PV_POTENTIAL
MARTIN SARMIENTO
2025-12-02
1 Configuración y Carga de Datos
##### UNIVERSIDAD CENTRAL DEL ECUADOR #####
#### AUTOR: MARTIN SARMIENTO ####
### CARRERA: INGENIERÍA EN PETRÓLEOS #####
#### VARIABLE POTENCIAL FOTOVOLTAICO ####
## DATASET ##
setwd("~/R/PV_POTENTIAL")
# Cargar dataset
Datos <- read.csv("DataSet_prov.csv", sep = ";", dec = ",", fileEncoding = "latin1")
# Estructura de los datos
str(Datos)## 'data.frame': 5075 obs. of 30 variables:
## $ FID_ : int 0 2 3 4 5 6 10 11 12 13 ...
## $ OBJECTID : int 127 129 130 131 132 133 137 138 139 140 ...
## $ code : chr "00127-ARG-P" "00129-ARG-G" "00130-ARG-P" "00131-ARG-P" ...
## $ plant_name : chr "Aconcagua solar farm" "Altiplano 200 Solar Power Plant" "Altiplano 200 Solar Power Plant" "Anchoris solar farm" ...
## $ country : chr "Argentina" "Argentina" "Argentina" "Argentina" ...
## $ operational_status : chr "announced" "operating" "operating" "construction" ...
## $ longitude : num -68.9 -66.9 -66.9 -68.9 -70.3 ...
## $ latitude : num -33 -24.1 -24.1 -33.3 -37.4 ...
## $ elevation : int 929 4000 4000 937 865 858 570 1612 665 3989 ...
## $ area : num 250 4397290 5774 645 241 ...
## $ size : chr "Pequeña" "Grande" "Pequeña" "Pequeña" ...
## $ slope : num 0.574 1.603 6.243 0.903 1.791 ...
## $ slope_type : chr "Plano o casi plano" "Plano o casi plano" "Moderado" "Plano o casi plano" ...
## $ curvature : num 0.000795 -0.002781 -0.043699 0.002781 -0.002384 ...
## $ curvature_type : chr "Superficies planas o intermedias" "Superficies planas o intermedias" "Superficies cóncavas / Valles" "Superficies planas o intermedias" ...
