Panorama de México ante las energías renovables

Introducción

Las fuentes de energía son aquellas que producen energía útil directamente o por medio de una transformación. Las fuentes primarias se pueden clasificar en renovables y no renovables. Las fuentes renovables se definen como la energía disponible a partir de procesos permanentes y naturales, con posibilidades técnicas de ser explotadas económicamente. Las principales fuentes renovables consideradas en el Balance Nacional de Energía son hidroenergía, geoenergía, energía eólica, solar y biomasa. Por otro lado, las fuentes no renovables son aquéllas que se extraen de los depósitos geológicos que se formaron a partir de biomasa, así como los combustibles secundarios producidos a partir de un combustible fósil.

Entre las fuentes de energía renovables más importantes se encuentran las siguientes:

• Energía eólica. Energía obtenida a través de turbinas eólicas que convierten la energía cinética del viento en electricidad por medio de un aerogenerador.
• Biomasa. Se obtiene de la vegetación, cultivos acuáticos, residuos forestales, etcétera, a través de la combustión directa o bien a través de procesos biológicos tal como la producción de alcohol a partir de productos celulosos.
• Eólica. Los Sistemas conocidos como fototérmicos convierten la radiación solar en calor y lo transfieren a un fluido de trabajo; el calor se usa entonces para calentar edificios, agua, mover turbinas para generar electricidad, secar granos o destruir desechos peligrosos.
• Minihidráulica. Se obtiene del aprovechamiento de las energías cinéticas y potencial de la corriente de ríos, saltos de agua o mareas.

Las energías renovables suponían un 4% de la capacidad energética mundial a principios de 2010.

El uso de energías renovables trae consigo muchas ventajas y no solo en lo que respecta a lo ambiental, sino que también acarrea ventajas económicas y sociales. En lo que respecta a las ventajas ambientales se encuentran:

• La nula emisión de gases de efecto invernadero (GEI) y otros contaminantes que contribuyen al cambio climático.
• Ayudan a la reducción de enfermedades relacionadas a la contaminación.
• No necesitan de grandes cantidades de agua para su funcionamiento.
• No crean problemas de basura difíciles de resolver.
• Reducen la necesidad de industrias que utilicen combustibles fósiles.
• Entre las ventajas económicas se encuentran:
• Reducción de las tarifas en servicios de luz, agua y gas.
• Generación de empleos directos (en la construcción, desarrolladores, fabricantes de equipo, etc.) e indirectos (en la agricultura al expandir los sistemas de riego, etc.).
• Para los ayuntamientos al reducir los costes de los servicios municipales de energía eléctrica.
• Entre las ventajas sociales se encuentra:
• La posibilidad de llevar energía eléctrica a comunidades remotas, y en la promoción del desarrollo de estas.

Con lo que respecta a la generación de energía eléctrica en México de Octubre de 2018 a 2020, en el año 2018 se reportó una producción 312,739.32 GWh, en el año 2019 se reportó una producción de 320,056.14 GWh, mientras que en 2020 se reportó una producción de 264,607.57 GWh, de estas cantidades el 22.20% vino de energías limpias en el año 2018, el 21.80% en 2019 y el 25.50% en 2020, entre las fuentes de producción de energías limpias se encuentran la hidroeléctrica, eoloeléctrica, bio energía, geotermoeléctrica y la fotovoltaica con los siguientes porcentajes:

Figura 1

Imagen representativa

Objetivos particulares

Las preguntas que se buscan responder con esta investigación son:

• Cómo evolucionó la energía eléctrica en México en relación con la población y el PIB.
• Línea de tiempo mostrando las diferentes políticas y decisiones en general implementadas en relación a la energía eléctrica en el país.
• Cómo evolucionó México en relación a otros países en el sector de energías renovables.

Teoría

• Energía Renovable: Alternativa de energía más limpia y ayudan a cuidar el ambiente. Las energías renovables se basan en recursos que son abundantes que tienen la ventaja de no producir gases de efecto invernadero u otras emisiones contaminantes para el medio ambiente.

• Energía no Renovable: Son los recursos energéticos que pueden agotarse, y tienen a tener un ritmo de consumo mayor al de su regeneración. Este tipo de energía consume algún tipo de combustible como lo es el carbón y el petróleo.

• Heliostato: Grupo de espejos que se mueven sobre dos ejes siguiendo al sol, de forma que los rayos solares puedan pegar a estos espejos de forma indefinida.

