Magasinstatistikk

kyrre.nordhagen

Når politikere, analytikere eller andre skal forklare, eller bortforklare , kraftprisene henvises det ofte til magasinfyllingen i norske vannmagasiner. Nå er spørsmålet, vil vi ha nok vann til vinteren?

De underliggende dataene er enklere tilgjengelig enn hva mange kanskje tror. Norges vassdrags- og energidirektorat (NVE) har åpne API-er for disse datasettene som oppdateres ukentlig. I datakatalogen kan du finne veien til magasinstatistikk fra NVE. Mer informasjon om oppbyggingen av datasettet finnes her.

API-er for magasinstatistikk
Det er flere API-er fra denne statistikken. Her har vi to av de:

https://nvebiapi.nve.no/api/Magasinstatistikk/HentOffentligDataMinMaxMedian. API-et gir et datasett over minimum-, maksimum- og medianverdier.
https://nvebiapi.nve.no/api/Magasinstatistikk/HentOffentligData. API-et gir et datasett med ca. 13 000 rader med ukentlig oppdatering fra 1995.

Disse dataene kan benyttes for mange formål og fremstillinger. Nedenfor har jeg vist et par eksempler.

Eksempel: Utvikling av fyllingsgraden for hele landet så langt i år

I grafen ser vi utviklingen av fyllingsgraden for Norge i år, mot historisk minimums- og maksimumsnivåer. Vi ser at fyllingsgraden i dag er rett under 70% for landet samlet sett.

Eksempel: Store variasjoner i fyllingsgrad mellom de ulike områdene

Grafene viser fyllingsgraden for ulike prisområder i Norge. For Østlandet (NO1) og Sør-Norge (NO2), de to øverste grafene, er det historisk lav fyllingsgrad. Det er situasjonen her som har bidratt til spekulasjonene om vi har nok vann til vinteren. For Nord-Norge (NO4) derimot, er det historisk høy fyllingsgrad på 90%. Disse variasjonene er ett viktig element til de store prisforskjellene en har sett mellom nord og sør.

Grafene er utarbeidet i R, men kan følgelig utarbeides i mange andre verktøy. Legger ved koden for de siste eksemplet, som sikkert har rom for forbedringer.

#pakker(samlinger av funksjonalitet i R) for oppgaven NB! Må installeres først
library(jsonlite) 
library(tidyverse) #inneholder bl.a. ggplot2 som vi benytter for plot
library(httr)
library(gridExtra) #for flere plot
#1) Henter inn datasettene
dat1 <- "https://nvebiapi.nve.no/api/Magasinstatistikk/HentOffentligDataMinMaxMedian" %>%
 fromJSON() #datasett over min, max og median
 
dat2 <- "https://nvebiapi.nve.no/api/Magasinstatistikk/HentOffentligData" %>%
 fromJSON() #datasett over magasinfylling siden 1995 med ca 13000 rader

#2) Strukturerer data
df1 <- dat1[dat1$omrType %in% c("EL"), ]
df1 <- df1[,c(2,3,4,8)]
colnames(df1)<- c("omrnr","Uke", "min", "maks")
df1 <- gather(df1, Aar, fyllingsgrad, min:maks, factor_key = FALSE)

df2 <- dat2[dat2$omrType %in% c("EL"), ]
df2 <- df2[,(3:6)]
colnames(df2) <- c("omrnr","Aar","Uke","fyllingsgrad")
df2 <- df2[df2$Aar %in% c(2022), ] 
df2$Aar = paste0('yr', df2$Aar)

df3 <- bind_rows(df1, df2) #lager en tabell av df1 og df2

#3)Lager og formaterer plot (det som er felles). Benytter ggplot-pakken. 
p1 <- ggplot(df3, aes(x = Uke, y = fyllingsgrad*100, colour = Aar, size = Aar))+  
 labs(x= "Ukenummer", y = "Fyllingsgrad (%)", size = 0.7)+
 theme(panel.background = element_rect(fill="grey95"))+
 theme(legend.position = "bottom",legend.justification="top", legend.title = element_blank())+
 scale_x_continuous(breaks = seq(0, 52, by = 5))+
 scale_y_continuous(breaks = seq(0, 100, by = 10), limits = c(0,100))+
 scale_color_manual(values = c(maks = "black", yr2022 = "red", min = "black"))+
 scale_size_manual(name= "", values = c(maks = 0.7, yr2022 = 0.9, min = 0.7), guide = "none")

#4) Lager de ulike plotene (dataene er forskjellig) for de ulike prisomraadene:
NO1 <- p1 + 
 geom_line(data = df3[df3$omrnr %in% c(1), ], ) + 
 labs(title = "Magasinfylling i ulike prisomraader mot min- og maksimumsnivaer", subtitle =   "Prisomraade: NO1", caption = "")

NO2 <- p1 + 
 geom_line(data = df3[df3$omrnr %in% c(2),], ) + 
 labs(title = "", subtitle = "Prisomrade: NO2", caption = "")

NO3 <- p1 + 
 geom_line(data = df3[df3$omrnr %in% c(3), ], ) + 
 labs(title = "", subtitle = "Prisomrade: NO3", caption = "")

NO4 <- p1 + 
 geom_line(data = df3[df3$omrnr %in% c(4), ], ) + 
 labs(title = "", subtitle = "Prisomrade: NO4", caption = "Data: www.nve.no")

#5) De ulike plotene:   
grid.arrange(NO1,NO2,NO3, NO4, nrow=2, ncol=2)

livar.bergheim

@kyrre-nordhagen sa i Magasinstatistikk:

De underliggende dataene er enklere tilgjengelig enn hva mange kanskje tror. NVE har åpne API-er for disse datasettene som oppdateres ukentlig. I datakatalogen kan du finne veien til magasinstatistikk fra Norges vassdrags- og energidirektorat (NVE). Mer informasjon om oppbyggingen av datasettet finnes her.

Gjerne få på dei rette lenkene på teksten.

Liten pirk: endre til at NVE skrivast fullt ut første gangen, og så bruke forkortinga deretter.

De underliggende dataene er enklere tilgjengelig enn hva mange kanskje tror. Norges vassdrags- og energidirektorat (NVE) har åpne API-er for disse datasettene som oppdateres ukentlig. I datakatalogen kan du finne veien til magasinstatistikk fra NVE. Mer informasjon om oppbyggingen av datasettet finnes her.