천호)	종업원수(명)	인구1인당 소비전력량(kWh/명)
0	NaN	수력(MW)	화력(MW)	원자력(MW)	자가용(MW)	총계(MW)	수력(GWh)	화력(GWh)	원자력(GWh)	자가용(GWh)	...	수요성장률(%)	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
1	2022.0	6513.123	80337.494	24650	5290.079	138194.755	7256.228	362201.282	176054.012	30650.791	...	2.718	94509.0	67853.923	71.796	49.1002	41.65	120.507	24866.375	23563.0	10652.0798
2	2021.0	6541.335	80847.494	23250	5423.617	138482.028	6737.434	370750.105	158015.23	26152.804	...	4.744	91141.0	65845.832	72.246	49.1310	41.53	108.110	24523.304	23288.0	10330.0370
3	2020.0	6505.768	80330.174	23250	4464.139	133391.583	7148.249	347157.194	160183.721	24783.489	...	-2.2	89091.0	62859.991	70.600	48.7000	41.14	109.800	24198.304	20970.0	9826.0000
4	2019.0	6508.103	80478.222	23250	4410.161	129091.579	6247.064	377844.247	145909.669	23407.545	...	-1.074	90314.0	64274.007	71.167	51.2810	40.70	108.658	23860.032	20531.0	10039.0000
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
74	1949.0	0	0	0	0	230.059	0	0	0	0	...	0	115.0	74.763	65.000	0.0000	0.00	0.000	0.000	0.0	0.0000
75	1948.0	0	0	0	0	226.059	0	0	0	0	...	0	122.0	79.007	65.000	0.0000	0.00	0.000	0.000	0.0	0.0000
76	1947.0	0	0	0	0	199.159	0	0	0	0	...	0	146.0	94.607	65.000	0.0000	0.00	0.000	0.000	0.0	0.0000
77	1946.0	0	0	0	0	199.159	0	0	0	0	...	0	119.0	77.183	65.000	0.0000	0.00	0.000	0.000	0.0	0.0000
78	1945.0	0	0	0	0	199.159	0	0	0	0	...	0	115.0	81.202	71.000	0.0000	0.00	0.000	0.000	0.0	0.0000

79 rows × 28 columns

In [10]:

### 결측치가 있는지 정보 확인하기
df_powerprice_year.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 79 entries, 0 to 78
Data columns (total 28 columns):
 #   Column              Non-Null Count  Dtype  
---  ------              --------------  -----  
 0   연도                  78 non-null     float64
 1   발전설비                79 non-null     object 
 2   Unnamed: 2          79 non-null     object 
 3   Unnamed: 3          79 non-null     object 
 4   Unnamed: 4          79 non-null     object 
 5   Unnamed: 5          79 non-null     object 
 6   총발전량                79 non-null     object 
 7   Unnamed: 7          79 non-null     object 
 8   Unnamed: 8          79 non-null     object 
 9   Unnamed: 9          79 non-null     object 
 10  Unnamed: 10         79 non-null     object 
 11  소내전력량               79 non-null     object 
 12  Unnamed: 12         79 non-null     object 
 13  양수용전력량(GWh)         78 non-null     float64
 14  송전단전력량(GWh)         78 non-null     float64
 15  송배전손실량              79 non-null     object 
 16  Unnamed: 16         79 non-null     object 
 17  판매전력량               79 non-null     object 
 18  Unnamed: 18         79 non-null     object 
 19  최대전력(발전단)(MW)       78 non-null     float64
 20  평균전력(MW)            78 non-null     float64
 21  부하율(%)              78 non-null     float64
 22  이용율(%)              78 non-null     float64
 23  열효율(%)              78 non-null     float64
 24  평균판매단가(원/kWh)       78 non-null     float64
 25  고객호수(천호)            78 non-null     float64
 26  종업원수(명)             78 non-null     float64
 27  인구1인당 소비전력량(kWh/명)  78 non-null     float64
dtypes: float64(12), object(16)
memory usage: 17.4+ KB

In [11]:

