Luciana Carvajal (LucianaCarvajal)
Leila Luna Ameneiro (L-Ameneiro)

Este informe muestra el proceso de exploración, análisis y modelado de datos en relación a métricas de consumo y producción de electricidad a nivel mundial para determinar el nivel de dependencia de los países del mundo respecto de los combustibles fósiles utilizados para la electricidad. Para esto, se agruparán a los países de acuerdo a electricidad proveniente de fuentes renovables, fósiles y nucleares.
Por otra parte, se describirán las características de los países que influyen en la producción de electricidad de bajas emisiones de carbono per cápita.

¿ De qué fuentes proviene la electricidad que consumimos en el mundo?
¿Cuánto dependemos de los combustibles fósiles para abastecer de electricidad a la población y a la industria?
¿En que etapa de transición del cambio energético de fósil a renovable se encuentran los países del mundo?
¿En que etapa de transición del cambio energético de fósil a renovable se encuentran los países de sudamérica?
¿Qué características de un país influyen en la producción de electricidad baja en emisiones de carbono per cápita?

• Agrupar a los países del mundo respecto de la dependencia de los combustibles fósiles utilizados para la electricidad, de acuerdo a las fuentes renovables, fósiles y nucleares.
  
• Describir las características de los países que influyen en la producción de electricidad de bajas emisiones de carbono per cápita.

1. EDA.ipynb: Analisis exploratorio de los datos --> Limpieza de datos nulos. Seleccion de variables de interes. Creacion de datasets para los modelos supervisado y no supervisado.

2. clustering_perfil_energetico.ipynb --> Estudio de la dependencia de fuentes fósiles usando un algoritmo de clustering DBSCAN.

3. produccion_low_carbon.ipynb--> Caracterizar de las features que influyen en la producción de electricidad low-carbon per cápita de los países.

Datos fuente

• World_Energy_Consumption.csv Dataset sobre energia mantenido por la organizacion Our World in Data. Contiene cientos de metricas relevantes sobre consumo y produccion energetica por anio para cada pais del mundo. Algunas columnas contienen gran proporcion de datos nulos.
  Descargado de https://www.kaggle.com/datasets/pralabhpoudel/world-energy-consumption/data. Fuente actualizada: https://github.com/owid/energy-data

• Nivel de ingresos de acuerdo al Banco Mundial de cuardo al año 2023 (mapeo en notebook EDA)

Datos procesados

• wec_ns.csv Contiene datos de porcentaje de consumo electrico proveniente de distintas fuentes (medias de los anios 2010-2020 para cada pais del mundo). Generado a partir de World_Energy_Consumption.csv en notebook de limpieza y procesamiento.

De todas las variables numericas se calculo la media por pais desde el anio 2010.

Clustering por perfiles energéticos Los países del mundo poseen gran diversidad de perfiles energéticos. En referencia a sudamérica, se encuentran países agrupados en los 5 clusters arrojados por el modelo. En un extremo, se ubican los países como Paraguay y Uruguay; que muestran gran independencia de los combustibles fósiles para electricidad. En el otro, países como Trinidad y Tobago y Granada que muestran total dependencia de los combustibles fósiles.
La producción de electricidad low-carbon per capita(teravatios-hora/habitante), mantiene una relación inversamente proporcional con la población de cada país.
Variables que determinan producción de energías low-carbon Las variables con mayor impacto en la producción de energía low_carbon de un país son su población y su nivel de ingresos, con menores aportes del contienente y casi sin aporte del año.

Todo el proyecto fue desarrollado en Python notebooks (ipynb). Version de Python 3.11.5.
Cada notebook incluye las instrucciones para importar las librerías necesarias.

Todas las notebooks:

• pandas
  
• numpy
  
• plotly.express
  
• matplotlib.pyplot
  

Clustering DBSCAN

• sklearn.cluster
  
• sklearn.metrics
  

Regresión

• sklearn.linear_model
  
• sklearn.ensemble
  
• sklearn.svm
  
• sklearn.model_selection
  

Los datos, las visualizaciones y el codigo producido por las autoras de este repositorio es de acceso completamente abierto bajo la licencia Creative Commons BY. Se puede descargar, compartir y modificar siempre que la fuente original sea citada.
A noviembre de 2023, la misma licencia aplica a los datasets utilizados, producidos por Our World in Data.

Este trabajo no hubiera sido posible sin el programa YPF-Ingenias y las instructoras de Jump! Media Chicas.
Gracias a Irina, Charly, Gianella y Tamara por la paciencia y a todxs lxs que hacen su aporte para llevar adelante el programa.
Tambien queremos reconocer el enorme aporte de Our World in Data por proveer y mantener el dataset fuente utilizado.