Este proyecto evalúa la viabilidad económica de la energía solar fotovoltaica en Uruguay, mediante el análisis de datos climáticos, simulaciones de producción y estimaciones del Costo Nivelado de Energía (LCOE).

• RadiationSim2024_2044.csv: proyecciones de radiación.
• datos_horarios_con_temeperatura.csv: datos climáticos horarios.
• predicciones_anuales_1999_2044.csv y otras: demanda energética proyectada por sector y año.

• Normalización y detección de outliers: normalizar y outliers.R.
• Transformaciones adicionales: eda.r, eda2.R.

• Python: EDA_clima.ipynb analiza variables meteorológicas horarias.
• R: EDA_Simulaciones_perfil_Radiación_y_LCOE.ipynb explora simulaciones solares y parámetros financieros.

• Simulación Monte Carlo de:
  • CAPEX (costo de inversión inicial).
  • WACC (tasa de descuento).
• Cálculo de:
  • Producción eléctrica anual.
  • Valor Presente Futuro (VPF).
  • LCOE (Costo Nivelado de la Energía).

• Histogramas, densidades y curvas de distribución con ggplot2, highcharter, matplotlib, y seaborn.

• LCOE.R: simulación de escenarios económicos.
• simulacion.R: limpieza de datos y generación de escenarios de clima.
• funciones.R: funciones auxiliares para visualización y simulación.
• eda.r: análisis exploratorio de datos simulados.

data/
├── raw/                  # Datos originales
├── processed/            # Datos procesados

notebooks/
├── EDA_clima.ipynb       # Exploración de datos climáticos
├── EDA_Simulaciones_perfil_Radiación_y_LCOE.ipynb
├── Eda_simulaciones.ipynb

src/
└── scripts/              # Scripts en R para simulación y análisis

• R (preferentemente ≥ 4.2)
• Python ≥ 3.8
• Librerías: tidyverse, triangle, highcharter, pandas, seaborn, matplotlib

El script src/scripts/api.R expone el endpoint /lcoe mediante Plumber. Para iniciar el servicio es posible definir el puerto y el host mediante variables de entorno:

export R_API_PORT=8001
export R_API_HOST=0.0.0.0
Rscript src/scripts/api.R

La API quedará disponible en http://$R_API_HOST:$R_API_PORT/lcoe y retorna el LCOE calculado junto con la ruta del archivo generado.

Un cliente sencillo puede invocar el endpoint usando la librería requests:

import requests

payload = {
    "data_dir": "/ruta/datos",
    "input_file": "archivo.csv",
    "capital_cost": 3000,
    "operating_cost": 50,
    "energy_production": 5000,
    "discount_rate": 5,
    "lifetime": 20,
    "projection_date": "2045-12-31"
}

r = requests.post("http://localhost:8001/lcoe", json=payload)
print(r.json())

También puede ejecutarse el script examples/call_r_api.py para realizar la petición con parámetros de ejemplo.

Repositorio correspondiente a la entrega de Trabajo Final de Maestría en Ciencia de Datos sobre Modelos Estocásticos para la microgeneración de energía fotovoltaica en Uruguay.

Autores:

• Chalela, Emanuel: [email protected]
• Keulyian, Laura: [email protected]
• Sgüillaro, Enzo: [email protected]

Universidad Católica del Uruguay www.ucu.edu.uy