## $ aspect : num 55.1 188.7 270.9 108.4 239.3 ...
## $ aspect_type : chr "Northeast" "South" "West" "East" ...
## $ dist_to_road : num 127 56015 52697 336 34 ...
## $ ambient_temperature : num 12.6 6.8 6.8 13.1 11.4 ...
## $ ghi : num 6.11 8.01 7.88 6.12 6.22 ...
## $ humidity : num 53.7 53.7 53.7 53.7 53.7 ...
## $ wind_speed : num 3.78 7.02 8.33 3.87 6.56 ...
## $ wind_direction : num 55.1 55.1 55.1 55.1 55.1 ...
## $ dt_wind : chr "Northeast" "Northeast" "Northeast" "Northeast" ...
## $ solar_aptitude : num 0.746 0.8 0.727 0.595 0.657 ...
## $ solar_aptitude_rounded: int 7 8 7 6 7 7 7 8 7 8 ...
## $ solar_aptittude_class : chr "Alta" "Alta" "Alta" "Media" ...
## $ capacity : num 25 101 107 180 20 ...
## $ optimal_tilt : int 31 26 26 31 33 30 31 29 31 27 ...
## $ pv_potential : num 4.98 6.39 6.39 4.97 5 ...##
## Adjuntando el paquete: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union2 Cálculo de Intervalos y Frecuencias
#Extraer variable
Variable <- na.omit(Datos$pv_potential)
N <- length(Variable)
# Cálculo Límites Decimales #
# Cálculos básicos
min_dec <- min(Variable)
max_dec <- max(Variable)
k_dec <- floor(1 + 3.322 * log10(N))
rango_dec <- max(Variable) - min(Variable)
amplitud_dec <- rango_dec / k_dec
# Generamos los cortes exactos
cortes_dec <- seq(min(Variable), max(Variable), length.out = k_dec + 1)
cortes_dec[length(cortes_dec)] <- max(Variable) + 0.0001
# Frecuencias
inter_dec <- cut(Variable, breaks = cortes_dec, include.lowest = TRUE, right = FALSE)
ni_dec <- as.vector(table(inter_dec))
hi_dec <- (ni_dec/N)*100
# Cálculos de Frecuencias
sum_ni <- sum(ni_dec)
hi_dec <- (ni_dec / sum_ni) * 100
Ni_asc_dec <- cumsum(ni_dec)
Hi_asc_dec <- cumsum(hi_dec)
Ni_desc_dec <- rev(cumsum(rev(ni_dec)))
Hi_desc_dec <- rev(cumsum(rev(hi_dec)))
# Construcción del Dataframe Decimal
TDF_Decimal <- data.frame(
Li = round(cortes_dec[1:k_dec], 2),
Ls = round(cortes_dec[2:(k_dec+1)], 2),
MC = round((cortes_dec[1:k_dec] + cortes_dec[2:(k_dec+1)]) / 2, 2),
ni = ni_dec,
hi = round(hi_dec, 2),
Ni_asc = cumsum(ni_dec),
Ni_desc = rev(cumsum(rev(ni_dec))),
Hi_asc = cumsum(round(hi_dec, 2)),
Hi_desc = rev(cumsum(rev(round(hi_dec, 2)))))
# Cálculo Límites Enteros #
BASE <- 10
# Cálculos básicos
min_int <- floor(min(Variable) / BASE) * BASE
max_int <- ceiling(max(Variable) / BASE) * BASE
k_int_sug <- floor(1 + 3.322 * log10(N))
Rango_int <- max_int - min_int
Amplitud_raw <- Rango_int / k_int_sug
Amplitud_int <- ceiling(Amplitud_raw / 10) * 10
if(Amplitud_int == 0) Amplitud_int <- 10
# Generar cortes enteros
cortes_int <- seq(from = min_int, by = Amplitud_int, length.out = k_int_sug + 2)
cortes_int <- cortes_int[cortes_int <= (max_int + Amplitud_int)]
# Asegurar cobertura del máximo
while(max(cortes_int) < max(Variable)) {
cortes_int <- c(cortes_int, max(cortes_int) + Amplitud_int)
}
K_real <- length(cortes_int) - 1
lim_inf_int <- cortes_int[1:K_real]
lim_sup_int <- cortes_int[2:(K_real+1)]
# Frecuencias
inter_int <- cut(Variable, breaks = cortes_int, include.lowest = TRUE, right = FALSE)