Cómo evolucionó la energía eléctrica en México en relación con la población y el PIB

En 2020, el producto interno bruto (PIB) anual del sector encargado de la generación, transmisión y distribución de energía eléctrica, así como del suministro de agua y de gas por ductos al consumidor final en México se situó alrededor de los 270.700 millones de pesos mexicanos. Cifra inferior a los 285.8000 millones de pesos registrados en 2019.

Figura 2

Cita APA Figura 2: Statista. (2021, 29 septiembre). México: PIB anual del sector eléctrico, agua y gas 2009–2020. Recuperado 17 de mayo de 2022, de: https://es.statista.com/estadisticas/592542/producto-interno-bruto-del-sector-electrico-y-del-agua-mexico/

Estados de México con acceso a energía eléctrica.

Figura 3

library(pacman)
p_load("tidyverse", "lubridate", "forecast", "TTR", "MLmetrics", "tseries", "fpp", "TSstudio", "xfun", "DT", "GGally", "corrplot", "gridExtra" ,
       "ggplot2", "plotly","dplyr", "gganimate", "class", "caret","tidyr","mlbench","e1071","knitr","readr", "prettydoc")

#Las librerias utilizadas se encuentran en el final del documento

datosserv <- read.csv("WFServlet.csv")

datatable(datosserv)

En esta tabla se puede apreciar la evolución de la energía eléctrica que ha ido en aumento año tras año, por ende el porcentaje de la población con acceso a esta energía se eleva con respecto el paso de los años.

Figura 4

Imagen representativa linea del tiempo

Evolución de México en relación a otros países en el sector de energías renovables

Datos

Los datos e información están disponibles en el siguiente enlace: https://ourworldindata.org/grapher/share-electricity-renewables

datos <- read.csv("share-electricity-renewables.csv")

datosPobl <- read.csv("population.csv")

Producción de energías renovables anualmente por país.

Figura 5

datatable(datos)

La tabla anterior representa la proporción de proporción de producción de electricidad a partir de energías renovables por país desde 1985 hasta 2021 (a excepción de los países de los cuales no se tenían registros en décadas pasadas). Las energías renovables incluyen la producción de electricidad a partir de energía hidroeléctrica, solar, eólica, biomasa, residuos, geotérmica, undimotriz, y maremotriz.Los datos fuerón recuperados del sitio web “Our World In Data”, en la pagina “Share of electricity production from renewables, 2021”.

Número de habitantes anuales del T-MEC por país.

Figura 6

datatable(datosPobl)

La tabla anterior representa la cantidad de habitantes de México, Canadá y Estados Unidos desde 1985 hasta 2020. La información fue obtenida a partir de los siguientes documentos: * División de Población de las Naciones Unidas. Perspectivas de la población mundial: revisión de 2019. * Informes de censos y otras publicaciones estadísticas de las oficinas nacionales de estadística * Eurostat: Estadísticas demográficas * División de Estadística de las Naciones Unidas. Informe de estadísticas vitales y de población (varios años). * Oficina del Censo de EE. UU.: Base de datos internacional * Secretaría de la Comunidad del Pacífico: Programa de estadísticas y demografía.

Estos datos fuerón recuperados del sitio web de la organización “The World Bank Group”, en la sección de población total. La información está disponible en el siguiente enlace: https://data.worldbank.org/indicator/SP.POP.TOTL

Evolución de producción de energías renovables en México

Figura 7

datosMex <- datos %>% filter(grepl('MEX', Code))
datosUsa <- datos %>% filter(grepl('USA', Code))
datosCan <- datos %>% filter(grepl('CAN', Code))

produccionMex = ts(datosMex[4], start = c(1985), end = c(2021), frequency = 1)
produccionUsa = ts(datosUsa[4], start = c(1985), end = c(2021), frequency = 1)
produccionCan = ts(datosCan[4], start = c(1985), end = c(2021), frequency = 1)

A continuación, se observara una gráfica interactiva la cual contiene el resumen de producción de energías renovables en México anualmente.

Porcentaje de producción de energías renovables en México.

