" - la production d'électricité à partir d'énergies renouvelables se caractérise par une forte variabilité annuelle. On observe une forte variabilité (min vs max) de ces productions sur la période considérée. Pour confirmation, on observera l'évolution intra-annuelle.\n",
" - L'évolution du potentiel de production éolien semble avoir ete plus imortant que celui du solaire (différence min-max)."
" - la consommation d'électricité est plus faible lors du week-end, mais avec un écart qu'on aurait supposé pls important avec les autres jours de la semaine.\n",
" cru plus imortantdans une proportion à partir d'énergies renouvelables se caractérise par une forte variabilité annuelle. On observe une forte variabilité (min vs max) de ces productions sur la période considérée. Pour confirmation, on observera l'évolution intra-annuelle.\n",
" - L'évolution du potentiel de production éolien semble avoir ete plus imortant que celui du solaire (différence min-max)."
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"L'analyse de saisonnalité peut également être conduite par l'[autocorrelation_plot](https://pandas.pydata.org/pandas-docs/stable/user_guide/visualization.html) comme nous le verrons dans quelques instants"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": []
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"## Evolution au cours dela période considérée"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"**NB_1:** afin d'obtenir une visualisation plus apropriée des évolutions annuelles, nous allons modifier la fréquence des données (**resample**) en passant d'une fréquence quotidienne à une fréquence mensuelle (**downsampling**) \n",
"**NB_2:** la donnée mensuelle sera notifiée \"nan\" si pour la colonne considérée, le mois comporte moins de 28 données (*min-count=28*)"
" * la part de la production électrique \"renouvelable\" dans la consommation globale d'électrcité est passée de 20% en 2013 à 28% en 2020 \n",
" * personnellement assez surpris par la part de la production électrique renouvelable dans la consommation électrique globale. légère surestimation ? La production hydroélectrique y est pour beaucoup"
]
},
{
"cell_type": "code",
"execution_count": null,
...
...
@@ -116,6 +599,83 @@
"outputs": [],
"source": []
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"## Tendances"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"**NB_1** utilisons la moyenne mobile (**methode *rolling()***) pour visualiser les tendances d'évolution de chaque production \"renouvelbale\" au cours des années \n",
"**NB_2:** examinons les moyennes mobiles sur la saisonnalité annuelle"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Création de la colonne \"renouvlables\", cumul des productions hydro+éolien+solaire+bio"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"elec_df['renouvelables'] = [w+x+y+z for w,x,y,z in zip(elec_df['hydrau'], elec_df['solaire'], elec_df['eolien'],\n",
" ax.set_title(f\"Tendance de la production électrique renouvelable (moyenne mobile annuelle)\")\n",
" plt.grid(axis='y', c='gainsboro');"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"**Conclusion:** \n",
" * la production d'électricité \"renouvelable\" augmente au cours des années, conformément aux annonces politiques \n",
" * le principal contributeur de cette hausee est l'énergie éolienne et dans une moindre mesure la production éolienne et les bioénergies \n",
" * la production hydroélectrique a tendance à régresser au cours des années (lien avec la fréquence des sécheresses sur la même période ?) mais participe toujours à hauteur de 50% dans la production d'électricité renouvelable."
