.. DO NOT EDIT. .. THIS FILE WAS AUTOMATICALLY GENERATED BY SPHINX-GALLERY. .. TO MAKE CHANGES, EDIT THE SOURCE PYTHON FILE: .. "examples/plot_sintese_operacao.py" .. LINE NUMBERS ARE GIVEN BELOW. .. only:: html .. note:: :class: sphx-glr-download-link-note :ref:`Go to the end ` to download the full example code. .. rst-class:: sphx-glr-example-title .. _sphx_glr_examples_plot_sintese_operacao.py: ======================================== Síntese da Operação ======================================== .. GENERATED FROM PYTHON SOURCE LINES 8-15 Para realizar a síntese da operação de um caso do DESSEM é necessário estar em um diretório no qual estão os principais arquivos de saída do modelo. Além dos arquivos dos quais são extraídas as variáveis em si, são lidos também alguns arquivos de entrada do modelo, como o `entdados`, `dadvaz`, `dessem.arq` e `operuh`. Neste contexto, basta fazer:: $ sintetizador-dessem operacao .. GENERATED FROM PYTHON SOURCE LINES 17-48 O sintetizador irá exibir o log da sua execução:: >>> 2025-04-08 14:26:58,020 INFO: # Realizando síntese da OPERACAO # >>> . >>> . >>> . >>> 2025-04-08 14:27:18,274 INFO: Realizando sintese de CFU_SIN >>> 2025-04-08 14:27:18,317 INFO: Tempo para obtenção dos dados do pdo_operacao para SIN: 0.04 s >>> 2025-04-08 14:27:18,318 INFO: Tempo para compactacao dos dados: 0.00 s >>> 2025-04-08 14:27:18,319 INFO: Tempo para calculo dos limites: 0.00 s >>> 2025-04-08 14:27:18,327 INFO: Tempo para preparacao para exportacao: 0.01 s >>> 2025-04-08 14:27:18,334 INFO: Tempo para exportacao dos dados: 0.01 s >>> 2025-04-08 14:27:18,334 INFO: Tempo para sintese de CFU_SIN: 0.06 s >>> 2025-04-08 14:27:18,335 INFO: Realizando sintese de INT_SBP >>> 2025-04-08 14:27:18,398 INFO: Lendo arquivo PDO_INTER.DAT >>> 2025-04-08 14:27:18,946 INFO: Tempo para obtenção dos dados do pdo_inter para SBP: 0.61 s >>> 2025-04-08 14:27:18,948 INFO: Tempo para compactacao dos dados: 0.00 s >>> 2025-04-08 14:27:18,949 INFO: Tempo para calculo dos limites: 0.00 s >>> 2025-04-08 14:27:18,956 INFO: Tempo para preparacao para exportacao: 0.01 s >>> 2025-04-08 14:27:18,963 INFO: Tempo para exportacao dos dados: 0.01 s >>> 2025-04-08 14:27:18,963 INFO: Tempo para sintese de INT_SBP: 0.63 s >>> 2025-04-08 14:27:18,963 INFO: Realizando sintese de VCALHA_UHE >>> 2025-04-08 14:27:19,009 INFO: Lendo arquivo PDO_OPER_TVIAG_CALHA.DAT >>> 2025-04-08 14:27:19,108 INFO: Tempo para obtenção dos dados do pdo_oper_tviag_calha para UHE: 0.14 s >>> 2025-04-08 14:27:19,110 INFO: Tempo para compactacao dos dados: 0.00 s >>> 2025-04-08 14:27:19,111 INFO: Tempo para calculo dos limites: 0.00 s >>> 2025-04-08 14:27:19,120 INFO: Tempo para preparacao para exportacao: 0.01 s >>> 2025-04-08 14:27:19,129 INFO: Tempo para exportacao dos dados: 0.01 s >>> 2025-04-08 14:27:19,130 INFO: Tempo para sintese de VCALHA_UHE: 0.17 s >>> 2025-04-08 14:27:19,366 INFO: Tempo para sintese da operacao: 21.34 s >>> 2025-04-08 14:27:19,366 INFO: # Fim da síntese # .. GENERATED FROM PYTHON SOURCE LINES 50-52 Os arquivos serão salvos no subdiretório `sintese`. Para realizar o processamento, pode ser utilizado o próprio `python`: .. GENERATED FROM PYTHON SOURCE LINES 52-56 .. code-block:: Python import plotly.express as px import pandas as pd .. GENERATED FROM PYTHON SOURCE LINES 57-59 Para a síntese da operação é produzido um arquivo com as informações das sínteses que foram realizadas: .. GENERATED FROM PYTHON SOURCE LINES 59-62 .. code-block:: Python metadados = pd.read_parquet("sintese/METADADOS_OPERACAO.parquet") print(metadados.head(10)) .. rst-class:: sphx-glr-script-out .. code-block:: none chave nome_curto_variavel ... calculado