-
Notifications
You must be signed in to change notification settings - Fork 0
/
bstsR.qmd
796 lines (646 loc) · 44.1 KB
/
bstsR.qmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
---
title: "Proyecciones de Demanda de Gas Natural en el sector residencial 2023-2027"
format: html
editor: visual
editor_options:
chunk_output_type: console
embed-resources: true
page-layout: full
fig-align: center
fig-width: 9
fig-height: 6
---
Cargue de librerías:
```{r}
#| code-fold: true
#| output: false
rm(list=ls())
library(readxl)
library(xlsx)
library(openxlsx)
library(dplyr)
library(lubridate)
library(stringr)
library(tidyr)
library(TSstudio)
library(ggfortify)
library(ggplot2)
library(latex2exp)
library(gridExtra)
library(Polychrome)
library(imputeTS)
library(grid)
library(tsoutliers)
library(forecast)
library(fpp2)
library(bsts)
library(plotly)
options(scipen=15)
P28 = createPalette(28, c("#009ACD", "#CD2626", "#00CD00"))
```
## Explorando los datos
Los datos de la demanda de Gas Natural (Consumo) está disponible de forma mensual desde Enero de 2005 hasta Diciembre de 2022. La información originalmente está disponible por municipio, pero este análisis se realizará de forma agregada a nivel país.
El horizonte temporal de las proyecciones será 2023-2027 (5 años).
Se usará la información agregada por Departamento con el fin de realizar un tratamiento más adecuado de datos faltantes y atípicos, pero finalmente las proyecciones serán a nivel país.
Importación de la base de datos descargada del **SUI**. Cada registro aquí consignado corresponde a la información consolidada por Departamento en el respectivo mes. De esta base de datos, se tendrán en cuenta las siguientes variables:
- ***Consumo:*** Corresponde al consumo (demanda) histórico de Gas Natural. Está medido en $m^3$.
- ***Suscriptores:*** Número de conexiones residenciales
- ***PrecioGas:*** Precio del $m^3$ de Gas Natural consumido. Está medido en $\$/m^3$.
- ***Subsidios:*** Subsidios otorgados a los estratos 1 y 2. Está medido en $\$$.
- ***Contribuciones:*** Contribuciones de los estratos 5 y 6. Está medido en $\$$.
- ***Municipios***: Número de municipios con cobertura de Gas Natural.
- ***Facturación***: Total facturado por el consumo. Está medido en $\$$. Esta variable solo será usada para calcular el precio del Gas Natural a nivel país.
```{r}
#| code-fold: true
datos <- read_excel("C:/Users/e0306829/OneDrive - Ecopetrol S.A/Escritorio/Pasantía/Datos/Demanda.xlsx")
datos <- datos |> select(Mes = MES, Departamento, Municipio, Consumo = `Consumo total (m3)`,
Suscriptores = `Numero de suscriptores`, PrecioGas = `Valor Real por m3 consumido ($/m3)`,
Subsidios = `Subsidios ($)`, Contribuciones = `Contribuciones ($)`, Municipios = `Numero de Municipios`,
Facturacion = `Facturación por consumo ($)`) |>
filter(grepl("^(05-|08-|11-|13-|15-|17-|18-|19-|20-|23-|25-|27-|41-|44-|47-|50-|52-|54-|63-|66-|68-|70-|73-|76-|81-|85-|86-|95-)",Municipio)) |>
select(-Municipio) |> separate(Departamento, c('CoDep', 'Departamento'), sep = "-") |>
filter(Mes <= "2022-12-01") |>
mutate(PrecioGas = round(as.numeric(PrecioGas)))
```
```{r}
#| df-print: kable
rmarkdown::paged_table(head(datos))
```
```{r}
#| df-print: kable
rmarkdown::paged_table(tail(datos))
```
## Análisis y Exploración de los datos
### Evolución del Consumo de Gas Natural a nivel País
A continuación se muestra el comportamiento del consumo de Gas Natural y de las demás variables en la ventana de tiempo disponible:
```{r}
#| code-fold: true
Pais <- datos |>
group_by(Mes) |>
summarise(Consumo = sum(Consumo), Suscriptores = sum(Suscriptores), PrecioGas = sum(Facturacion)/sum(Consumo),
Subsidios = sum(Subsidios), Contribuciones = sum(Contribuciones), Municipios = sum(Municipios)) |>
select(-Mes)
Pais_Ylabs <- c("\\textrm{Demanda} $(m^3)$", "\\textrm{N. de suscriptores}", "\\textrm{Precio del gas} $\\$/m^3$", "\\textrm{Subsidios} $(\\$)$", "\\textrm{Contribuciones} $(\\$)$", "\\textrm{N. de municipios}")
Pais_Titulos <- c("\\textrm{Demanda}", "\\textrm{Número de suscriptores}", "\\textrm{Precio del gas}", "\\textrm{Subsidios}", "\\textrm{Contribuciones}", "\\textrm{Número de municipios}")
Pais <- ts(Pais, start = 2005, frequency = 12)
for(i in 1:6){
a = Pais[,i] |> autoplot(colour = 1, size = 1, alpha = 1) +
theme_grey(12) + ylab(latex2exp::TeX(Pais_Ylabs[i])) + xlab("Año") +
ggtitle(latex2exp::TeX(Pais_Titulos[i]), "Ene 2005 - Dic 2022")
assign(paste("Pais", i, sep = "_"), a)
}
grid.arrange(Pais_1, Pais_2, Pais_3, Pais_4, Pais_5, Pais_6, nrow = 2, ncol = 3)
```
Se observa que tanto el Consumo (demanda) y todas las demás variables presentan un comportamiento de tendencia principalmente creciente en el tiempo. El Consumo tiende a crecer aunque también presenta periodos de reducción y de lento crecimiento.
