import numpy as np import pandas as pd from dash import Dash, html, dcc,Input, Output, callback from dash.dependencies import Input, Output import plotly.express as px import dash_bootstrap_components as dbc from statsmodels.graphics.tsaplots import plot_acf, plot_pacf from statsmodels.tsa.seasonal import seasonal_decompose from statsmodels.tsa.stattools import adfuller from prophet import Prophet from flask import Flask print("Ejecutando APP 1") # Inicializar la aplicación Dash app = Dash(__name__, requests_pathname_prefix='/app1/', external_stylesheets=[dbc.themes.CERULEAN]) server = app.server app.title = 'Optimización del Uso de Energía Renovable' df = pd.read_csv('/var/www/dash_apps/app1/datos.csv') # Header header = html.Div( className='header', children=[ html.H1('Optimización del Uso de Energía Renovable en Ciudades Inteligentes', style={'textAlign': 'center'}), html.P('El proyecto consiste en analizar el consumo de energía en una ciudad y proponer estrategias para optimizar el uso de energías renovables (solar, eólica, etc.) en función de patrones de consumo, condiciones climáticas y disponibilidad de recursos. El objetivo es reducir la huella de carbono y mejorar la eficiencia energética.', style={'textAlign': 'justify'}), ], style={'padding': '50px'} ) # Primera sección titulo_seccion_1 = html.H3('ANÁLISIS DESCRIPTIVO DE CONSUMO DE ENERGÍA', style={'textAlign': 'center'}) figura_seccion_1 = px.line(df, x='Fecha', y=["Consumo", "Generación Solar"], title='Tendencia de Consumo y Generación Solar', line_shape="spline", labels={"value": "Energía (kWh)", "variable": "Tipo"}) figura_seccion_1.layout.update(showlegend=True) grafica_seccion_1 = dcc.Graph(figure=figura_seccion_1, className='graph') grafica_correlacion = px.imshow(df.corr(numeric_only=True), title='Correlación entre variables', labels={"x": "Variable", "y": "Variable", "color": "Correlación"}) grafica_seccion_1_2 = dcc.Graph(figure=grafica_correlacion, className='graph') grafica_box = px.box(df, x='Consumo', y='Generación Solar', title='Distribución de Consumo y Generación Solar', labels={"value": "Energía (kWh)"}) grafica_seccion_1_3 = dcc.Graph(figure=grafica_box, className='graph') grafica_scartter = px.scatter_matrix(df, dimensions=["Consumo", "Generación Solar", "Temperatura"], title='Matriz de Dispersión', labels={"value": "Energía (kWh)"}) grafica_seccion_1_4 = dcc.Graph(figure=grafica_scartter, className='graph', style={'height': '500px'}) contenido_seccion_1 = html.Div( className='row', children=[ html.Div( className='container', children=[ titulo_seccion_1, grafica_seccion_1 ] ), html.Div( className='row', children=[ html.Div( className='col-md-6', children=[ grafica_seccion_1_2 ] ), html.Div( className='col-md-6', children=[ grafica_seccion_1_4 ] ), ] ) ], style={'padding': '25px', 'margin': 'auto'} ) # Segunda sección @callback( Output('grafica_1', 'figure'), Output('grafica_2', 'figure'), Output('grafica_3', 'figure'), Input('selector-columna', 'value')) def grafica_descomposicion_estacional(columna): result = seasonal_decompose(df[columna], model='multiplicative', period=12) if columna == 'Temperatura': labels = {"value": "Temperatura (°C)"} else: labels = {"value": "Energía (kWh)"} grafica_1=px.line(df[columna], title=f'Datos Originales {columna}', labels=labels) grafica_2=px.line(result.trend, title=f'Tendencia {columna}', labels=labels) grafica_3=px.line(result.seasonal, title=f'Estacionalidad {columna}', labels=labels) return grafica_1, grafica_2, grafica_3 @callback(Output('resultado', 'children'), Input('selector-columna', 'value')) def verificar_estacioalidad(columna): result = adfuller(df[columna]) if result[1] > 