limitado 0 CMO_SBM CMO ... False False 1 MER_SBM Mercado ... False False 2 MER_SIN Mercado ... False False 3 MERL_SBM Mercado Líq. ... False False 4 MERL_SIN Mercado Líq. ... False False 5 GHID_UHE GH ... False True 6 GHID_SBM GH ... False True 7 GHID_SIN GH ... False True 8 GTER_UTE GT ... False True 9 GTER_SBM GT ... False True [10 rows x 8 columns] .. GENERATED FROM PYTHON SOURCE LINES 63-65 Os arquivos com os nomes das sínteses de operação armazenam os dados de todos os cenários simulados. .. GENERATED FROM PYTHON SOURCE LINES 65-69 .. code-block:: Python cmo = pd.read_parquet("sintese/CMO_SBM.parquet") gter = pd.read_parquet("sintese/GTER_UTE.parquet") mer = pd.read_parquet("sintese/MER_SIN.parquet") .. GENERATED FROM PYTHON SOURCE LINES 70-71 O formato dos dados de GTER: .. GENERATED FROM PYTHON SOURCE LINES 71-73 .. code-block:: Python print(gter.head(10)) .. rst-class:: sphx-glr-script-out .. code-block:: none codigo_usina codigo_submercado ... limite_inferior limite_superior 0 1 1 ... 640.0 640.0 1 1 1 ... 640.0 640.0 2 1 1 ... 640.0 640.0 3 1 1 ... 640.0 640.0 4 1 1 ... 640.0 640.0 5 1 1 ... 640.0 640.0 6 1 1 ... 640.0 640.0 7 1 1 ... 640.0 640.0 8 1 1 ... 640.0 640.0 9 1 1 ... 640.0 640.0 [10 rows x 11 columns] .. GENERATED FROM PYTHON SOURCE LINES 74-75 Os tipos de dados da síntese de GTER: .. GENERATED FROM PYTHON SOURCE LINES 75-77 .. code-block:: Python gter.dtypes .. rst-class:: sphx-glr-script-out .. code-block:: none codigo_usina int64 codigo_submercado int64 estagio int64 data_inicio datetime64[ns, UTC] data_fim datetime64[ns, UTC] cenario int64 patamar int64 duracao_patamar float64 valor float64 limite_inferior float64 limite_superior float64 dtype: object .. GENERATED FROM PYTHON SOURCE LINES 78-79 O formato dos dados de MER: .. GENERATED FROM PYTHON SOURCE LINES 79-81 .. code-block:: Python print(mer.head(10)) .. rst-class:: sphx-glr-script-out .. code-block:: none estagio data_inicio ... limite_inferior limite_superior 0 1 2024-10-25 00:00:00+00:00 ... -inf inf 1 2 2024-10-25 00:30:00+00:00 ... -inf inf 2 3 2024-10-25 01:00:00+00:00 ... -inf inf 3 4 2024-10-25 01:30:00+00:00 ... -inf inf 4 5 2024-10-25 02:00:00+00:00 ... -inf inf 5 6 2024-10-25 02:30:00+00:00 ... -inf inf 6 7 2024-10-25 03:00:00+00:00 ... -inf inf 7 8 2024-10-25 03:30:00+00:00 ... -inf inf 8 9 2024-10-25 04:00:00+00:00 ... -inf inf 9 10 2024-10-25 04:30:00+00:00 ... -inf inf [10 rows x 9 columns] .. GENERATED FROM PYTHON SOURCE LINES 82-83 Os tipos de dados da síntese de MER: .. GENERATED FROM PYTHON SOURCE LINES 83-85 .. code-block:: Python mer.dtypes .. rst-class:: sphx-glr-script-out .. code-block:: none estagio int64 data_inicio datetime64[ns, UTC] data_fim datetime64[ns, UTC] cenario int64 patamar int64 duracao_patamar float64 valor float64 limite_inferior float64 limite_superior float64 dtype: object .. GENERATED FROM PYTHON SOURCE LINES 86-87 O formato dos dados de MER: .. GENERATED FROM PYTHON SOURCE LINES 87-89 .. code-block:: Python print(cmo.head(10)) .. rst-class:: sphx-glr-script-out .. code-block:: none codigo_submercado estagio ... limite_inferior limite_superior 0 1 1 ... -inf inf 1 1 2 ... -inf inf 2 1 3 ... -inf inf 3 1 4 ... -inf inf 4 1 5 ... -inf inf 5 1 6 ... -inf inf 6 1 7 ... -inf inf 7 1 8 ... -inf inf 8 1 9 ... -inf inf 9 1 10 ... -inf inf [10 rows x 10 columns] .. GENERATED FROM PYTHON SOURCE LINES 90-91 Os tipos de dados da síntese de MER: .. GENERATED FROM PYTHON SOURCE LINES 91-93 .. code-block:: Python cmo.dtypes .. rst-class:: sphx-glr-script-out .. code-block:: none codigo_submercado int64 estagio int64 data_inicio datetime64[ns, UTC] data_fim datetime64[ns, UTC] cenario int64 patamar int64 