Hydropower-consumption.
Daniela Pérez Castelblanco Hermes Orlando Llanes Rincon Johan Camilo Borda Ardila Miguel Alexei Terraza Velásquez
2024-05-24
Introducción
Este libro tiene como objetivo explorar y analizar la variable del consumo de energía hidroeléctrica a lo largo del tiempo y en diferentes países, centrándose en Finlandia, Estados Unidos y Rusia. Utilizaremos técnicas estadísticas y herramientas de visualización en R Markdown para comprender mejor cómo ha evolucionado el consumo de energía hidroeléctrica en estas regiones a lo largo de los años.
El estudio de la energía hidroeléctrica es crucial debido a su papel significativo en la producción de energía renovable y sostenible. A través del análisis de datos históricos y la comparación entre estos tres países, buscamos identificar patrones, tendencias y factores que han influido en el desarrollo y la adopción de esta fuente de energía en cada región.
Finlandia, Estados Unidos y Rusia presentan contextos geográficos, económicos y políticos diversos, lo que nos permitirá obtener una visión amplia y detallada del consumo de energía hidroeléctrica. Mediante el uso de gráficos, tablas y modelos estadísticos, ofreceremos una perspectiva clara y fundamentada sobre cómo y por qué el consumo de energía hidroeléctrica ha cambiado en estos países a lo largo del tiempo.
# Cargar los datos usando una ruta relativa
hydropower.consumption <- read.csv("./hydropower-consumption.csv")
# Filtrar los datos para los tres países específicos
filtered_data <- hydropower.consumption %>%
filter(Entity %in% c("Finland", "United States", "Russia"))
# Calcular estadísticas descriptivas para cada país por separado
descriptive_stats <- filtered_data %>%
group_by(Entity) %>%
summarise(mean = mean(Electricity.from.hydro..TWh.),
median = median(Electricity.from.hydro..TWh.),
sd = sd(Electricity.from.hydro..TWh.))
# Imprimir estadísticas descriptivas
print(descriptive_stats)## # A tibble: 3 × 4
## Entity mean median sd
## <chr> <dbl> <dbl> <dbl>
## 1 Finland 12.7 12.8 2.01
## 2 Russia 172. 168. 13.8
## 3 United States 274. 272. 33.8# Visualizar la distribución de la variable en forma de histogramas
ggplot(filtered_data, aes(x = Electricity.from.hydro..TWh., fill = Entity)) +
geom_histogram(binwidth = 10, position = "dodge", alpha = 0.7) +
labs(title = "Distribución de Electricity From Hydro TWh por País",
x = "Electricity From Hydro TWh",
y = "Frecuencia") +
theme_minimal()
# Graficar la variable a lo largo del tiempo para los tres países por separado
ggplot(filtered_data, aes(x = Year, y = Electricity.from.hydro..TWh., color = Entity)) +
geom_line() +
labs(title = "Electricity From Hydro TWh Over Time",
x = "Year",
y = "Electricity From Hydro TWh",
color = "Country") +
theme_minimal()
Comparación General
Al comparar estos tres países, se puede observar que:
Estados Unidos tiene el consumo de energía hidroeléctrica promedio más alto, seguido por Rusia y luego Finlandia. La variabilidad en el consumo es más alta en Estados Unidos, seguida por Rusia y finalmente Finlandia, que tiene la menor variabilidad. La cercanía entre la media y la mediana en los tres países sugiere que la distribución de los datos es relativamente simétrica en cada caso, aunque con diferentes niveles de consumo y variabilidad. Estas estadísticas proporcionan una visión clara de las características del consumo de energía hidroeléctrica en cada país, destacando las diferencias y similitudes en sus patrones de consumo. Esta información será valiosa para entender las tendencias y desarrollar estrategias energéticas específicas para cada contexto.
Datos desde 1980
Desde 1980, el panorama energético global ha experimentado numerosos cambios, incluyendo avances tecnológicos, fluctuaciones económicas y variaciones en las políticas energéticas. Finlandia, Estados Unidos y Rusia presentan contextos geográficos, económicos y políticos diversos, lo que nos permitirá obtener una visión amplia y detallada del consumo de energía hidroeléctrica.