### 기초통계확인 : 이상치 데이터 확인하기
df_poweruse_year.describe

Out[11]:

<bound method NDFrame.describe of         연도      발전설비 Unnamed: 2 Unnamed: 3 Unnamed: 4  Unnamed: 5      총발전량  \
0      NaN    수력(MW)     화력(MW)    원자력(MW)    자가용(MW)      총계(MW)   수력(GWh)   
1   2022.0  6513.123  80337.494      24650   5290.079  138194.755  7256.228   
2   2021.0  6541.335  80847.494      23250   5423.617  138482.028  6737.434   
3   2020.0  6505.768  80330.174      23250   4464.139  133391.583  7148.249   
4   2019.0  6508.103  80478.222      23250   4410.161  129091.579  6247.064   
..     ...       ...        ...        ...        ...         ...       ...   
74  1949.0         0          0          0          0     230.059         0   
75  1948.0         0          0          0          0     226.059         0   
76  1947.0         0          0          0          0     199.159         0   
77  1946.0         0          0          0          0     199.159         0   
78  1945.0         0          0          0          0     199.159         0   

    Unnamed: 7  Unnamed: 8 Unnamed: 9  ... Unnamed: 18 최대전력(발전단)(MW)  \
0      화력(GWh)    원자력(GWh)   자가용(GWh)  ...    수요성장률(%)           NaN   
1   362201.282  176054.012  30650.791  ...       2.718       94509.0   
2   370750.105   158015.23  26152.804  ...       4.744       91141.0   
3   347157.194  160183.721  24783.489  ...        -2.2       89091.0   
4   377844.247  145909.669  23407.545  ...      -1.074       90314.0   
..         ...         ...        ...  ...         ...           ...   
74           0           0          0  ...           0         115.0   
75           0           0          0  ...           0         122.0   
76           0           0          0  ...           0         146.0   
77           0           0          0  ...           0         119.0   
78           0           0          0  ...           0         115.0   

     평균전력(MW)  부하율(%)   이용율(%) 열효율(%) 평균판매단가(원/kWh)   고객호수(천호)  종업원수(명)  \
0         NaN     NaN      NaN    NaN           NaN        NaN      NaN   
1   67853.923  71.796  49.1002  41.65       120.507  24866.375  23563.0   
2   65845.832  72.246  49.1310  41.53       108.110  24523.304  23288.0   
3   62859.991  70.600  48.7000  41.14       109.800  24198.304  20970.0   
4   64274.007  71.167  51.2810  40.70       108.658  23860.032  20531.0   
..        ...     ...      ...    ...           ...        ...      ...   
74     74.763  65.000   0.0000   0.00         0.000      0.000      0.0   
75     79.007  65.000   0.0000   0.00         0.000      0.000      0.0   
76     94.607  65.000   0.0000   0.00         0.000      0.000      0.0   
77     77.183  65.000   0.0000   0.00         0.000      0.000      0.0   
78     81.202  71.000   0.0000   0.00         0.000      0.000      0.0   

    인구1인당 소비전력량(kWh/명)  
0                  NaN  
1           10652.0798  
2           10330.0370  
3            9826.0000  
4           10039.0000  
..                 ...  
74              0.0000  
75              0.0000  
76              0.0000  
77              0.0000  
78              0.0000  

[79 rows x 28 columns]>

In [12]:

# 필요한 열만 추출
df_powerprice_year_selected = df_powerprice_year[['연도', '평균판매단가(원/kWh)']].copy()
df_powerprice_year_selected

Out[12]:

	연도	평균판매단가(원/kWh)
0	NaN	NaN
1	2022.0	120.507
2	2021.0	108.110
3	2020.0	109.800
4	2019.0	108.658
...	...	...
74	1949.0	0.000
75	1948.0	0.000
76	1947.0	0.000
77	1946.0	0.000
78	1945.0	0.000

79 rows × 2 columns

In [13]:

# '평균판매단가(원/kWh)'이 0이 아닌 행 선택
df_powerprice_year_selected_cleaned = df_powerprice_year_selected[df_powerprice_year_selected['평균판매단가(원/kWh)'] != 0]