ni_int <- as.vector(table(inter_int))
# Cálculos de Frecuencias
hi_int <- (ni_int / N) * 100
Ni_asc_int <- cumsum(ni_int)
Ni_desc_int <- rev(cumsum(rev(ni_int)))
Hi_asc_int <- cumsum(hi_int)
Hi_desc_int <- rev(cumsum(rev(hi_int)))
# Construcción del Dataframe Entero
TDF_Enteros <- data.frame(
Li = lim_inf_int,
Ls = lim_sup_int,
MC = (lim_inf_int + lim_sup_int) / 2,
ni = ni_int,
hi = round(hi_int, 2),
Ni_asc = Ni_asc_int,
Ni_desc = Ni_desc_int,
Hi_asc = round(Hi_asc_int, 2),
Hi_desc = round(Hi_desc_int, 2))3 Tabla de Distribución de Frecuencias
3.1 Tabla con Límites Decimales
#### Crear de fila de totales ####
totales_dec <- c("TOTAL", "-", "-", sum(TDF_Decimal$ni), 100, "-", "-", "-", "-")
TDF_Dec_Final <- rbind(mutate(TDF_Decimal, across(everything(), as.character)), totales_dec)
# Generar GT Decimal
TDF_Dec_Final %>%
gt() %>%
tab_header(title = md("**Tabla N°1 de Distribución de Frecuencias del Potencial Fotovoltaico de las Plantas Solares**")) %>%
cols_label(
Li = "Lim. Inf",
Ls = "Lim. Sup",
MC = "Marca Clase",
ni = "Frec. Abs (ni)",
hi = "Frec. Rel (%)",
Ni_asc = "Ni (Asc)",
Ni_desc = "Ni (Desc)",
Hi_asc = "Hi Asc (%)",
Hi_desc = "Hi Desc (%)"
) %>%
tab_options(heading.title.font.size = px(14), column_labels.background.color = "#F0F0F0")| Tabla N°1 de Distribución de Frecuencias del Potencial Fotovoltaico de las Plantas Solares | ||||||||
| Lim. Inf | Lim. Sup | Marca Clase | Frec. Abs (ni) | Frec. Rel (%) | Ni (Asc) | Ni (Desc) | Hi Asc (%) | Hi Desc (%) |
|---|---|---|---|---|---|---|---|---|
| 0 | 0.49 | 0.25 | 1 | 0.02 | 1 | 5075 | 0.02 | 100.01 |
| 0.49 | 0.98 | 0.74 | 0 | 0 | 1 | 5074 | 0.02 | 99.99 |
| 0.98 | 1.48 | 1.23 | 0 | 0 | 1 | 5074 | 0.02 | 99.99 |
| 1.48 | 1.97 | 1.72 | 0 | 0 | 1 | 5074 | 0.02 | 99.99 |
| 1.97 | 2.46 | 2.21 | 0 | 0 | 1 | 5074 | 0.02 | 99.99 |
| 2.46 | 2.95 | 2.71 | 0 | 0 | 1 | 5074 | 0.02 | 99.99 |
| 2.95 | 3.44 | 3.2 | 16 | 0.32 | 17 | 5074 | 0.34 | 99.99 |
| 3.44 | 3.93 | 3.69 | 86 | 1.69 | 103 | 5058 | 2.03 | 99.67 |
| 3.93 | 4.43 | 4.18 | 891 | 17.56 | 994 | 4972 | 19.59 | 97.98 |
| 4.43 | 4.92 | 4.67 | 3792 | 74.72 | 4786 | 4081 | 94.31 | 80.42 |
| 4.92 | 5.41 | 5.16 | 108 | 2.13 | 4894 | 289 | 96.44 | 5.7 |
| 5.41 | 5.9 | 5.66 | 105 | 2.07 | 4999 | 181 | 98.51 | 3.57 |
| 5.9 | 6.39 | 6.15 | 76 | 1.5 | 5075 | 76 | 100.01 | 1.5 |
| TOTAL | - | - | 5075 | 100 | - | - | - | - |
3.2 Tabla con Límites Enteros
#### Crear de fila de totales ####
totales_int <- c("TOTAL", "-", "-", sum(TDF_Enteros$ni), 100, "-", "-", "-", "-")
TDF_Int_Final <- rbind(mutate(TDF_Enteros, across(everything(), as.character)), totales_int)
# Generar GT Enteros
TDF_Int_Final %>%
gt() %>%
tab_header(
title = md("**Tabla N°2 de Distribución de Frecuencias del Potencial Fotovoltaico de las Plantas Solares**")) %>%
cols_label(
Li = "Lim. Inf",
Ls = "Lim. Sup",
MC = "Marca Clase",
ni = "Frec. Abs (ni)",
hi = "Frec. Rel (%)",
Ni_asc = "Ni (Asc)",
Ni_desc = "Ni (Desc)",
Hi_asc = "Hi Asc (%)",
Hi_desc = "Hi Desc (%)"
) %>%