# Filtrar los datos desde 1980
filtered_data_1980 <- filtered_data %>%
filter(Year >= 1980)
# Crear el gráfico lineal
ggplot(filtered_data_1980, aes(x = Year, y = Electricity.from.hydro..TWh., color = Entity)) +
geom_line() +
labs(title = "Hydropower.comsumptiom Over Time (Since 1980)",
x = "Year",
y = "Hydropower.comsumptiom (kWh)",
color = "Country") +
theme_minimal()
## Análisis desde 1980
En 1880 en Grand Rapids, Michigan, se dio el inicio de la industria hidroeléctrica de Estados unidos con una planta que iluminaba 16 bombillas en la fábrica de sillas Wolverine, ya para el año 2008, se convirtió en el cuarto productor de energía hidroeléctrica después de China, Canada y Brasil produciendo el 8,6% de toda la energía proveniente de hidroeléctrica en el mundo.
Hay hidroeléctricas en 34 estados, teniendo la mayor concentración en la cuenca del Rio Columbia que en el 2012 fue el 44% de la hidroelectricidad de Estados Unidos.
Rusia inició la construcción de decenas de centrales hidráulicas en la década de los treintas, pero algunos proyectos se iniciaron década mas tarde y algunos tan solo se finalizaron poco antes de 2010. La presa ubicada en el rio Yeniseí, en Jakasia con 242 metros, es considerada una de las más altas del mundo. Se observa un incremento en la década del 2010 iniciando en 175 TWh superando los 200 Twh en el 2020.
En Finlandia, a pesar de que no tiene los volúmenes de energía anteriormente vistos, la energía hidroeléctrica tuvo una participación de mercado significativa en 2019, y es probable que domine el mercado con la renovación y modernización de las centrales hidroeléctricas existentes y la instalación de un nuevo proyecto de almacenamiento de energía hidráulica por bombeo (PHES) en el país. Aunque su apuesta mayor siguen siendo las renovables como eólica y solar.
Fuente: https://www.mordorintelligence.com/es/industry-reports/finland-renewable-energy-market
Regresión cuadrática para cada país
En este capítulo, vamos a aplicar la regresión cuadrática para analizar el consumo de energía hidroeléctrica en Finlandia, Estados Unidos y Rusia desde 1980. La regresión cuadrática es una extensión de la regresión lineal que permite modelar relaciones no lineales entre las variables independientes y la variable dependiente. Esta técnica es especialmente útil cuando los datos muestran una tendencia curvilínea, lo cual puede ser común en series temporales de consumo de energía debido a factores como cambios tecnológicos, políticas energéticas y variaciones económicas.
model_finland <- lm(Electricity.from.hydro..TWh.~ poly(Year, 2), data = subset(filtered_data_1980, Entity == "Finland"))
model_usa <- lm(Electricity.from.hydro..TWh.~ poly(Year, 2), data = subset(filtered_data_1980, Entity == "United States"))
model_russia <- lm(Electricity.from.hydro..TWh.~ poly(Year, 2), data = subset(filtered_data_1980, Entity == "Russia"))
# Crear secuencia de años para predecir la regresión
years <- seq(min(filtered_data_1980$Year), max(filtered_data_1980$Year), length.out = 100)
# Predecir los valores de la regresión cuadrática para cada país
pred_finland <- predict(model_finland, newdata = data.frame(Year = years))
pred_usa <- predict(model_usa, newdata = data.frame(Year = years))
pred_russia <- predict(model_russia, newdata = data.frame(Year = years))
# Crear el gráfico lineal con regresión cuadrática
ggplot(filtered_data_1980, aes(x = Year, y = Electricity.from.hydro..TWh., color = Entity)) +
geom_point() + # Añadir puntos de datos
geom_line(data = data.frame(Year = years, Finland = pred_finland, USA = pred_usa, Russia = pred_russia),
aes(x = Year, y = Finland, color = "Finland")) + # Añadir línea de regresión para Finlandia
geom_line(data = data.frame(Year = years, Finland = pred_finland, USA = pred_usa, Russia = pred_russia),
aes(x = Year, y = USA, color = "United States")) + # Añadir línea de regresión para Estados Unidos
geom_line(data = data.frame(Year = years, Finland = pred_finland, USA = pred_usa, Russia = pred_russia),
aes(x = Year, y = Russia, color = "Russia")) + # Añadir línea de regresión para Rusia
labs(title = "Regresión Cuadrática de hydropower.consumption ",
x = "Year",
y = "Hydroelectricity per Capita (kWh)",
color = "Country") +
theme_minimal()
## Interpretación regresión cuadratica
De acuerdo con la regresión realizada para Estados Unidos se observa una leve disminución de hidroelectricidad hasta el año 2025, lo que no sucede en Rusia, donde se observa un aumento en la participación de hidroeléctricas en la matriz energética. Para el caso de Finlandia, no hay cambios significativos que puedan indicar una fuerte entrada de hidroelectricidad en los años venideros.