# 변경된 데이터프레임 확인
print(df_powerprice_year_selected_cleaned)

        연도  평균판매단가(원/kWh)
0      NaN            NaN
1   2022.0        120.507
2   2021.0        108.110
3   2020.0        109.800
4   2019.0        108.658
..     ...            ...
64  1959.0          8.000
65  1958.0          8.000
66  1957.0          8.000
67  1956.0          3.000
68  1955.0          3.000

[69 rows x 2 columns]

In [14]:

# 첫 행 제거
df_powerprice_year_selected_cleaned = df_powerprice_year_selected_cleaned.drop(0)
df_powerprice_year_selected_cleaned

Out[14]:

	연도	평균판매단가(원/kWh)
1	2022.0	120.507
2	2021.0	108.110
3	2020.0	109.800
4	2019.0	108.658
5	2018.0	108.748
...	...	...
64	1959.0	8.000
65	1958.0	8.000
66	1957.0	8.000
67	1956.0	3.000
68	1955.0	3.000

68 rows × 2 columns

In [15]:

# 데이터 타입 변경 (연도는 정수, 인구1인당 소비전력량은 실수)
df_powerprice_year_selected_cleaned['연도'] = df_powerprice_year_selected_cleaned['연도'].astype(int)
df_powerprice_year_selected_cleaned['평균판매단가(원/kWh)'] = pd.to_numeric(df_powerprice_year_selected_cleaned['평균판매단가(원/kWh)'])
df_powerprice_year_selected_cleaned

Out[15]:

	연도	평균판매단가(원/kWh)
1	2022	120.507
2	2021	108.110
3	2020	109.800
4	2019	108.658
5	2018	108.748
...	...	...
64	1959	8.000
65	1958	8.000
66	1957	8.000
67	1956	3.000
68	1955	3.000

68 rows × 2 columns

In [18]:

import numpy as np

In [19]:

# 데이터프레임에서 describe 메서드를 호출하여 기초 통계 정보를 확인
description_poweruse = df_poweruse_selected.describe()

In [23]:

# 2015년에 사용한 전력량 계산
power_consumption_2015 = df_poweruse_selected.loc[df_poweruse_selected['연도'] == 2015, '인구1인당 소비전력량(kWh/명)'].values[0]

power_consumption_2015

Out[23]:

9555.177

In [25]:

# 전력판매단가 데이터프레임에서 2015년의 평균 전력판매단가 추출
average_price_2015 = df_powerprice_year_selected_cleaned.loc[df_powerprice_year_selected_cleaned['연도'] == 2015, '평균판매단가(원/kWh)'].values[0]
average_price_2015

Out[25]:

111.575

In [28]:

# 2015년에 사용한 전력량 * 평균 전력판매단가 계산
total_cost_2015 = power_consumption_2015 * average_price_2015
total_cost_2015

Out[28]:

1066118.873775

In [29]:

# 전력판매단가 데이터프레임에서 2022년의 평균 전력판매단가 추출
average_price_2022 = df_powerprice_year_selected_cleaned.loc[df_powerprice_year_selected_cleaned['연도'] == 2022, '평균판매단가(원/kWh)'].values[0]
average_price_2022

Out[29]:

120.507

In [30]:

# 2015년에 사용한 전력량 * 평균 전력판매단가 계산
total_cost_2015 = power_consumption_2015 * average_price_2015

# 2022년 평균 전력판매단가
average_price_2022 = df_powerprice_year_selected_cleaned.loc[df_powerprice_year_selected_cleaned['연도'] == 2022, '평균판매단가(원/kWh)'].values[0]

# x 계산
x = total_cost_2015 / average_price_2022

print(f"x의 값: {x}")

x의 값: 8846.945602952524

In [32]:

# 2015년에 사용한 전력량 계산
power_consumption_2022 = df_poweruse_selected.loc[df_poweruse_selected['연도'] == 2022, '인구1인당 소비전력량(kWh/명)'].values[0]

power_consumption_2022

Out[32]:

