Update app.py

app.py

@@ -1,118 +1,137 @@
-import streamlit as st
-import pandas as pd
-import joblib
-import numpy as np
-import plotly.graph_objects as go
-
-# --- SAYFA AYARLARI ---
-st.set_page_config(page_title="Energy AI Predictor", layout="wide", page_icon="⚡")
-
-# --- MODELLERİ YÜKLE ---
-@st.cache_resource
-def load_assets():
-    try:
-        # Dosya isimleri terminalindeki çıktıyla birebir aynı:
-        m1 = joblib.load('electricity_model.pkl') 
-        m2 = joblib.load('model.pkl')
-        sc = joblib.load('scaler.pkl')
-        return m1, m2, sc
-    except Exception as e:
-        st.error(f"Dosya Yükleme Hatası (Loading Error): {e}")
-        return None, None, None
-
-model1, model2, scaler = load_assets()
-
-if model1 is None or model2 is None or scaler is None:
-    st.warning("Model dosyaları (.pkl) bulunamadı! Lütfen dosyaların app.py ile aynı klasörde olduğundan emin olun.")
-    st.stop()
-
-# --- SIDEBAR / YAN PANEL ---
-with st.sidebar:
-    st.title("🌐 Language / Dil")
-    lang = st.radio("", ["Türkçe", "English"])
-    ln = "tr" if lang == "Türkçe" else "en"
-    
-    st.header("📊 " + ("Parametreler" if ln=="tr" else "Parameters"))
-    hour = st.slider("Saat (Hour)", 0, 23, 12)
-    sys_load = st.number_input("System Load (EP2)", value=3500.0)
-    wind_prod = st.number_input("Wind Production", value=800.0)
-    
-    st.subheader("⏳ " + ("Trendler" if ln=="tr" else "Trends"))
-    lag1 = st.number_input("Lag 1 (1h ago)", value=75.0)
-    lag24 = st.number_input("Lag 24 (24h ago)", value=70.0)
-    lag168 = st.number_input("Lag 168 (1 week ago)", value=65.0)
-
-# --- TAHMİN FONKSİYONU (23 SÜTUNA TAMAMLAYAN KRİTİK KISIM) ---
-def make_prediction(load, wind, hr, l1, l24, l168):
-    # Scaler 23 sütun beklediği için eğitimdeki sütun sırasına göre diziyoruz
-    features = [
-        0, 1, 20, 15, 4, 2024, 24, # Dummy: Holiday, DayOfWeek, Week, Day, Month, Year, Period
-        wind * 1.05,               # ForecastWindProduction
-        load * 1.1,                # SystemLoadEA
-        70, 18, 12, 250,           # SMPEA, Temp, Windspeed, CO2
-        wind,                      # ActualWindProduction (Input)
-        load,                      # SystemLoadEP2 (Input)
-        hr,                        # hour (Input)
-        15, 4,                     # day, month
-        np.sin(2*np.pi*hr/23),     # hour_sin
-        np.cos(2*np.pi*hr/23),     # hour_cos
-        l1, l24, l168              # Lag1, Lag24, Lag168 (Input)
-    ]
-    
-    feat_array = np.array([features])
-    scaled_feat = scaler.transform(feat_array)
-    p1 = model1.predict(scaled_feat)[0]
-    p2 = model2.predict(scaled_feat)[0]
-    return (p1 * 0.6) + (p2 * 0.4)
-
-# --- ANA PANEL ---
-st.title("⚡ Enerji Fiyat Analiz & Tahmin Platformu")
-st.info("AI Hybrid Model: CatBoost (60%) + HistGB (40%)" if ln=="en" else "Yapay Zeka Hibrit Model: CatBoost (60%) + HistGB (40%)")
-
-col1, col2 = st.columns([2, 1])
-
-with col1:
-    try:
-        final_price = make_prediction(sys_load, wind_prod, hour, lag1, lag24, lag168)
-        
-        st.subheader("🎯 " + ("Model Tahmin Sonucu" if ln=="tr" else "Model Prediction Result"))
-        st.metric(label="Estimated SMPEP2", value=f"{final_price:.2f} TL", delta=f"{final_price - lag1:.2f} TL")
-
-        # DURUM KARTLARI VE TAVSİYELER
-        if final_price < 65:
-            st.success("🔵 " + ("Düşük Fiyat - Normal Piyasa" if ln=="tr" else "Low Price - Normal Market"))
-            st.markdown(f"**📋 {('Öneri' if ln=='tr' else 'Suggestion')}:** " + 
-                ("Enerji tüketimi için çok uygun zaman! Yüksek maliyetli işlerinizi şimdi planlayın." if ln=="tr" else "Perfect time for energy consumption! Schedule high-cost tasks now."))
