Défi Open Data University - Diagnostics des Performances Energétiques - Niveau Confirmé
https://defis.data.gouv.fr/defis/diagnostics-de-performance-energetique
Analyse des Consommations Énergétiques et du DPE à Abbeville
Projet d'analyse des performances énergétiques des logements à Abbeville
Données : Open Data Enedis & Ademe
Technologies utilisées :
Python, Pandas, Matplotlib, Seaborn, Scikit-learn
Objectif du Projet: Evaluation de l’impact de la classe de Diagnostic de Performance Énergétique (DPE) sur la consommation réelle d’électricité des logements à Abbeville.
Il s’agit de : Comparer les estimations du DPE avec les consommations réelles issues des données Enedis. Identifier les facteurs influençant la consommation énergétique : isolation, surface, type de chauffage, etc. Visualiser les tendances et interpréter les écarts entre théorie et réalité.
Structure du Projet
Données sources :
dpe-v2-logements-existants.csv
[https://defis.data.gouv.fr/datasets/6347fc2859c3545c0c28005d](https://data.ademe.fr/datasets/dpe-v2-logements-existants)
→ Données des DPE des logements existants (source Ademe).
consommation-annuelle-residentielle-par-adresse.csv
https://data.enedis.fr/explore/dataset/consommation-annuelle-residentielle-par-adresse/information/
→ Données de consommation énergétique par adresse (source Enedis).
donnees_abbeville.csv
→ Données filtrées pour Abbeville.
donnees_2023.csv → Données spécifiques pour Abbeville en 2023.
Notebooks d’analyse :
Préparation des données
préparation-données-dpe-abbeville.ipynb
Filtrage des données DPE et Enedis pour Abbeville. Normalisation et fusion des adresses en utilisant l'API de la Base Adresse Nationale
url = "https://api-adresse.data.gouv.fr/search/"
https://defis.data.gouv.fr/datasets/5530fbacc751df5ff937dddb
Filtrage sur Abbeville, puis sur l’année 2023.
Analyse des consommations pour 2023
prédictions-dpe-abbeville-2023.ipynb
Étude des consommations réelles des logements pour 2023. Visualisation des tendances par classe DPE. Premières prédictions et étude de la pertinence des variables.
Analyse globale sans filtre temporel
prédictions-dpe-abbeville.ipynb
Résumé des Résultats
Le type d’énergie principale de chauffage est le facteur le plus influent sur la consommation d’énergie. Les déperditions thermiques et la qualité de l’isolation jouent un rôle clé. La surface habitable a un fort impact sur la consommation;
Améliorations Possibles
Ce projet peut être amélioré en :
Ajoutant d’autres modèles de prédiction pour mieux expliquer les écarts DPE/consommation. Testant des méthodes de sélection de variables pour optimiser les prédictions. Enrichissant la base de données avec d’autres sources d’information (météo, équipements, etc.). Les analyses détaillées et interprétations sont disponibles dans les notebooks. Ceci est un projet de niveau confirmé, il permet la pratique des différentes étapes d'un projet d'analyse de données: préparation de données, analyse exploratoire, prédictions.
Auteur : Basak Basbunar