En total hay información de 216 meses (no hay datos faltantes). Sin embargo, se observa en los gráficos algunos cambios abruptos repentinamente. Mirando más a profundidad, hay algunos datos faltantes y datos atípicos a nivel municipal y/o departamental, lo cuál se refleja al agregar los datos a nivel país.
Para darle un manejo a los datos faltantes y atípicos con el fin de conseguir que la información a nivel país sea más confiable, se analizará la información a nivel departamental con el fin de imputar los datos faltantes y darle un manejo a los datos atípicos.
### Evolución del Consumo de Gas Natural por Departamento
```{r}
#| code-fold: true
#| output: false
# Departamentos ordenados de mayor a menor demanda total - para gráficos.
DemandaTotal <- datos |> group_by(CoDep,Departamento) |>
summarise(Consumo = sum(Consumo)) |> arrange(desc(Consumo))
CoDep2 <- DemandaTotal$CoDep
Departamento2 <- DemandaTotal$Departamento
Meses <- data.frame(Mes = unique(datos$Mes))
```
```{r}
#| code-fold: true
#| warning: false
## Demanda por departamento
DemandaDepartamento <- datos |> select(Mes,CoDep,Departamento,Consumo)
# Es necesario crear el objeto ts por cada departamento dependiendo de la
# cantidad de datos disponible por departamento
series <- list()
for(i in 1:length(unique(DemandaDepartamento$CoDep))){
datosDep = DemandaDepartamento |> filter(CoDep==CoDep2[i])
datosDep = Meses |> left_join(datosDep, by="Mes") |>
select(Consumo) |> ts(start = 2005, frequency = 12)
series[[i]] <- assign(Departamento2[i], datosDep)
}
Graficos_Demanda <- list()
for(i in 1:length(unique(DemandaDepartamento$CoDep))){
Graficos_Demanda[[i]] <- series[[i]] |>
autoplot(colour = P28[i], size = 1, alpha = 1) +
theme_gray(5) + ylab(TeX("\\textrm{Demanda en} $m^3$")) + xlab("Año") +
ggtitle(str_to_title(Departamento2[i]))
}
do.call(grid.arrange, c(Graficos_Demanda, nrow=7))
```
Se evidencia que hay departamentos que tienen datos faltantes en algunos meses puntualmente, mientras que hay otros en que la información inicia desde que el departamento empieza a tener cobertura de Gas Natural.
```{r}
#| code-fold: true
sort(table(datos$Departamento), decreasing = TRUE)
```
El periodo ***Enero-2005 / Diciembre-2022*** comprende un total de 216 meses.
- ***15*** departamentos cuentan con información completa.
- ***Bogotá, Norte de Santander*** y ***Quindío*** cuentan con 1 dato faltante.
- ***Córdoba*** y ***Sucre*** cuentan con 2 datos faltantes.
- ***La Guajira*** cuenta con 5 datos faltantes.
- ***Cauca, Caquetá, Nariño, Putumayo, Guaviare, Arauca*** y ***Chocó*** empiezan a incorporar información en años posteriores al 2005, pero no tienen datos faltantes.
Estos datos faltantes en el Consumo de Gas Natural, también se presentan en las demás variables.
Ahora, la idea es imputar los datos faltantes en cada serie de tiempo correspondiente a los departamentos de ***Bogotá, Norte de Santander, Quindío, Córdoba, Sucre*** y ***La Guajira***.