Figura 8

Fecha <- seq(from = as.Date("1985-1-1"), to = as.Date("2021-12-31"), by = "year")

vec1 <- as.vector(produccionMex)
num1 <- as.numeric(vec1)
prodMex <- as.vector(num1)

datos1 <- data.frame(Fecha, prodMex)

gProd <- ggplot(data = datos1) +
  geom_line(aes(Fecha, prodMex)) +
  xlab("Año") +
  ylab("Porcentaje") +
  ggtitle("Porcentaje de producción de energías renovables en México") +
  scale_y_continuous()
ggplotly(gProd)

En el caso de México, en 1985 aproximademente el 31% de la energía producida era renovable, mientras que Para 2021 se redujo a aproximadamente 26%. Aunque en términos normales una diferencia de 5% no representaría mucho, tomando en cuenta la extensión territorial y el aumento poblacional, dicha diferencia causa un gran impacto en el medio ambiente. Cabe destacar que en los ultimos años se ha visto un repentino cambio positivo en cuanto a la producción de estas energías, lo cuál podria suponer que se está apostando cada vez más por soluciones agradables al medio ambiente, y por lo tanto, se podria esperar un mayor porcentaje de generación en años posteriores.

Comparativa entre México y los demás países del T-MEC

Figura 9

#Estados Unidos
vec1 <- as.vector(produccionUsa)
num1 <- as.numeric(vec1)
prodUsa <- as.vector(num1)

#Canada
vec1 <- as.vector(produccionCan)
num1 <- as.numeric(vec1)
prodCan <- as.vector(num1)

Porcentaje de producción de energías renovables del T-MEC.

Figura 10

datos1 <- data.frame(Fecha, prodMex, prodUsa, prodCan)

gProd <- ggplot(data = datos1) +
  geom_line(aes(Fecha, prodMex, colour="México"), size = 1.5) +
  geom_line(aes(Fecha, prodUsa, colour="Estados Unidos")) +
  geom_line(aes(Fecha, prodCan, colour="Canada")) +
  xlab("Fecha") +
  ylab("Porcentaje") +
  labs(colour="País") +
  ggtitle("Porcentaje de producción de energías renovables del T-MEC") +
  scale_y_continuous()
ggplotly(gProd)

Figura 11

ggplot(data = datos1) +
  geom_line(aes(Fecha, prodMex, colour="México"), size = 1.5) +
  geom_line(aes(Fecha, prodUsa, colour="Estados Unidos")) +
  geom_line(aes(Fecha, prodCan, colour="Canada")) +
  xlab("Año") +
  ylab("Porcentaje") +
  labs(colour="País") +
  ggtitle("Porcentaje de producción de energías renovables del T-MEC") +
  scale_y_continuous() +
  transition_reveal(Fecha)

datosMexPobl <- datosPobl %>% filter(grepl('MEX', Code))
datosUsaPobl <- datosPobl %>% filter(grepl('USA', Code))
datosCanPobl <- datosPobl %>% filter(grepl('CAN', Code))

poblacionMex = ts(datosMexPobl[4], start = c(1985), end = c(2020), frequency = 1)
poblacionUsa = ts(datosUsaPobl[4], start = c(1985), end = c(2020), frequency = 1)
poblacionCan = ts(datosCanPobl[4], start = c(1985), end = c(2020), frequency = 1)

#México
vec1 <- as.vector(poblacionMex)
num1 <- as.numeric(vec1)
poblMex <- as.vector(num1)

#Estados Unidos
vec1 <- as.vector(poblacionUsa)
num1 <- as.numeric(vec1)
poblUsa <- as.vector(num1)

#Canada
vec1 <- as.vector(poblacionCan)
num1 <- as.numeric(vec1)
poblCan <- as.vector(num1)

En esta comparación se puede observar como México y EUA son bastantes parecidos en cuestión al uso de las energías renovables, pero con la peculiaridad de que ambos se encuentran bastante distantes al país del norte, Canadá. Esto se puede deber a las diferencias que este país suele tener en sus prioridades y en su gobierno en general en comparación a los otros (Referencia a Figura 11).