10652.0798

In [35]:

# 전기세 얼마 올랐다!
# 2015년 평균 전력판매단가
average_price_2015 = df_powerprice_year_selected_cleaned.loc[df_powerprice_year_selected_cleaned['연도'] == 2015, '평균판매단가(원/kWh)'].values[0]

# 2022년 평균 전력판매단가
average_price_2022 = df_powerprice_year_selected_cleaned.loc[df_powerprice_year_selected_cleaned['연도'] == 2022, '평균판매단가(원/kWh)'].values[0]

# 차이 계산
price_difference = average_price_2015 - average_price_2022

print(f"2015년과 2022년의 평균판매단가 차이: {price_difference} 원/kWh")

2015년과 2022년의 평균판매단가 차이: -8.932000000000002 원/kWh

In [36]:

# 사용량 얼마 올랐다!

# 2022년 사용량
usage_2022 = df_poweruse_selected.loc[df_poweruse_selected['연도'] == 2022, '인구1인당 소비전력량(kWh/명)'].values[0]

# 2015년 사용량
usage_2015 = df_poweruse_selected.loc[df_poweruse_selected['연도'] == 2015, '인구1인당 소비전력량(kWh/명)'].values[0]

# 차이 계산
usage_difference = usage_2022 - usage_2015

print(f"2015년과 2022년의 사용량 차이: {usage_difference} kWh/명")

2015년과 2022년의 사용량 차이: 1096.9027999999998 kWh/명

In [39]:

# 같은양(2015)의 전력을 사용하려면?
# x 만큼 더 비싸게 지출해야 한다!

# 2015년 전력 비용
total_cost_2015 = power_consumption_2015 * average_price_2015

# 2022년 전력 비용
total_cost_2022 = power_consumption_2015 * average_price_2022

# 두 비용의 차이 계산
cost_difference = total_cost_2022 - total_cost_2015

print(f"2015년 전력 비용: {total_cost_2015} 원")
print(f"2022년 전력 비용: {total_cost_2022} 원")
print(f"두 비용의 차이만큼 덜 써야 합니다!: {cost_difference} 원")

2015년 전력 비용: 1066118.873775 원
2022년 전력 비용: 1151465.714739 원
두 비용의 차이만큼 덜 써야 합니다!: 85346.84096399997 원

In [97]:

# 2022년 사용량 기준
# 2022년 사용량 기준으로 입력년도의 전기세를 곱하면?

def calculate_power_cost_difference(year):
        # 입력값을 1955년부터 2022년 사이의 값으로 제한
    if year < 1955 or year > 2022:
        print("1955년과 2022년 사이의 값만 입력할 수 있습니다.")
        return
    
    # 입력받은 연도의 전력량
    usage = df_poweruse_selected.loc[df_poweruse_selected['연도'] == year, '인구1인당 소비전력량(kWh/명)'].values[0]
    
    # 2022년의 전력 비용
    total_cost_2022 = power_consumption_2022 * average_price_2022
    
    # 입력받은 연도의 전력판매단가
    average_price_year = df_powerprice_year_selected_cleaned.loc[df_powerprice_year_selected_cleaned['연도'] == year, '평균판매단가(원/kWh)'].values[0]
    
    # 입력받은 연도의 전력 비용
    total_cost_year = power_consumption_2022 * average_price_year
    
    # 두 비용의 차이 계산
    cost_difference = total_cost_year - total_cost_2022
    
     # 비용 차이의 절대값 계산 및 소숫점 첫째 자리에서 반올림
    absolute_cost_difference = round(abs(cost_difference))
    
    # 소숫점 첫째 자리에서 반올림하여 출력
    total_cost_2022 = round(total_cost_2022)
    total_cost_year = round(total_cost_year)
    
    print(f"2022년 전력 비용: {total_cost_2022} 원")
    print(f"{year}년 전력 비용: {total_cost_year} 원")
    
    if cost_difference < 0:
        print(f"2022년과 {year}년의 전력 비용 차이: {year}년에 비해 2022년의 전기세가 {absolute_cost_difference}원 상승하였습니다.")
    else:
        print(f"2022년과 {year}년의 전력 비용 차이: {year}년에 비해 2022년의 전기세가 {absolute_cost_difference}원 하락하였습니다.")

