当前位置：首页 > news >正文

使用Python进行办公楼电能消耗数据的机器学习分析与预测

news 2024/10/27 21:00:27

一、数据集介绍

该数据集以Excel文件形式提供，包含两个子表：

Info：数据集的详细说明，包括设备类型、测量频率等信息。
Trend：办公楼的电能消耗时间序列数据，记录了不同设备在特定时间点的能耗值。

二、项目目标

本项目旨在探索办公楼的电能消耗特性，并尝试使用机器学习方法预测未来用电情况。我们将进行以下步骤：

数据清洗：处理缺失值、异常值等。
特征提取：从时间、设备类型等角度生成特征。
机器学习建模：构建用电量预测模型。
结果可视化：对预测结果进行可视化和解释。

三、数据处理与特征工程

1. 导入数据

我们使用pandas库加载Excel文件中的Trend表数据，查看数据的基本信息。

import pandas as pd# 加载数据
data = pd.read_excel('electricity_consumption.xlsx', sheet_name='Trend')
info = pd.read_excel('electricity_consumption.xlsx', sheet_name='Info')# 查看数据结构
print(data.head())
print(data.info())

2. 数据清洗

在探索数据时，可能会遇到缺失值或异常值。我们将填充缺失值并移除异常数据，以便后续分析。

# 检查缺失值
print(data.isnull().sum())# 使用前向填充填补缺失值
data.fillna(method='ffill', inplace=True)

3. 特征提取

为了捕捉用电规律，我们可以从时间、设备等维度提取特征：

时间特征：从时间戳中提取“小时”、“星期几”、“是否为工作日”等特征，以分析不同时间段的用电情况。
季节特征：将日期划分为四季，分析季节对空调等设备用电的影响。

# 提取时间特征
data['timestamp'] = pd.to_datetime(data['timestamp'])
data['hour'] = data['timestamp'].dt.hour
data['day_of_week'] = data['timestamp'].dt.dayofweek
data['is_weekday'] = data['day_of_week'].apply(lambda x: 1 if x < 5 else 0)

四、数据分析与可视化

在正式建模之前，我们可以通过可视化来探索数据特性，观察用电量随时间的变化规律。

1. 可视化不同时间段的用电量

通过绘制时间序列图，观察不同设备在一天内的用电波动。

import matplotlib.pyplot as plt
import seaborn as sns# 设置图形样式
sns.set(style="whitegrid")# 绘制不同设备的用电量变化
plt.figure(figsize=(14, 7))
sns.lineplot(x='timestamp', y='power_consumption', hue='device_type', data=data)
plt.title('Electricity Consumption Over Time by Device Type')
plt.xlabel('Time')
plt.ylabel('Power Consumption')
plt.legend(title='Device Type')
plt.xticks(rotation=45)
plt.show()

2. 可视化不同设备的季节性用电量

将数据按季节聚合，绘制不同设备在四季的用电分布。

# 添加季节特征
def get_season(month):if month in [12, 1, 2]:return 'Winter'elif month in [3, 4, 5]:return 'Spring'elif month in [6, 7, 8]:return 'Summer'else:return 'Fall'data['season'] = data['timestamp'].dt.month.apply(get_season)# 绘制不同季节的用电情况
plt.figure(figsize=(10, 6))
sns.boxplot(x='season', y='power_consumption', hue='device_type', data=data)
plt.title('Power Consumption by Season and Device Type')
plt.xlabel('Season')
plt.ylabel('Power Consumption')
plt.legend(title='Device Type')
plt.show()

五、机器学习建模

我们选择时间序列预测模型来预测未来用电量，常用的模型包括线性回归、随机森林回归和XGBoost等。我们将以随机森林回归为例，尝试建立模型预测未来用电量。

1. 准备训练数据

首先，将特征和标签分开，并划分训练集和测试集。

from sklearn.model_selection import train_test_split# 选择特征和标签
X = data[['hour', 'day_of_week', 'is_weekday', 'season']]
y = data['power_consumption']# 将季节转换为数值
X = pd.get_dummies(X, columns=['season'], drop_first=True)# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

2. 模型训练

使用随机森林回归模型训练数据。

from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_squared_error# 初始化模型并训练
model = RandomForestRegressor(n_estimators=100, random_state=42)
model.fit(X_train, y_train)# 预测并计算误差
y_pred = model.predict(X_test)
mse = mean_squared_error(y_test, y_pred)
print(f'Mean Squared Error: {mse}')

六、结果可视化与分析

1. 预测结果可视化

绘制实际值与预测值对比的折线图，直观展示模型预测的准确性。

plt.figure(figsize=(10, 6))
plt.plot(y_test.values, label='Actual')
plt.plot(y_pred, label='Predicted')
plt.title('Actual vs Predicted Power Consumption')
plt.xlabel('Test Sample Index')
plt.ylabel('Power Consumption')
plt.legend()
plt.show()