0.05: resultado =f'La serie de tiempo {columna} no es estacionaria y que su valor de p-value es {result[1]:.8f}' else: resultado= f'La serie de tiempo {columna} es estacionaria ya que su valor de p-value es {result[1]:.8f}' return resultado selector_columna = html.Div( children=[ html.H6('Seleccion columna analisis'), dcc.Dropdown( id='selector-columna', placeholder='Seleccion columna analisis', options=[ {'label': 'Consumo', 'value': 'Consumo'}, {'label': 'Generación Solar', 'value': 'Generación Solar'}, {'label': 'Temperatura', 'value': 'Temperatura'}, ], value='Consumo', ) ], style={'width': '30%', 'margin': 'auto', 'textAlign': 'center'}, ) grafica_1 = dcc.Graph( id='grafica_1') grafica_2 = dcc.Graph( id='grafica_2') grafica_3 = dcc.Graph( id='grafica_3') contenido_seccion_2 = html.Div( className='row', children=[ html.H3('ANÁLISIS DE DESCOMPOSICIÓN ESTACIONAL', style={'textAlign': 'center'}), selector_columna, html.Div( className='row', children=[ html.Div( className='container', children=[ grafica_1 ] ) ] ), html.Div( className='row', children=[ html.Div( className='col-md-6', children=[ grafica_2 ] ), html.Div( className='col-md-6', children=[ grafica_3, html.H6(id='resultado', style={'textAlign': 'center'}), ] ), ] ) ], style={'margin': 'auto', 'padding': '25px', 'textAlign': 'center'} ) # Tercera sección @callback(Output('grafica_prediccion', 'figure'), [Input('selector-columna-1', 'value'), Input('num-multi', 'value')]) def grafica_prediccion(columna, periodos): df = pd.read_csv('/var/www/dash_apps/app1/datos.csv') df=df.rename(columns={'Fecha':'ds', columna:'y'}) model = Prophet() model.fit(df) future = model.make_future_dataframe(periods=periodos, freq = 'd') forecast = model.predict(future) df.set_index('ds', inplace=True) forecast.set_index('ds', inplace=True) viz_df = df.join(forecast[['yhat', 'yhat_lower','yhat_upper']], how = 'outer') viz_df['Predicción'] = (viz_df['yhat']) viz_df['Valor Real'] = (viz_df['y']) if columna == 'Temperatura': labels = {"value": "Temperatura (°C)", "ds": "Fecha", 'y_exp': 'Valor Real', 'yhat_exp': 'Predicción'} else: labels = {"value": "Energía (kWh)","ds": "Fecha", 'y_exp': 'Valor Real', 'yhat_exp': 'Predicción'} fig=px.line(viz_df, x=viz_df.index, y=['Valor Real', 'Predicción'], title=f'Predicción {columna}', labels=labels, line_shape="spline", ) return fig grafica_pred = dcc.Graph(id='grafica_prediccion', className='graph') periodos = html.Div( className='controler-row', children=[ html.H6('Número de periodos a predecir'), dcc.Input( id='num-multi', type='number', min=1, max=30, value=7 ) ], style={'width': '30%', 'margin': 'auto', 'textAlign': 'center'}, ) selector_columna_1 = html.Div( children=[ html.H6('Seleccion columna analisis'), dcc.Dropdown( id='selector-columna-1', placeholder='Seleccion columna analisis', options=[ {'label': 'Consumo', 'value': 'Consumo'}, {'label': 'Generación Solar', 'value': 'Generación Solar'}, {'label': 'Temperatura', 'value': 'Temperatura'}, ], value='Consumo', ) ], style={'width': '30%', 'margin': 'auto','textAlign': 'center'}, ) controls = html.Div( className='controler-row', children=[ periodos, selector_columna_1 ] ) contenido_seccion_3 = html.Div( className='row', children=[ html.H3('ANÁLISIS PREDICTIVO', style={'textAlign': 'center'}), controls, html.Div( className='row', children=[ html.Div( className='container', children=[ grafica_pred ] ) ] ), ], style={'margin': 'auto', 'padding': '25px'} ) # Layout del dashboard app.layout = html.Div( children=[ header, contenido_seccion_1, contenido_seccion_2, contenido_seccion_3, ]) # server = app.server # Ejecutar la aplicación if __name__ == "__main__": app.run(debug=True)