Cantidad poblacional del T-MEC

Figura 12

FechaPobl <- seq(from = as.Date("1985-1-1"), to = as.Date("2020-12-31"), by = "year")

datos2 <- data.frame(FechaPobl, poblMex, poblUsa, poblCan)

gPobl <- ggplot(data = datos2) +
  geom_line(aes(FechaPobl, poblMex, colour="México"), size = 1.5) +
  geom_line(aes(FechaPobl, poblUsa, colour="Estados Unidos")) +
  geom_line(aes(FechaPobl, poblCan, colour="Canada")) +
  xlab("Año") +
  ylab("Cantidad de habitantes") +
  labs(colour="País") +
  ggtitle("Cantidad poblacional del T-MEC") +
  scale_y_continuous()
ggplotly(gPobl)

Es importante tomar en cuenta el hecho de que México no realiza una mayor producción relativa de energías renovables, sino que su producción se basa en mayor medida de fuentes no renovables, por lo que tiene un menor porcentaje. Esto quiere decir que si bien Estados Unidos tiene un menor porcentaje, probablemente podria abastecer más que el total producido en México, lo mismo con Canadá. Para realizar una comparativa a fondo se tendría que utilizar los datos de cantidades de producción relativa en Megavatios (Referencia a Figura 12).

Comparativa entre México y otros países latinoamericanos

A continuación, se hará una comparación de México con otros países latinos en cuestión a las energías que son producidas por renovables. Esto para poder entender como se está manejando esta problemática en países que ofrecen alrededor el mismo nivel de vida. Además, esto permite hacer una comparativa con países que suelen tener los mismos problemas que México tiene en general, debido a la cultura y problemas económicos que estos países suelen tener en común.

Figura 13

datosArg <- datos %>% filter(grepl('ARG', Code))
datosCol <- datos %>% filter(grepl('COL', Code))
datosChl <- datos %>% filter(grepl('CHL', Code))
datosPer <- datos %>% filter(grepl('PER', Code))
datosBra <- datos %>% filter(grepl('BRA', Code))
datosPry <- datos %>% filter(grepl('PRY', Code))

produccionArg = ts(datosArg[4], start = c(1985), end = c(2021), frequency = 1)
produccionCol = ts(datosCol[4], start = c(1985), end = c(2021), frequency = 1)
produccionChl = ts(datosChl[4], start = c(1985), end = c(2021), frequency = 1)
produccionPer = ts(datosPer[4], start = c(1985), end = c(2021), frequency = 1)
produccionBra = ts(datosBra[4], start = c(1985), end = c(2021), frequency = 1)
produccionPry = ts(datosPry[4], start = c(1985), end = c(2021), frequency = 1)

#Argentina
vec1 <- as.vector(produccionArg)
num1 <- as.numeric(vec1)
prodArg <- as.vector(num1)

#Colombia
vec1 <- as.vector(produccionCol)
num1 <- as.numeric(vec1)
prodCol <- as.vector(num1)

#Chile
vec1 <- as.vector(produccionChl)
num1 <- as.numeric(vec1)
prodChl <- as.vector(num1)

#Perú
vec1 <- as.vector(produccionPer)
num1 <- as.numeric(vec1)
prodPer <- as.vector(num1)

#Brasil
vec1 <- as.vector(produccionBra)
num1 <- as.numeric(vec1)
prodBra <- as.vector(num1)

#Paraguay
vec1 <- as.vector(produccionPry)
num1 <- as.numeric(vec1)
prodPry <- as.vector(num1)

Porcentaje de producción de energías renovables en latinoamérica.

Figura 14

datos1 <- data.frame(Fecha, prodMex, prodArg, prodCol, prodChl, prodPer, prodBra, prodPry)

gProd2 <- ggplot(data = datos1) +
  geom_line(aes(Fecha, prodMex, colour="México"), size = 1.5) +
  geom_line(aes(Fecha, prodArg, colour="Argentina")) +
  geom_line(aes(Fecha, prodCol, colour="Colombia")) +
  geom_line(aes(Fecha, prodChl, colour="Chile")) +
  geom_line(aes(Fecha, prodPer, colour="Perú")) +
  geom_line(aes(Fecha, prodBra, colour="Brasil")) +
  geom_line(aes(Fecha, prodPry, colour="Paraguay")) +
  xlab("Año") +
  ylab("Porcentaje") +
  labs(colour="País") +
  ggtitle("Porcentaje de producción de energías renovables") +
  scale_y_continuous()
ggplotly(gProd2)

Figura 15

ggplot(data = datos1) +
  geom_line(aes(Fecha, prodMex, colour="México"), size = 1.5) +
  geom_line(aes(Fecha, prodArg, colour="Argentina")) +
  geom_line(aes(Fecha, prodCol, colour="Colombia")) +
  geom_line(aes(Fecha, prodChl, colour="Chile")) +
  geom_line(aes(Fecha, prodPer, colour="Perú")) +
  geom_line(aes(Fecha, prodBra, colour="Brasil")) +
  geom_line(aes(Fecha, prodPry, colour="Paraguay")) +
  xlab("Año") +
  ylab("Porcentaje") +
  labs(colour="País") +
  ggtitle("Porcentaje de producción de energías renovables") +
  scale_y_continuous() +
  transition_reveal(Fecha)

En esta comparación se puede notar que las energías renovables varían bastante de país a país, pero se nota que México se encuentra bastante por debajo de los demás países latinos (Referencia a Figura 15).

