De invoergegevens bekijken

Forecasting-pijplijnen ontwerpen voor productie

Rami Krispin

Senior Manager, Data Science and Engineering

Uurlijkse elektriciteitsvraag in de VS

Tijdreeksplot met seizoenspatronen in elektriciteitsvraag per jaar

Seizoensanalyse

Tijdreeksplot met seizoenspatronen in elektriciteitsvraag per uur en per dag

Autocorrelatie-analyse

ACF-plot met dagelijkse en wekelijkse vertragingen

De EIA-API

EIA-website

De EIA-API

EIA-API

Geen API-sleutel nodig om deze cursus te voltooien 🎉

¹ https://www.eia.gov/opendata/

De EIA-API

import requests
import pandas as pd
import os

De EIA-API

import requests
import pandas as pd
import os

api_url = "https://api.eia.gov/v2/"
api_path = "electricity/rto/region-data/"

De EIA-API

import requests
import pandas as pd
import os

api_url = "https://api.eia.gov/v2/"
api_path = "electricity/rto/region-data/"
get_request = api_url + api_path + "data/&data[]=value"

print(get_request)

https://api.eia.gov/v2/electricity/rto/region-data/data/&data[]=value

De EIA-API

eia_api_key = os.getenv('EIA_API_KEY')

get_request = get_request + "?api_key=" + eia_api_key

eia_api_key is persoonlijk en moet van de EIA-website komen

¹ https://www.eia.gov/opendata/

De EIA-API

data = requests.get(get_request).json()
df = pd.DataFrame(data['response']['data'])

De EIA-API

data = requests.get(get_request).json()
df = pd.DataFrame(data['response']['data'])

print(df.head())

     period           respondent    respondent-name                              value
0    2022-04-06T07    AVA           Avista Corporation                           462894.0    
1    2024-04-06T07    AZPS          Arizona Public Service Company               463663.0    
2    2024-04-07T07    BANC          Balancing Authority of Northern California   464916.0    
3    2024-04-07T07    BPAT          Bonneville Power Administration              459376.0    
4    2024-04-07T07    CAL           California                                   441989.0

De EIA-API

EIA-API

¹ EIA API-website: https://www.eia.gov/opendata/ ² EIA API-dashboard: https://www.eia.gov/opendata/browser/

Datavoorbereiding

Data-indeling voor de pakketten statsforecast en mlforecast:

unique_id - serie-ID
ds - tijdstempel
y - waarden

df = pd.read_csv("data/data.csv")
ts = df[["period", "value"]]
ts["period"] = pd.to_datetime(ts["period"])
ts = ts.sort_values("period")

Datavoorbereiding

Data-indeling:

unique_id - serie-ID
ds - tijdstempel
y - waarden

ts = ts[["period", "value"]]
ts["period"] = pd.to_datetime(ts["period"])
ts = ts.sort_values("period")

ts = ts.rename(columns = {"period": "ds", "value": "y"})
ts["unique_id"] = 1

Datavoorbereiding

print(ts.head())

     ds                     y           unique_id
0    2022-04-06 23:00:00    462894.0    1
1    2022-04-07 00:00:00    463663.0    1
2    2022-04-07 01:00:00    464916.0    1
3    2022-04-07 02:00:00    459376.0    1
4    2022-04-07 03:00:00    441989.0    1

Laten we oefenen!

Forecasting-pijplijnen ontwerpen voor productie