Pronostico 5 años adicionales
En este capítulo, nos enfocaremos en realizar pronósticos del consumo de energía hidroeléctrica para los próximos cinco años en Finlandia, Estados Unidos y Rusia. Utilizaremos los modelos de regresión cuadrática ajustados en el capítulo anterior para proyectar las tendencias futuras y proporcionar una perspectiva anticipada del consumo de energía hidroeléctrica en cada uno de estos países.
# Definir forecast_data como un marco de datos
forecast_data <- data.frame(
Year = c(2025, 2026, 2027), # Año de pronóstico
Electricity.from.hydro..TWh. = c(5, 10, 15), # Pronóstico de hydropower.consumption
Entity = rep(c("Finland", "United States", "Russia"), each = 3) # Países
)
# Mostrar los datos de forecast_data
print(forecast_data)## Year Electricity.from.hydro..TWh. Entity
## 1 2025 5 Finland
## 2 2026 10 Finland
## 3 2027 15 Finland
## 4 2025 5 United States
## 5 2026 10 United States
## 6 2027 15 United States
## 7 2025 5 Russia
## 8 2026 10 Russia
## 9 2027 15 Russia# Extender la secuencia de años para incluir 5 años adicionales
extended_years <- seq(max(filtered_data_1980$Year), max(filtered_data_1980$Year) + 5, length.out = 100)
# Predecir los valores de la regresión cuadrática para los próximos 5 años para cada país
pred_finland_future <- predict(model_finland, newdata = data.frame(Year = extended_years))
pred_usa_future <- predict(model_usa, newdata = data.frame(Year = extended_years))
pred_russia_future <- predict(model_russia, newdata = data.frame(Year = extended_years))
# Crear el gráfico lineal con pronósticos para los próximos 5 años
ggplot(forecast_data, aes(x = Year, y = Electricity.from.hydro..TWh., color = Entity)) +
geom_point() + # Añadir puntos de datos
geom_line(data = data.frame(Year = extended_years, Finland = pred_finland_future, USA = pred_usa_future, Russia = pred_russia_future),
aes(x = Year, y = Finland, color = "Finland")) + # Añadir pronósticos para Finlandia
geom_line(data = data.frame(Year = extended_years, Finland = pred_finland_future, USA = pred_usa_future, Russia = pred_russia_future),
aes(x = Year, y = USA, color = "United States")) + # Añadir pronósticos para Estados Unidos
geom_line(data = data.frame(Year = extended_years, Finland = pred_finland_future, USA = pred_usa_future, Russia = pred_russia_future),
aes(x = Year, y = Russia, color = "Russia")) + # Añadir pronósticos para Rusia
labs(title = "Pronóstico de Pronóstico de hydropower para los Próximos 5 Años",
x = "Year",
y = "Pronóstico de hydropower (kWh)",
color = "Country") +
theme_minimal()
Analisis de la Proyección a 5 años.
En el caso de Estados Unidos se observa una oscilación en la franja de los 300 TWh, mientras que Rusia incrementará su participación, iniciando en 150 TWh y superando los 220 TWH antes del 2030. Finlandia dado su tamaño, sigue con una participación baja para atender a sus 5,5 millones de habitantes, reportados en 2022, su apuesta fuerte como se indicaba anteriormente, estará en la incorporación de fuentes renovables como solar y eólica
En la gráfica de la IEA Hydropower Special Market Report 2030, se observa que se adicionarán 3 GW de capacidad en Estados Unidos entre el 2021 y 2030, también se prevé que la capacidad hidroeléctrica en Eurasia aumente un 7% (6,4 GW) entre 2021 y 2030. Rusia, líder de la región en capacidad acumulada, es la mayor fuente de crecimiento (30%), seguida de Georgia, Uzbekistán, Ucrania, Tayikistán y Bosnia. y Montenegro, lo que supera la proyección realizada en Matlab con los datos históricos.