# 함수 호출 예시
calculate_power_cost_difference(2021)

2022년 전력 비용: 1283650 원
2021년 전력 비용: 1151596 원
2022년과 2021년의 전력 비용 차이: 2021년에 비해 2022년의 전기세가 132054원 상승하였습니다.

In [88]:

calculate_power_cost_difference(2011)

2022년 전력 비용: 1283650 원
2011년 전력 비용: 951444 원
2022년과 2011년의 전력 비용 차이: 전기세가 332206 원 상승하였습니다.

In [37]:

#2015년에는 이만큼 썼다!

# 2015년 전력 비용
total_cost_2015 = power_consumption_2015 * average_price_2015
print(f"2015년 전력 비용: {total_cost_2015} 원")

2015년 전력 비용: 1066118.873775 원

In [38]:

#2022년에는 이만큼 썼다!

# 2022년 전력 비용
total_cost_2022 = power_consumption_2022 * average_price_2022
print(f"2022년 전력 비용: {total_cost_2022} 원")

2015년 전력 비용: 1283650.1804586 원

In [41]:

# 이만큼 더 많이 내고 있다!!

# 2015년 전력 비용
total_cost_2015 = power_consumption_2015 * average_price_2015

# 2022년 전력 비용
total_cost_2022 = power_consumption_2022 * average_price_2022

# 두 비용의 차이 계산
cost_difference = total_cost_2022 - total_cost_2015

print(f"2015년 전력 비용: {total_cost_2015} 원")
print(f"2022년 전력 비용: {total_cost_2022} 원")
print(f"이만큼 비싸졌습니다!: {cost_difference} 원")

2015년 전력 비용: 1066118.873775 원
2022년 전력 비용: 1283650.1804586 원
이만큼 비싸졌습니다!: 217531.30668359995 원

In [98]:

# 2022년 사용량, 전기세 기준
# 2022년 사용량 * 전기세 - 입력년도 사용량 * 전기세

def calculate_power_total_cost_difference(year):
        # 입력값을 1955년부터 2022년 사이의 값으로 제한
    if year < 1955 or year > 2022:
        print("1955년과 2022년 사이의 값만 입력할 수 있습니다.")
        return
    
     # 2022년의 전력 비용
    total_cost_2022 = power_consumption_2022 * average_price_2022
    
    # 입력받은 연도의 전력량
    usage_year = df_poweruse_selected.loc[df_poweruse_selected['연도'] == year, '인구1인당 소비전력량(kWh/명)'].values[0]
    
    # 입력받은 연도의 전력판매단가
    average_price_year = df_powerprice_year_selected_cleaned.loc[df_powerprice_year_selected_cleaned['연도'] == year, '평균판매단가(원/kWh)'].values[0]
    
    # 입력받은 연도의 전력 비용
    total_cost_year = usage_year * average_price_year
    
    # 두 비용의 차이 계산
    cost_difference = total_cost_2022 - total_cost_year
    
    # 비용 차이의 절대값 계산 및 소숫점 첫째 자리에서 반올림
    absolute_cost_difference = round(abs(cost_difference))
    
    # 소숫점 첫째 자리에서 반올림하여 출력
    total_cost_2022 = round(total_cost_2022)
    total_cost_year = round(total_cost_year)
    
    print(f"2022년 전력세 비용: {total_cost_2022} 원")
    print(f"{year}년 전력세 비용: {total_cost_year} 원")
    
    if cost_difference < 0:
        print(f"2022년과 {year}년의 전력세 비용 차이: {year}년에 비해 2022년에 전기료를 {absolute_cost_difference}원 덜 지출하고 있습니다.")
    else:
        print(f"2022년과 {year}년의 전력세 비용 차이: {year}년에 비해 2022년에 전기료를 {absolute_cost_difference}원 더 지출하고 있습니다.")