A continuación se muestra la distribución de datos faltantes en las series de tiempo correspondientes al Consumo en los departamentos con datos faltantes.
```{r}
#| code-fold: true
grid.arrange(ggplot_na_distribution(`BOGOTA, D.C.`, title = "", subtitle = "Bogotá D.C.", xlab = "Mes", ylab = "Consumo"),
ggplot_na_distribution(`NORTE DE SANTANDER`, title = "", subtitle = "Norte de Santander", xlab = "Mes", ylab = "Consumo"),
ggplot_na_distribution(QUINDIO, title = "", subtitle = "Quindío", xlab = "Mes", ylab = "Consumo") ,
ggplot_na_distribution(CORDOBA, title = "", subtitle = "Córdoba", xlab = "Mes", ylab = "Consumo"),
ggplot_na_distribution(SUCRE, title = "", subtitle = "Sucre", xlab = "Mes", ylab = "Consumo"),
ggplot_na_distribution(`LA GUAJIRA`, title = "", subtitle = "La Guajira", xlab = "Mes", ylab = "Consumo"),
ncol = 3, top = textGrob("Consumo: Distribución de datos faltantes", gp = gpar(fontsize=20,font=3))
)
```
Y ahora se imputarán los datos faltantes en estas series de tiempo por medio de la función `na_kalman` de la librería **imputeTS**. La razón de usar `na_kalman` es porque estamos en el contexto de un modelo de series de tiempo estructurales. Los datos son imputados siguiendo el algoritmo del filtro de Kalman, usual en estos modelos.
```{r}
#| code-fold: true
#| warning: false
imp1 <- na_kalman(`BOGOTA, D.C.`)
imp2 <- na_kalman(`NORTE DE SANTANDER`)
imp3 <- na_kalman(QUINDIO)
imp4 <- na_kalman(CORDOBA)
imp5 <- na_kalman(SUCRE)
imp6 <- na_kalman(`LA GUAJIRA`)
```
```{r}
#| code-fold: true
grid.arrange(ggplot_na_imputations(`BOGOTA, D.C.`, imp1, title = "", subtitle = "Bogotá D.C.", xlab = "Mes", ylab = "Consumo", label_known = "Observados", label_imputations = "Imputados"),
ggplot_na_imputations(`NORTE DE SANTANDER`, imp2, title = "", subtitle = "Norte de Santander", xlab = "Mes", ylab = "Consumo", label_known = "Observados", label_imputations = "Imputados"),
ggplot_na_imputations(QUINDIO, imp3, title = "", subtitle = "Quindío", xlab = "Mes", ylab = "Consumo", label_known = "Observados", label_imputations = "Imputados") ,
ggplot_na_imputations(CORDOBA, imp4, title = "", subtitle = "Córdoba", xlab = "Mes", ylab = "Consumo", label_known = "Observados", label_imputations = "Imputados"),
ggplot_na_imputations(SUCRE, imp5, title = "", subtitle = "Sucre", xlab = "Mes", ylab = "Consumo", label_known = "Observados", label_imputations = "Imputados"),
ggplot_na_imputations(`LA GUAJIRA`, imp6, title = "", subtitle = "La Guajira", xlab = "Mes", ylab = "Consumo", label_known = "Observados", label_imputations = "Imputados"),
ncol = 3, top = textGrob("Consumo: Datos imputados", gp = gpar(fontsize=20,font=3))
)
```
Se observa que los valores imputados parecen tener sentido de acuerdo al comportamiento de las series de tiempo correspondientes. La imputación se realizará de la misma forma para las demás variables en los mismos departamentos.