Comparativa entre México y las potencias mundiales económicas

Una vez hecha la comparación entre México y otros países los cuales se encuentran en una posición similar, se realizara una comparativa con países que cuenten con una economia mucho más grande que la de México.

Figura 16

datosChn <- datos %>% filter(grepl('CHN', Code))
datosInd <- datos %>% filter(grepl('IND', Code))
datosJpn <- datos %>% filter(grepl('JPN', Code))
datosDeu <- datos %>% filter(grepl('DEU', Code))
datosRus <- datos %>% filter(grepl('RUS', Code))
datosIdn <- datos %>% filter(grepl('IDN', Code))

produccionChn = ts(datosChn[4], start = c(1985), end = c(2021), frequency = 1)
produccionInd = ts(datosInd[4], start = c(1985), end = c(2021), frequency = 1)
produccionJpn = ts(datosJpn[4], start = c(1985), end = c(2021), frequency = 1)
produccionDeu = ts(datosDeu[4], start = c(1985), end = c(2021), frequency = 1)
produccionRus = ts(datosRus[4], start = c(1985), end = c(2021), frequency = 1)
produccionIdn = ts(datosIdn[4], start = c(1985), end = c(2021), frequency = 1)

#China
vec1 <- as.vector(produccionChn)
num1 <- as.numeric(vec1)
prodChn <- as.vector(num1)

#India
vec1 <- as.vector(produccionInd)
num1 <- as.numeric(vec1)
prodInd <- as.vector(num1)

#Japon
vec1 <- as.vector(produccionJpn)
num1 <- as.numeric(vec1)
prodJpn <- as.vector(num1)

#Alemania
vec1 <- as.vector(produccionDeu)
num1 <- as.numeric(vec1)
prodDeu <- as.vector(num1)

#Rusia
vec1 <- as.vector(produccionRus)
num1 <- as.numeric(vec1)
prodRus <- as.vector(num1)

#Indonesia
vec1 <- as.vector(produccionIdn)
num1 <- as.numeric(vec1)
prodIdn <- as.vector(num1)

Porcentaje de producción de energías renovables de Mexico y potencias mundiales

Figura 17

datos1 <- data.frame(Fecha, prodMex, prodChn, prodInd, prodJpn, prodDeu, prodRus, prodIdn)

gProd3 <- ggplot(data = datos1) +
  geom_line(aes(Fecha, prodMex, colour="México"), size = 1.5) +
  geom_line(aes(Fecha, prodChn, colour="China")) +
  geom_line(aes(Fecha, prodInd, colour="India")) +
  geom_line(aes(Fecha, prodJpn, colour="Japón")) +
  geom_line(aes(Fecha, prodDeu, colour="Alemania")) +
  geom_line(aes(Fecha, prodRus, colour="Rusia")) +
  geom_line(aes(Fecha, prodIdn, colour="Indonesia")) +
  xlab("Año") +
  ylab("Porcentaje") +
  labs(colour="País") +
  ggtitle("Porcentaje de producción de energías renovables") +
  scale_y_continuous()
ggplotly(gProd3)

Figura 18

ggplot(data = datos1) +
  geom_line(aes(Fecha, prodMex, colour="México"), size = 1.5) +
  geom_line(aes(Fecha, prodChn, colour="China")) +
  geom_line(aes(Fecha, prodInd, colour="India")) +
  geom_line(aes(Fecha, prodJpn, colour="Japon")) +
  geom_line(aes(Fecha, prodDeu, colour="Alemania")) +
  geom_line(aes(Fecha, prodRus, colour="Rusia")) +
  geom_line(aes(Fecha, prodIdn, colour="Indonesia")) +
  xlab("Año") +
  ylab("Porcentaje") +
  labs(colour="País") +
  ggtitle("Porcentaje de producción de energías renovables") +
  scale_y_continuous() + 
  transition_reveal(Fecha)

En cuestión a la comparación con otras economías grandes se puede decir que la mayoría de estos siguen un patrón bastante similar teniendo aumentos incrementales de manera constante pero no rápida, a excepción de Alemania que dio un salto bastante grande en las últimas décadas (Referencia a Figura 18).