# 함수 호출 예시
calculate_power_total_cost_difference(2021)

2022년 전력세 비용: 1283650 원
2021년 전력세 비용: 1116780 원
2022년과 2021년의 전력세 비용 차이: 2021년에 비해 2022년에 전기료를 166870원 더 지출하고 있습니다.

1인당 전력소비량 예측¶

In [113]:

import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error
import matplotlib.pyplot as plt


# 한글 폰트 설정
from matplotlib import font_manager, rc
plt.rc("font", family = "Malgun Gothic")


# 데이터 준비
years = df_poweruse_selected['연도'].values.reshape(-1, 1)
consumption = df_poweruse_selected['인구1인당 소비전력량(kWh/명)'].values

# 선형 회귀 모델 학습
model = LinearRegression()
model.fit(years, consumption)

# 향후 연도 생성 (2023년부터 2070년까지)
future_years = np.arange(2023, 2071).reshape(-1, 1)

# 향후 연도에 대한 예측
predicted_consumption = model.predict(future_years)


predicted_consumption

Out[113]:

array([ 9773.25567785,  9951.63324879, 10130.01081972, 10308.38839066,
       10486.7659616 , 10665.14353253, 10843.52110347, 11021.89867441,
       11200.27624534, 11378.65381628, 11557.03138721, 11735.40895815,
       11913.78652909, 12092.16410002, 12270.54167096, 12448.91924189,
       12627.29681283, 12805.67438377, 12984.0519547 , 13162.42952564,
       13340.80709657, 13519.18466751, 13697.56223845, 13875.93980938,
       14054.31738032, 14232.69495125, 14411.07252219, 14589.45009313,
       14767.82766406, 14946.205235  , 15124.58280593, 15302.96037687,
       15481.33794781, 15659.71551874, 15838.09308968, 16016.47066061,
       16194.84823155, 16373.22580249, 16551.60337342, 16729.98094436,
       16908.35851529, 17086.73608623, 17265.11365717, 17443.4912281 ,
       17621.86879904, 17800.24636997, 17978.62394091, 18157.00151185])

In [112]:

# 예측 결과 시각화
plt.figure(figsize=(10, 6))
plt.scatter(years, consumption, label='실제 데이터')
plt.plot(future_years, predicted_consumption, label='예측 결과', color='red', linestyle='--')
plt.xlabel('연도')
plt.ylabel('인구1인당 소비전력량(kWh/명)')
plt.title('인구1인당 소비전력량 예측')
plt.legend()
plt.show()

No description has been provided for this image

In [132]:

import numpy as np
from sklearn.linear_model import LinearRegression

def calculate_consumption_increase_percentage(year):
    # 입력값을 1955년부터 2070년 사이의 값으로 제한
    if year < 1955 or year > 2070:
        print("1955년과 2070년 사이의 값만 입력할 수 있습니다.")
        return
    
    # 입력받은 연도에 대한 소비전력량 예측
    predicted_consumption = model.predict(np.array([[year]]))[0]
    
    # 2022년의 소비전력량
    consumption_2022 = model.predict(np.array([[2022]]))[0]
    
    # 소비전력량 상승액 계산
    increase_amount = predicted_consumption - consumption_2022
    
    # 소비전력량 상승률 계산
    increase_percentage = (increase_amount / consumption_2022) * 100
    
    print(f"2022년의 소비전력량은 {consumption_2022:.2f} kWh/명이고, {year}년의 예상 소비전력량은 {predicted_consumption:.2f} kWh/명입니다.")
    print(f"{year}년의 예상 소비전력량은 2022년 대비 {increase_percentage:.2f}% 상승합니다.")

# 함수 호출 예시
calculate_consumption_increase_percentage(2030)

2022년의 소비전력량은 9594.88 kWh/명이고, 2030년의 예상 소비전력량은 11021.90 kWh/명입니다.
2030년의 예상 소비전력량은 2022년 대비 14.87% 상승합니다.