fmt_number(columns = c(Li, Ls), decimals = 0) %>%
fmt_number(columns = c(hi, Hi_asc, Hi_desc), decimals = 2) %>%
tab_options(heading.title.font.size = px(14), column_labels.background.color = "#F0F0F0")| Tabla N°2 de Distribución de Frecuencias del Potencial Fotovoltaico de las Plantas Solares | ||||||||
| Lim. Inf | Lim. Sup | Marca Clase | Frec. Abs (ni) | Frec. Rel (%) | Ni (Asc) | Ni (Desc) | Hi Asc (%) | Hi Desc (%) |
|---|---|---|---|---|---|---|---|---|
| 0 | 10 | 5 | 5075 | 100 | 5075 | 5075 | 100 | 100 |
| 10 | 20 | 15 | 0 | 0 | 5075 | 0 | 100 | 0 |
| TOTAL | - | - | 5075 | 100 | - | - | - | - |
4 Análisis Gráfico
4.1 Histogramas de Cantidad
color_sutil <- "#B3EE3A"
par(mar = c(8, 5, 4, 2))
barplot(TDF_Enteros$ni,
names.arg = TDF_Enteros$MC,
main = "Gráfica N°1: Distribución de Cantidad de Plantas Solares por Potencial Fotovoltaico",
cex.main = 0.9,
xlab = "",
ylab = "Cantidad",
col = color_sutil,
space = 0,
las = 2,
cex.names = 0.7)
mtext("Potencial Fotovoltaico", side = 1, line = 4)
color_grafico <- "#B3EE3A"
par(mar = c(8, 5, 4, 2))
barplot(TDF_Enteros$ni,
main="Gráfica N°2: Distribución de Cantidad de Plantas Solares por Potencial Fotovoltaico",
cex.main = 0.7,
xlab = "",
ylab = "Cantidad",
names.arg = TDF_Enteros$MC,
col = color_sutil,
space = 0,
cex.names = 0.7,
las = 2,
ylim = c(0, sum(TDF_Enteros$ni)))
mtext("Potencial Fotovoltaico", side = 1, line = 4)
4.2 Histogramas Porcentuales
color_grafico <- "#B3EE3A"
par(mar = c(8, 5, 4, 2))
barplot(TDF_Enteros$hi,
main="Gráfica N°3: Distribución Porcentual de las Plantas Solares por Potencial Fotovoltaico",
cex.main = 0.9,
xlab = "",
ylab = "Porcentaje (%)",
col = color_sutil,
space = 0,
names.arg = TDF_Enteros$MC,
cex.names = 0.7,
las = 2,
ylim = c(0, max(TDF_Enteros$hi) * 1.1))
mtext("PotenciaL Fotovoltaico", side = 1, line = 4)
color_grafico <- "#B3EE3A"
par(mar = c(8, 5, 4, 2))
barplot(TDF_Enteros$hi,
main="Gráfica N°4: Distribución Porcentual de las Plantas Solares por Potencial Fotovoltaico",
cex.main = 0.8,
xlab = "",
ylab = "Porcentaje (%)",
col = color_sutil,
space = 0,
names.arg = TDF_Enteros$MC,
las = 2,
ylim = c(0, 100))
mtext("Potencial Fotovoltaico", side = 1, line = 4)
4.3 Diagrama de Cajas (Boxplot)
par(mar = c(5, 5, 4, 2))
boxplot(Variable,
horizontal = TRUE,
col = color_sutil,
xlab = "Potencia Pico por Hora",
cex.main = 0.9,
main = "Gráfica N°5: Distribución del Potencial Fotovoltaico en las Plantas Solares")
4.4 Ojivas
par(mar = c(5, 5, 4, 10), xpd = TRUE)
# Coordenadas
x_asc <- TDF_Enteros$Ls
x_desc <- TDF_Enteros$Li
y_asc <- TDF_Enteros$Ni_asc
y_desc <- TDF_Enteros$Ni_desc
# 1. Dibujar la Ascendente
plot(x_asc, y_asc,
type = "b",
main = "Gráfica N°6: Ojivas Ascendentes y Descendentes de la Distribución del Potencial Fotovoltaico en las Plantas Solares",
cex.main = 0.6,
xlab = "Potencial Fotovoltaico",
ylab = "Frecuencia acumulada",
col = "black",
pch = 19,
xlim = c(min(TDF_Enteros$Li), max(x_asc)),
ylim = c(0, sum(TDF_Enteros$ni)),
bty = "l"
)