Comparativa entre México y las regiones del mundo

Figura 19

Ahora haremos una comparación basada en el planeta en general clasificada en regiones. Esto con la idea de generar un panorama mundial e identificar en donde se encuentra México en este. Esto mismo nos permite tener no solo una idea de donde se encuentra México, sino que también nos muestra como el planeta se encuentra avanzando en la transición a energías limpias.

datosNA <- datos %>% filter(grepl('North America', Entity))
datosSA <- datos %>% filter(grepl('South America', Entity))
datosEU <- datos %>% filter(grepl('Europe', Entity))
datosAS <- datos %>% filter(grepl('Asia', Entity))
datosAF <- datos %>% filter(grepl('Africa', Entity))
datosOC <- datos %>% filter(grepl('Oceania', Entity))

produccionNA = ts(datosNA[4], start = c(1985), end = c(2021), frequency = 1)
produccionSA = ts(datosSA[4], start = c(1985), end = c(2021), frequency = 1)
produccionEU = ts(datosEU[4], start = c(1985), end = c(2021), frequency = 1)
produccionAS = ts(datosAS[4], start = c(1985), end = c(2021), frequency = 1)
produccionAF = ts(datosAF[4], start = c(1985), end = c(2021), frequency = 1)
produccionOC = ts(datosOC[4], start = c(1985), end = c(2021), frequency = 1)

#Norteamérica
vec1 <- as.vector(produccionNA)
num1 <- as.numeric(vec1)
prodNA <- as.vector(num1)

#Sudamérica
vec1 <- as.vector(produccionSA)
num1 <- as.numeric(vec1)
prodSA <- as.vector(num1)

#Europa
vec1 <- as.vector(produccionEU)
num1 <- as.numeric(vec1)
prodEU <- as.vector(num1)

#Asia
vec1 <- as.vector(produccionAS)
num1 <- as.numeric(vec1)
prodAS <- as.vector(num1)

#África
vec1 <- as.vector(produccionAF)
num1 <- as.numeric(vec1)
prodAF <- as.vector(num1)

#Oceanía
vec1 <- as.vector(produccionOC)
num1 <- as.numeric(vec1)
prodOC <- as.vector(num1)

Porcentaje de producción de energías renovables de México y las regiones del mundo.

Figura 20

datos1 <- data.frame(Fecha, prodMex, prodNA, prodSA, prodEU, prodAS, prodAF, prodOC)

gProd4 <- ggplot(data = datos1) +
  geom_line(aes(Fecha, prodMex, colour="México"), size = 1.5) +
  geom_line(aes(Fecha, prodNA, colour="Norteamérica")) +
  geom_line(aes(Fecha, prodSA, colour="Sudamérica")) +
  geom_line(aes(Fecha, prodEU, colour="Europa")) +
  geom_line(aes(Fecha, prodAS, colour="Asia")) +
  geom_line(aes(Fecha, prodAF, colour="África")) +
  geom_line(aes(Fecha, prodOC, colour="Oceanía")) +
  xlab("Año") +
  ylab("Porcentaje") +
  labs(colour="Región") +
  ggtitle("Porcentaje de producción de energías renovables") +
  scale_y_continuous()
ggplotly(gProd4)

Figura 21

ggplot(data = datos1) +
  geom_line(aes(Fecha, prodMex, colour="México"), size = 1.5) +
  geom_line(aes(Fecha, prodNA, colour="Norteamérica")) +
  geom_line(aes(Fecha, prodSA, colour="Sudamérica")) +
  geom_line(aes(Fecha, prodEU, colour="Europa")) +
  geom_line(aes(Fecha, prodAS, colour="Asia")) +
  geom_line(aes(Fecha, prodAF, colour="África")) +
  geom_line(aes(Fecha, prodOC, colour="Oceanía")) +
  xlab("Año") +
  ylab("Porcentaje") +
  labs(colour="Región") +
  ggtitle("Porcentaje de producción de energías renovables") +
  scale_y_continuous() + 
  transition_reveal(Fecha)

Comparando las regiones del mundo se puede observar que la mayoría del mundo siguen un patrón bastante similar y algo insuficiente a los acuerdos internacionales que se tienen establecidos, con la excepción de Sudamérica que se mantiene constante con un alto porcentaje de energías renovables y África teniendo un avance muy grande en comparación a todas las demás regiones (Referencia Figura 21).