In [ ]:

전기세 예측¶

In [109]:

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt

# 한글 폰트 설정
from matplotlib import font_manager, rc
plt.rc("font", family="Malgun Gothic")

# 주어진 데이터
years_existing = df_powerprice_year_selected_cleaned['연도'].values.reshape(-1, 1)
average_prices_existing = df_powerprice_year_selected_cleaned['평균판매단가(원/kWh)'].values

# 선형 회귀 모델 학습
model_existing = LinearRegression()
model_existing.fit(years_existing, average_prices_existing)

# 향후 연도 생성 (2023년부터 2070년까지)
future_years = np.arange(2023, 2071).reshape(-1, 1)

# 향후 연도에 대한 예측
predicted_average_prices_existing = model_existing.predict(years_existing)
predicted_average_prices_future = model_existing.predict(future_years)

predicted_average_prices_future

Out[109]:

array([116.4880079 , 118.31886107, 120.14971424, 121.98056741,
       123.81142058, 125.64227375, 127.47312692, 129.30398009,
       131.13483326, 132.96568643, 134.7965396 , 136.62739277,
       138.45824594, 140.28909911, 142.11995228, 143.95080545,
       145.78165863, 147.6125118 , 149.44336497, 151.27421814,
       153.10507131, 154.93592448, 156.76677765, 158.59763082,
       160.42848399, 162.25933716, 164.09019033, 165.9210435 ,
       167.75189667, 169.58274984, 171.41360301, 173.24445618,
       175.07530935, 176.90616252, 178.73701569, 180.56786886,
       182.39872203, 184.2295752 , 186.06042837, 187.89128154,
       189.72213471, 191.55298788, 193.38384105, 195.21469422,
       197.04554739, 198.87640056, 200.70725373, 202.5381069 ])

In [108]:

# 시각화
plt.figure(figsize=(12, 6))

# 실제 데이터 그래프
plt.scatter(years_existing, average_prices_existing, label='실제 데이터', color='blue')

# 회귀분석 결과 그래프
plt.plot(years_existing, predicted_average_prices_existing, label='회귀분석 결과 (과거)', color='green', linestyle='--')

# 미래 예측 그래프
plt.plot(future_years, predicted_average_prices_future, label='회귀분석 결과 (미래)', color='red', linestyle='--')

plt.xlabel('연도')
plt.ylabel('평균판매단가(원/kWh)')
plt.title('평균판매단가 예측')
plt.legend()
plt.grid(True)
plt.show()

In [133]:

# 전기세 미래 예측 함수

import numpy as np
from sklearn.linear_model import LinearRegression

def calculate_percentage_increase(year):
    # 입력값을 1955년부터 2022년 사이의 값으로 제한
    if year < 1955 or year > 2070:
        print("1955년과 2070년 사이의 값만 입력할 수 있습니다.")
        return
    
    # 입력받은 연도에 대한 전기세 예측
    predicted_price = model_existing.predict(np.array([[year]]))[0]
    
    # 2022년의 전기세
    price_2022 = model_existing.predict(np.array([[2022]]))[0]
    
    # 전기세 상승액 계산
    increase_amount = predicted_price - price_2022
    
    # 전기세 상승률 계산
    increase_percentage = (increase_amount / price_2022) * 100
    
    print(f"2022년의 전기세는 {price_2022:.2f} 원이고, {year}년의 예상 전기세는 {predicted_price:.2f} 원입니다.")
    print(f"{year}년의 예상 전기세는 2022년 대비 {increase_percentage:.2f}% 상승합니다.")

# 함수 호출 예시
calculate_percentage_increase(2030)

2022년의 전기세는 114.66 원이고, 2030년의 예상 전기세는 129.30 원입니다.
2030년의 예상 전기세는 2022년 대비 12.77% 상승합니다.