# 2. Agregar la Descendente
lines(x_desc, y_desc, col = "#9ACD32", type = "b", pch = 19)
grid()
legend("right",
legend = c("Ascendente", "Descendente"),
col = c("black", "#9ACD32"),
lty = 1,
pch = 1,
cex = 0.6,
inset = c(0.05, 0.05),
bty = "n")
5 Indicadores Estadísticos
## INDICADORES DE TENDENCIA CENTRAL
# Media aritmética
media <- round(mean(Variable), 2)
# Mediana
mediana <- round(median(Variable), 2)
# Moda
max_frecuencia <- max(TDF_Enteros$ni)
moda_vals <- TDF_Enteros$MC[TDF_Enteros$ni == max_frecuencia]
moda_txt <- paste(round(moda_vals, 2), collapse = ", ")
## INDICADORES DE DISPERSIÓN
# Varianza
varianza <- var(Variable)
# Desviación Estándar
sd_val <- sd(Variable)
# Coeficiente de Variación
cv <- round((sd_val / abs(media)) * 100, 2)
## INDICADORES DE FORMA
# Coeficiente de Asimetría
asimetria <- skewness(Variable, type = 2)
# Curtosis
curtosis <- kurtosis(Variable)
# Outliers
outliers_data <- boxplot.stats(Variable)$out
if(length(outliers_data) > 0) {
num_out <- length(outliers_data)
min_out <- round(min(outliers_data), 2)
max_out <- round(max(outliers_data), 2)
# Formato Total [Min; Max]
msg_atipicos <- paste0(" ", num_out, " [", min_out, " ; ", max_out, "]")
} else {
msg_atipicos <- "No hay presencia de valores atípicos"
}
tabla_indicadores <- data.frame(
"Variable" = c("Potencial Fotovoltaico"),
"Rango_MinMax" = paste0("[", round(min(Variable), 2), "; ", round(max(Variable), 2), "]"),
"X" = c(media),
"Me" = c(mediana),
"Mo" = c(moda_txt),
"V" = c(varianza),
"Sd" = c(sd_val),
"Cv" = c(cv),
"As" = c(asimetria),
"K" = c(curtosis),
"Outliers" = msg_atipicos
)
# Generar Tabla GT
tabla_conclusiones_gt <- tabla_indicadores %>%
gt() %>%
tab_header(title = md("**Tabla N°3 de Conclusiones de Potencial Fotovoltaico de las Plantas Solares**")) %>%
tab_source_note(source_note = "Autor: Martin Sarmiento") %>%
cols_label(
Variable = "Variable",
Rango_MinMax = "Rango",
X = "Media (X)",
Me = "Mediana (Me)",
Mo = "Moda (Mo)",
V = "Varianza (V)",
Sd = "Desv. Est. (Sd)",
Cv = "C.V. (%)",
As = "Asimetría (As)",
K = "Curtosis (K)",
Outliers = "Outliers"
) %>%
tab_options(
heading.title.font.size = px(16),
column_labels.background.color = "#f0f0f0"
)
tabla_conclusiones_gt| Tabla N°3 de Conclusiones de Potencial Fotovoltaico de las Plantas Solares | ||||||||||
| Variable | Rango | Media (X) | Mediana (Me) | Moda (Mo) | Varianza (V) | Desv. Est. (Sd) | C.V. (%) | Asimetría (As) | Curtosis (K) | Outliers |
|---|---|---|---|---|---|---|---|---|---|---|
| Potencial Fotovoltaico | [0; 6.39] | 4.62 | 4.63 | 5 | 0.1242386 | 0.3524749 | 7.63 | 0.6821283 | 11.68307 | 435 [0 ; 6.39] |
| Autor: Martin Sarmiento | ||||||||||
6 Conclusiones
La variable “Potencial Fotovoltaico” fluctúa entre 0 y 6.39 y sus valores se encuentran alrededor de 4.63, con una desviación estándar de 0.3524749, siendo una variable homogénea, cuyos valores se concentran en la parte media alta de la variable con la agregación de valores atípicos de 435 outliers; por todo lo anterior, el comportamiento de la variable es perjudicial.