duracao_patamar float64 valor float64 limite_inferior float64 limite_superior float64 dtype: object .. GENERATED FROM PYTHON SOURCE LINES 94-100 De modo geral, os arquivos das sínteses de operação sempre possuem as colunas `estagio`, `data_inicio`, `data_fim`, `cenario`, `patamar`, `duracao_patamar` e `valor`. A depender se o arquivo é relativo a uma agregação espacial diferente de todo o SIN ou agregação temporal diferente do valor médio por estágio, existirão outras colunas adicionais para determinar de qual subconjunto da agregação o dado pertence. Por exemplo, no arquivo da síntese de CMO_SBM, existe uma coluna adicional de nome `codigo_submercado`. .. GENERATED FROM PYTHON SOURCE LINES 102-105 A coluna de cenários contém não somente inteiros de 1 a N, onde N é o número de séries da simulação final do modelo. No caso específico do DESSEM, determinístico, apenas o cenário de índice 1 é obervado. .. GENERATED FROM PYTHON SOURCE LINES 105-108 .. code-block:: Python cenarios = mer["cenario"].unique().tolist() print(cenarios) .. rst-class:: sphx-glr-script-out .. code-block:: none [1] .. GENERATED FROM PYTHON SOURCE LINES 109-111 Para variáveis da operação que possuam diferentes subconjuntos, como os submercados, podem ser visualizadas as variáveis simultâneamente. .. GENERATED FROM PYTHON SOURCE LINES 111-119 .. code-block:: Python fig = px.line( cmo, x="data_fim", y="valor", color="codigo_submercado", ) fig .. raw:: html


.. GENERATED FROM PYTHON SOURCE LINES 120-122 Para dados por UTE, como o número de subconjuntos é muito grande, é possível fazer um subconjunto dos elementos de interesse para a visualização: .. GENERATED FROM PYTHON SOURCE LINES 122-132 .. code-block:: Python gter_ute = gter.loc[gter["codigo_usina"].isin([1, 13, 146, 383])] fig = px.line( gter_ute, x="data_inicio", y="valor", facet_col_wrap=2, facet_col="codigo_usina", ) fig .. raw:: html


.. GENERATED FROM PYTHON SOURCE LINES 133-137 Além dos arquivos com as sínteses dos cenários, estão disponíveis também os arquivos que agregam estatísticas das previsões. No caso do DESSEM, determinístico, com apenas 1 cenário, os arquivos que contém estatísticas apresentam apenas a estatística de média, que correspondem aos próprios valores por cenário observados nas sínteses individuais. .. GENERATED FROM PYTHON SOURCE LINES 137-142 .. code-block:: Python estatisticas_uhe = pd.read_parquet("sintese/ESTATISTICAS_OPERACAO_UHE.parquet") print(estatisticas_uhe.head(10)) metricas = estatisticas_uhe["cenario"].unique() print(metricas) .. rst-class:: sphx-glr-script-out .. code-block:: none variavel codigo_usina codigo_ree ... valor limite_inferior limite_superior 0 GHID 1 10 ... 6.64 0.0 46.0 1 GHID 1 10 ... 6.64 0.0 46.0 2 GHID 1 10 ... 6.65 0.0 46.0 3 GHID 1 10 ... 6.65 0.0 46.0 4 GHID 1 10 ... 6.65 0.0 46.0 5 GHID 1 10 ... 6.65 0.0 46.0 6 GHID 1 10 ... 6.65 0.0 46.0 7 GHID 1 10 ... 6.65 0.0 46.0 8 GHID 1 10 ... 10.41 0.0 46.0 9 GHID 1 10 ... 10.41 0.0 46.0 [10 rows x 13 columns] ['mean'] .. rst-class:: sphx-glr-timing **Total running time of the script:** (0 minutes 0.165 seconds) .. _sphx_glr_download_examples_plot_sintese_operacao.py: .. only:: html .. container:: sphx-glr-footer sphx-glr-footer-example .. container:: sphx-glr-download sphx-glr-download-jupyter :download:`Download Jupyter notebook: plot_sintese_operacao.ipynb ` .. container:: sphx-glr-download sphx-glr-download-python :download:`Download Python source code: plot_sintese_operacao.py ` .. container:: sphx-glr-download sphx-glr-download-zip :download:`Download zipped: plot_sintese_operacao.zip ` .. only:: html .. rst-class:: sphx-glr-signature `Gallery generated by Sphinx-Gallery `_