-        elif final_price < 95:
-            st.warning("🟡 " + ("Orta Seviye - Dengeli Piyasa" if ln=="tr" else "Medium Level - Balanced Market"))
-            st.markdown(f"**📋 {('Öneri' if ln=='tr' else 'Suggestion')}:** " + 
-                ("Fiyatlar stabil. Gereksiz tüketimden kaçınarak maliyetleri kontrol altında tutun." if ln=="tr" else "Prices are stable. Keep costs under control by avoiding unnecessary consumption."))
-        else:
-            st.error("🔴 " + ("Yüksek Fiyat - Riskli Dönem" if ln=="tr" else "High Price - Risky Period"))
-            st.markdown(f"**📋 {('Öneri' if ln=='tr' else 'Suggestion')}:** " + 
-                ("KRİTİK! Enerji tasarrufuna geçin. Üretim veya tüketimi düşük fiyatlı saatlere kaydırın." if ln=="tr" else "CRITICAL! Switch to energy saving. Shift production/consumption to lower-priced hours."))
-
-    except Exception as e:
-        st.error(f"Tahmin Hatası: {e}")
-
-with col2:
-    st.subheader("💡 " + ("Parametre Rehberi" if ln=="tr" else "Parameter Guide"))
-    if ln == "tr":
-        st.write("**📌 Sistem Yükü:** Talep arttıkça üretim maliyeti artar ve fiyat yükselir.")
-        st.write("**📌 Rüzgar Üretimi:** Yenilenebilir enerji fiyatı aşağı çeker.")
-        st.write("**📌 Lag 1/24/168:** Piyasanın geçmişteki fiyat alışkanlıklarıdır.")
-    else:
-        st.write("**📌 System Load:** Price increases as demand goes up.")
-        st.write("**📌 Wind Prod:** Renewable energy pulls the price down.")
-
-# --- SİMÜLASYON GRAFİĞİ ---
-st.markdown("---")
-st.subheader("📈 " + ("Yük Değişiminin Fiyata Etkisi" if ln=="tr" else "Impact of Load Change on Price"))
-
-load_range = np.linspace(sys_load * 0.7, sys_load * 1.3, 15)
-sim_preds = [make_prediction(l, wind_prod, hour, lag1, lag24, lag168) for l in load_range]
-
-fig = go.Figure()
-fig.add_trace(go.Scatter(x=load_range, y=sim_preds, mode='lines+markers', line=dict(color='#00ff00', width=3)))
-fig.update_layout(xaxis_title="Load (MW)", yaxis_title="Price (TL)", template="plotly_dark", height=400)
+import streamlit as st
+import pandas as pd
+import joblib
+import numpy as np
+import plotly.graph_objects as go
+
+# --- SAYFA AYARLARI ---
+st.set_page_config(page_title="Energy AI Predictor", layout="wide", page_icon="⚡")
+
+# --- MODELLERİ YÜKLE ---
+@st.cache_resource
+def load_assets():
+    try:
+        # Terminalindeki isimlerle birebir aynı
+        m1 = joblib.load('electricity_model.pkl') 
+        m2 = joblib.load('model.pkl')
+        sc = joblib.load('scaler.pkl')
+        return m1, m2, sc
+    except Exception as e:
+        st.error(f"Dosya Yükleme Hatası (Loading Error): {e}")
+        return None, None, None
+
+model1, model2, scaler = load_assets()
+
+if model1 is None or model2 is None or scaler is None:
+    st.warning("Model dosyaları (.pkl) bulunamadı! Lütfen dosyaların app.py ile aynı klasörde olduğundan emin olun.")
+    st.stop()
+
+# --- SIDEBAR / YAN PANEL ---
+with st.sidebar:
+    st.title("🌐 Language / Dil")
+    lang = st.radio("", ["Türkçe", "English"])
+    ln = "tr" if lang == "Türkçe" else "en"
+    
+    st.header("📊 " + ("Parametreler" if ln=="tr" else "Parameters"))
+    hour = st.slider("Saat (Hour)", 0, 23, 12)
+    sys_load = st.number_input("System Load (EP2)", value=3500.0)
+    wind_prod = st.number_input("Wind Production", value=800.0)
+    
+    st.subheader("⏳ " + ("Trendler" if ln=="tr" else "Trends"))
+    lag1 = st.number_input("Lag 1 (1h ago)", value=75.0)
+    lag24 = st.number_input("Lag 24 (24h ago)", value=70.0)
+    lag168 = st.number_input("Lag 168 (1 week ago)", value=65.0)
+
+# --- TAHMİN FONKSİYONU (23 SÜTUNA TAMAMLAYAN KRİTİK KISIM) ---
+def make_prediction(load, wind, hr, l1, l24, l168):
+    # Scaler 23 sütun beklediği için eğitimdeki sütun sırasına göre diziyoruz
+    # Eğitimde kullanılan sütun sırasını simüle eder:
+    features = [
+        0, 1, 20, 15, 4, 2024, 24, # Dummy: Holiday, DayOfWeek, Week, Day, Month, Year, Period
+        wind * 1.05,               # ForecastWindProduction
+        load * 1.1,                # SystemLoadEA