Tomando en cuenta todos los datos expuestos respecto al panorama de México en comparación a otros países en materia de energías renovables se puede decir que México, al igual que varias naciones alrededor del mundo, debe de esforzarse más para poder cumplir con las metas propuestas internacionalmente, como por ejemplo, el Acuerdo de París.

Existen varios factores de porque esto se pueda dar en México como la prioridad de la accesibilidad a la electricidad que sobrepasa a la necesidad de que sean energías limpias y renovables. Esto se podría arreglar conforme avanza económicante el país haciendo que la mayoría tenga acceso a esta amenidad, además, se deberá de exigir que se creen políticas y acciones para poder incrementar este procentaje de energía generada por energías limpias y renovables.

datatable(datos, caption = "Datos necesarios")

datos.prep <- select(datos, Year, Porcentaje.Energias.Renovables, Nivel)

datatable(datos.prep, caption = "Datos preparados. Variables de interés")

modelo <- knn(train = datos.prep[,1:2], test = datos.prep[,1:2], k = 4, cl = datos.prep[,3] )

summary(modelo)

##    Aceptable Insuficiente 
##         1338         4999

datos.r.p <- data.frame(reales = datos.prep$Nivel, prediccion = modelo)

datos.r.p$reales <- as.factor(datos.r.p$reales)
datos.r.p$prediccion <- as.factor(datos.r.p$prediccion)

matriz <- confusionMatrix(datos.r.p$reales, datos.r.p$prediccion)

matriz

## Confusion Matrix and Statistics
## 
##               Reference
## Prediction     Aceptable Insuficiente
##   Aceptable         1332            3
##   Insuficiente         6         4996
##                                           
##                Accuracy : 0.9986          
##                  95% CI : (0.9973, 0.9994)
##     No Information Rate : 0.7889          
##     P-Value [Acc > NIR] : <2e-16          
##                                           
##                   Kappa : 0.9957          
##                                           
##  Mcnemar's Test P-Value : 0.505           
##                                           
##             Sensitivity : 0.9955          
##             Specificity : 0.9994          
##          Pos Pred Value : 0.9978          
##          Neg Pred Value : 0.9988          
##              Prevalence : 0.2111          
##          Detection Rate : 0.2102          
##    Detection Prevalence : 0.2107          
##       Balanced Accuracy : 0.9975          
##                                           
##        'Positive' Class : Aceptable       
## 

exactitud <- round(as.numeric(matriz$overall[1]) * 100,2)
sensibilidad <- round(as.numeric(matriz$byClass[1]) * 100,2)
especificidad <- round(as.numeric(matriz$byClass[2]) * 100,2)
precision.Aceptable <- round(as.numeric(matriz$byClass[3]) * 100,2)
precision.Insuficiente <- round(as.numeric(matriz$byClass[4]) * 100,2)
kappa <- round(as.numeric(matriz$overall[2]) * 100,2)

sensibilidad

## [1] 99.55

Year <- c(1999, 2004, 2009, 2014 ,2019, 2024, 2030)
Porcentaje.Energias.Renovables <- c(44.063, 40.026  , 36.38, 59.629 ,67.639, 76.126, 85.431)
Nivel <- c("?", "?", "?","?", "?", "?", "?")

datos.nuevos <- data.frame(Year, Porcentaje.Energias.Renovables, Nivel)

datatable(datos.nuevos, caption = "Datos nuevos")

modelo <- knn(train = datos.prep[,1:2], test = datos.nuevos[,1:2], k = 4, cl = datos.prep[,3] )

modelo

## [1] Insuficiente Insuficiente Insuficiente Insuficiente Aceptable   
## [6] Aceptable    Aceptable   
## Levels: Aceptable Insuficiente

datos.nuevos <- mutate(datos.nuevos, prediccion = modelo)
datatable(datos.nuevos, caption = "Predicción de datos nuevos")

Resultados y discusión:

Los resultados obtenidos según los modelos y métodos utilizados, comparando las regiones del mundo se puede observar que la mayoría de naciones siguen un patrón bastante similar pero puede ser considerado algo insuficiente a los acuerdos internacionales que se tienen establecidos, con la excepción de Sudamérica que se mantiene constante con un alto porcentaje de energías renovables y África teniendo un avance muy grande en comparación a todas las demás regiones. México es una nación que no se ha quedado atrás en el progreso, puesto que uno pensaría que México no está a la altura para seguirle el paso a los países más desarrollados, sin embargo, los resultados muestran que México ha llevado un ritmo incluso similar que países de primer mundo como Alemania y Japón entre los años 2000 y 2010.