In [ ]:

미래의 소비전력량 * 전기세¶

In [134]:

import numpy as np
from sklearn.linear_model import LinearRegression

# 2022년의 전기세 및 소비전력량 예측
price_2022 = model_existing.predict(np.array([[2022]]))[0]
consumption_2022 = model.predict(np.array([[2022]]))[0]
power_cost_2022 = price_2022 * consumption_2022

def calculate_total_power_cost(year):
    # 입력값을 1955년부터 2070년 사이의 값으로 제한
    if year < 1955 or year > 2070:
        print("1955년과 2070년 사이의 값만 입력할 수 있습니다.")
        return
    
    # 입력받은 연도에 대한 전기세 예측
    predicted_price = model_existing.predict(np.array([[year]]))[0]
    
    # 입력받은 연도에 대한 소비전력량 예측
    predicted_consumption = model.predict(np.array([[year]]))[0]
    
    # 전기세 * 소비전력량으로 전기료 계산
    total_power_cost = predicted_price * predicted_consumption
    
    print(f"{year}년의 예상 전기세는 {predicted_price:.2f} 원이고, 예상 소비전력량은 {predicted_consumption:.2f} kWh/명입니다.")
    print(f"{year}년의 예상 전기료는 약 {total_power_cost:.2f} 원입니다.")
    print(f"2022년의 전기세는 {price_2022:.2f} 원이고, 소비전력량은 {consumption_2022:.2f} kWh/명입니다.")
    print(f"2022년의 전기료는 약 {power_cost_2022:.2f} 원입니다.")

 # 상승률 계산
    increase_percentage = ((total_power_cost - power_cost_2022) / power_cost_2022) * 100
    
    print(f"{year}년의 예상 전기료는 2022년도의 전기료에 비해 {increase_percentage:.2f}% 상승합니다.")
    
    return total_power_cost


# 함수 호출 예시
calculate_total_power_cost(2060)

2060년의 예상 전기세는 184.23 원이고, 예상 소비전력량은 16373.23 kWh/명입니다.
2060년의 예상 전기료는 약 3016432.43 원입니다.
2022년의 전기세는 114.66 원이고, 소비전력량은 9594.88 kWh/명입니다.
2022년의 전기료는 약 1100121.42 원입니다.
2060년의 예상 전기료는 2022년도의 전기료에 비해 174.19% 상승합니다.

Out[134]:

3016432.434236781

In [ ]:

728x90

저작자표시 비영리 변경금지

'IT > Python' 카테고리의 다른 글

[Python] 머신러닝 01_생선구분하기_K최근접이웃모델 (6)	2023.12.20
[Python] 조선일보 사이트 '전기세' 키워드 기사 제목 수집 웹크롤링 (데이터 전처리 및 시각화 워드클라우드 시각화) (6)	2023.12.19
[Python] 파이 차트 그리기 (2022 에너지원별 비율, 컬럼 띄우기, 간격 만들기, 색 지정하기) (0)	2023.12.15
[Python] 데이터프레임 정리 (2)	2023.12.14
[Python] 4. Daum 다음 영화 사이트 데이터 수집 웹크롤링 (데이터 전처리 및 시각화 워드클라우드 시각화) (2)	2023.12.13

🦖 ITyranno 아이티라노

[Python] 미래 1인당 전력소비량 예측, 전기세 예측, 함수 생성, 회귀분석 그래프, 전기 단가 계산기

< 미래 1인당 전력소비량 예측, 전기세 예측, 전기 단가 계산기 >

1인당 전력 사용량¶

전력 가격¶

1인당 전력소비량 예측¶

전기세 예측¶

미래의 소비전력량 * 전기세¶

'IT > Python' 카테고리의 다른 글

티스토리툴바

[Python] 미래 1인당 전력소비량 예측, 전기세 예측, 함수 생성, 회귀분석 그래프, 전기 단가 계산기

< 미래 1인당 전력소비량 예측, 전기세 예측, 전기 단가 계산기 >

1인당 전력 사용량¶

전력 가격¶

1인당 전력소비량 예측¶

전기세 예측¶

미래의 소비전력량 * 전기세¶

'IT > Python' 카테고리의 다른 글

관련글

티스토리툴바