+        70, 18, 12, 250,           # SMPEA, Temp, Windspeed, CO2
+        wind,                      # ActualWindProduction (Input)
+        load,                      # SystemLoadEP2 (Input)
+        hr,                        # hour (Input)
+        15, 4,                     # day, month
+        np.sin(2*np.pi*hr/23),     # hour_sin
+        np.cos(2*np.pi*hr/23),     # hour_cos
+        l1, l24, l168              # Lag1, Lag24, Lag168 (Input)
+    ]
+    
+    feat_array = np.array([features])
+    scaled_feat = scaler.transform(feat_array)
+    p1 = model1.predict(scaled_feat)[0]
+    p2 = model2.predict(scaled_feat)[0]
+    return (p1 * 0.6) + (p2 * 0.4)
+
+# --- ANA PANEL ---
+# İki dilli başlık bölümü
+if ln == "tr":
+    st.title("⚡ Enerji Fiyat Analiz & Tahmin Platformu")
+    st.info("Yapay Zeka Hibrit Model: CatBoost (%60) + HistGB (%40) Aktif")
+else:
+    st.title("⚡ Energy Price Analysis & Prediction Platform")
+    st.info("AI Hybrid Model: CatBoost (60%) + HistGB (40%) Active")
+
+col1, col2 = st.columns([2, 1])
+
+with col1:
+    try:
+        final_price = make_prediction(sys_load, wind_prod, hour, lag1, lag24, lag168)
+        
+        st.subheader("🎯 " + ("Model Tahmin Sonucu" if ln=="tr" else "Model Prediction Result"))
+        st.metric(label="Estimated SMPEP2", value=f"{final_price:.2f} TL", delta=f"{final_price - lag1:.2f} TL")
+
+        # DURUM KARTLARI VE TAVSİYELER
+        st.markdown("---")
+        st.subheader("📋 " + ("Stratejik Öneriler" if ln=="tr" else "Strategic Recommendations"))
+
+        if final_price < 65:
+            st.success("🔵 " + ("Düşük Fiyat - Normal Piyasa" if ln=="tr" else "Low Price - Normal Market"))
+            st.write(
+                "Enerji tüketimi için çok uygun zaman! Yüksek maliyetli işlerinizi şimdi planlayın." 
+                if ln=="tr" else 
+                "Perfect time for energy consumption! Schedule high-cost tasks now."
+            )
+        elif final_price < 95:
+            st.warning("🟡 " + ("Orta Seviye - Dengeli Piyasa" if ln=="tr" else "Medium Level - Balanced Market"))
+            st.write(
+                "Fiyatlar stabil. Gereksiz tüketimden kaçınarak maliyetleri kontrol altında tutun." 
+                if ln=="tr" else 
+                "Prices are stable. Keep costs under control by avoiding unnecessary consumption."
+            )
+        else:
+            st.error("🔴 " + ("Yüksek Fiyat - Riskli Dönem" if ln=="tr" else "High Price - Risky Period"))
+            st.write(
+                "KRİTİK! Enerji tasarrufuna geçin. Üretim veya tüketimi düşük fiyatlı saatlere kaydırın." 
+                if ln=="tr" else 
+                "CRITICAL! Switch to energy saving. Shift production/consumption to lower-priced hours."
+            )
+
+    except Exception as e:
+        st.error(f"Tahmin Hatası: {e}")
+
+with col2:
+    st.subheader("💡 " + ("Parametre Rehberi" if ln=="tr" else "Parameter Guide"))
+    if ln == "tr":
+        st.write("**📌 Sistem Yükü:** Talep arttıkça üretim maliyeti artar ve fiyat yükselir.")
+        st.write("**📌 Rüzgar Üretimi:** Yenilenebilir enerji fiyatı aşağı çeker.")
+        st.write("**📌 Lag 1/24/168:** Piyasanın geçmişteki fiyat hafızasıdır.")
+    else:
+        st.write("**📌 System Load:** Price increases as demand goes up.")
+        st.write("**📌 Wind Prod:** Renewable energy pulls the price down.")
+        st.write("**📌 Lag 1/24/168:** Market's historical price memory.")
+
+# --- SİMÜLASYON GRAFİĞİ ---
+st.markdown("---")
+st.subheader("📈 " + ("Yük Değişiminin Fiyata Etkisi" if ln=="tr" else "Impact of Load Change on Price"))
+
+load_range = np.linspace(sys_load * 0.7, sys_load * 1.3, 15)
+sim_preds = [make_prediction(l, wind_prod, hour, lag1, lag24, lag168) for l in load_range]
+
+fig = go.Figure()
+fig.add_trace(go.Scatter(x=load_range, y=sim_preds, mode='lines+markers', line=dict(color='#00ff00', width=3)))
+fig.update_layout(xaxis_title="Load (MW)", yaxis_title="Price (TL)", template="plotly_dark", height=400)
 st.plotly_chart(fig, use_container_width=True)