El auge de estas nuevas tecnologías nos hace darnos cuenta de la gran importancia que tienen las energías renovables en el mundo. Nuestro país aún tiene mucho camino por delante para llegar al punto de tener más del 90% de producción de energía limpia para abastecer este valioso recurso, la energía eléctrica, a la población. Consideramos que según las estadísticas y gráficas obtenidas mediante los métodos utilizados que, con el paso de los años, México y otros países en desarrollo podrán llegar al porcentaje actual de los países de primer mundo.

Figura 26

ggplot(data = datos1) +
  geom_line(aes(Fecha, prodMex, colour="México"), size = 1.5) +
  geom_line(aes(Fecha, prodNA, colour="Norteamérica")) +
  geom_line(aes(Fecha, prodSA, colour="Sudamérica")) +
  geom_line(aes(Fecha, prodEU, colour="Europa")) +
  geom_line(aes(Fecha, prodAS, colour="Asia")) +
  geom_line(aes(Fecha, prodAF, colour="África")) +
  geom_line(aes(Fecha, prodOC, colour="Oceanía")) +
  xlab("Fecha") +
  ylab("Porcentaje") +
  labs(colour="Región") +
  ggtitle("Porcentaje de producción de energías renovables") +
  scale_y_continuous() + 
  transition_reveal(Fecha)

Conclusión:

Cada vez son más los que apuestan por el uso de energías renovables. Estas energías son recursos limpios e inagotables que nos proporciona la naturaleza. Su empleo nos proporciona un sinfín de ventajas, el más importante, reducir el efecto invernadero y proteger nuestro a planeta, concluyendo con este proyecto nos dimos cuenta de como no todos los países se encuentran con niveles aceptables de uso de energías renovables, sin embargo con el paso de los años, han sido más paises los que poco a poco están incrementando su producción de estas energías limpias, tal es el caso de México que según los análisis, es uno de los países en latinoamérica con mayor auge en el aumento del uso de estas mismas energías renovables.

Referencias bibliográficas: libros, artículos, blogs, videos, posts

• La reforma energética de López Obrador es rechazada por la Cámara de Diputados de México. (2022). Retrieved 16 May 2022, from https://www.sandiegouniontribune.com/en-espanol/noticias/mexico/articulo/2022-04-18/la-reforma-energetica-de-lopez-obrador-es-rechazada-por-el-parlamento-de-mexico

• DECRETO por el que se reforman y adicionan diversas disposiciones de la Ley de la Industria Eléctrica. (2021). Retrieved 15 May 2022, from https://www.cenace.gob.mx/Docs/16_MARCOREGULATORIO/Leyes/(DOF%202021-03-09)%20DECRETO%20por%20el%20que%20se%20reforman%20y%20adicionan%20diversas%20disposiciones%20de%20la%20Ley%20de%20la%20Industria%20El%C3%A9ctrica.pdf

• Escamilla, V. (2021). AMLO oficializa nueva Ley de la Industria Eléctrica. Retrieved 15 May 2022, from https://www.forbes.com.mx/economia-amlo-nueva-ley-industria-electrica/

• DOF - TÉRMINOS para la estricta separación legal de la Comisión Federal de Electricidad. (2016). Retrieved 15 May 2022, from https://dof.gob.mx/nota_detalle.php?codigo=5422390&fecha=11/01/2016

• Ley de la comisión reguladora de energía. (2008). Retrieved 15 May 2022, from https://www.diputados.gob.mx/LeyesBiblio/abro/lcre/LCRE_orig_31oct95.pdf

Descarga este codigo:

xfun::embed_file("PanoramaEnergia.Rmd")

Download PanoramaEnergia.Rmd

xfun::embed_file("share-electricity-renewables.csv")

Download share-electricity-renewables.csv

xfun::embed_file("population.csv")

Download population.csv

xfun::embed_file("WFServlet.csv")

Download WFServlet.csv