التنبؤ بتوليد الكهرباء النظيفه فى مصر فى 2026وتحليلها من 2016الى 2025

import pandas as pd

import matplotlib.pyplot as plt

from autots import AutoTS

# 1. تحميل البيانات من ملف CSV

df = pd.read_csv(r"C:\Users\AbdoM.DESKTOP-66G0QS0\OneDrive\Desktop\EGY_Generation_clean.csv",parse_dates=True)

df.tail(5)

#'Electricity generation [Clean] (TWh)'

df['Date']=pd.to_datetime(df['Date'],errors='coerce')

model = AutoTS(

forecast_length=3,

frequency='infer',

num_validations=1,

max_generations=2,

transformer_list='fast',

model_list='superfast',

ensemble='simple',

random_seed=42,

)

df = df[['Date','Electricity generation [Clean] (TWh)']].rename(columns={'Date':'date','Electricity generation [Clean] (TWh)':'value'})

# 3️⃣ تحويل السنة إلى تاريخ

df['date'] = pd.to_datetime(df['date'], )

# 4️⃣ التأكد أن القيمة رقمية (إزالة أي نصوص أو فراغات)

df['value'] = pd.to_numeric(df['value'], errors='coerce')

# 5️⃣ حذف أي صفوف فيها قيم مفقودة

df = df.dropna()

# 6️⃣ تشغيل AutoTS على السلسلة الزمنية

model = AutoTS(

forecast_length=18, # عدد السنوات للتنبؤ

frequency='infer', # البيانات سنوية

ensemble='simple', # نوع النموذج

model_list="fast",max_generations=3,num_validations=2,random_seed=42 # قائمة النماذج

)

model = model.fit(df, date_col='date', value_col='value')

prediction = model.predict()

forecast= prediction.forecast

# 7️⃣ عرض التنبؤات

print("Forecasted values:")

print(prediction.forecast)

رسم واظهار الارقام الحقيقية والمتوقعة 2026

import matplotlib.pyplot as plt

plt.figure(figsize=(20,3))

plt.plot(df['date'],df['value'],label='actual')

plt.plot(forecast.index,forecast['value'],label='forecast')

plt.title('forecast generation')

plt.legend()

plt.tight_layout()

plt.show()