```{r}
#| code-fold: true
#| warning: false
SERIES <- function(variable){
series <- list()
for(i in 1:length(unique(datos$CoDep))){
datosDep = datos |> select(Mes,CoDep,Departamento,variable) |> filter(CoDep == CoDep2[i])
datosDep = Meses |> left_join(datosDep, by="Mes") |>
select(variable) |> ts(start = 2005, frequency = 12)
series[[i]] = datosDep
}
return(series)
}
series_Consumo <- SERIES("Consumo")
series_Suscriptores <- SERIES("Suscriptores")
series_PrecioGas <- SERIES("PrecioGas")
series_Subsidios <- SERIES("Subsidios")
series_Contribuciones <- SERIES("Contribuciones")
series_Municipios <- SERIES("Municipios")
series_Facturacion <- SERIES("Facturacion")
```
```{r}
#| code-fold: true
#| warning: false
x <- c("BOGOTA, D.C.", "NORTE DE SANTANDER", "QUINDIO", "CORDOBA", "SUCRE", "LA GUAJIRA")
x <- which(Departamento2 %in% x)
#Se imputan los datos faltantes en todas las series de tiempo
for(i in 1:length(x)){
series_Consumo[[x[i]]] <- na_kalman(series_Consumo[[x[i]]])
series_Suscriptores[[x[i]]] <- round(na_kalman(series_Suscriptores[[x[i]]]))
series_PrecioGas[[x[i]]] <- na_kalman(series_PrecioGas[[x[i]]])
series_Subsidios[[x[i]]] <- na_kalman(series_Subsidios[[x[i]]])
series_Contribuciones[[x[i]]] <- na_kalman(series_Contribuciones[[x[i]]])
series_Municipios[[x[i]]] <- round(na_kalman(series_Municipios[[x[i]]]))
series_Facturacion[[x[i]]] <- na_kalman(series_Facturacion[[x[i]]])
}
```
Adicionalmente, se hará un tratamiento de los datos atípicos usando la función `tso` del paquete **tsoutliers**. En este caso, las series por departamento muestran valores muy extremos de forma repentina, esto parece que se debe a errores de digitación en el proceso de recopilación de la información. Básicamente este tipo de datos atípicos son los que interesan corregir. En ocasiones se presentan cambios de nivel en las series e incluso cambios completos en el comportamiento de las series que podrían pensarse como atípicos también, pero esto parece que es algo más natural debido por ejemplo a cambios en las condiciones climáticas (fenómeno del niño o niña) e incluso la pandemia. Es por esto que se tendrán en cuenta sólamente los datos atípicos catalogados como "outliers aditivos" que son esos cambios repentinos que se evidencian visualmente como "picos" extremos.
A continuación se realiza la identificación y corrección de los datos atípicos. Se usará un nivel crítico de (10%), el cuál es mayor al que viene por defecto en la función (3.5%) que corresponde al nivel de significancia de cada outlier encontrado. Esto con el fin de que se cataloguen como outliers aquellos picos realmente extremos y no cualquier pequeño cambio en las series de tiempo.
```{r}
#| code-fold: true
#| warning: false
# Se imputan los atípicos aditivos en todas las series de tiempo
for(i in 1:length(series_Consumo)){
series_Consumo[[i]] <- tryCatch(tso(series_Consumo[[i]], cval = 10, types = c("AO"))$yadj, error = function(e) series_Consumo[[i]])
series_Suscriptores[[i]] <- tryCatch(tso(series_Suscriptores[[i]], cval = 10, types = c("AO"))$yadj, error = function(e) series_Suscriptores[[i]])
series_PrecioGas[[i]] <- tryCatch(tso(series_PrecioGas[[i]], cval = 10, types = c("AO"))$yadj, error = function(e) series_PrecioGas[[i]])
series_Subsidios[[i]] <- tryCatch(tso(series_Subsidios[[i]], cval = 10, types = c("AO"))$yadj, error = function(e) series_Subsidios[[i]])
series_Contribuciones[[i]] <- tryCatch(tso(series_Contribuciones[[i]], cval = 10, types = c("AO"))$yadj, error = function(e) series_Contribuciones[[i]])
series_Municipios[[i]] <- tryCatch(tso(series_Municipios[[i]], cval = 10, types = c("AO"))$yadj, error = function(e) series_Municipios[[i]])
series_Facturacion[[i]] <- tryCatch(tso(series_Facturacion[[i]], cval = 10, types = c("AO"))$yadj, error = function(e) series_Facturacion[[i]])
}
```
Una vez imputados los datos faltantes y habiendo corregido los datos atípicos, se procede a agregar las series de tiempo departamentales para obtener el agregado a nivel país.
```{r}
#| code-fold: true
#| warning: false
Consumo <- ts(0, start = c(2005,1), end = c(2022,12), frequency = 12)
Suscriptores <- ts(0, start = c(2005,1), end = c(2022,12), frequency = 12)
PrecioGas <- ts(0, start = c(2005,1), end = c(2022,12), frequency = 12)
Subsidios <- ts(0, start = c(2005,1), end = c(2022,12), frequency = 12)
Contribuciones <- ts(0, start = c(2005,1), end = c(2022,12), frequency = 12)
Municipios <- ts(0, start = c(2005,1), end = c(2022,12), frequency = 12)
Facturacion <- ts(0, start = c(2005,1), end = c(2022,12), frequency = 12)
for(i in 1:length(series_Consumo)){
Consumo = Consumo + (series_Consumo[[i]] |> as.data.frame() |> mutate(across(everything(), replace_na, 0)) |>
ts(0, start = c(2005,1), end = c(2022,12), frequency = 12))
Facturacion = Facturacion + (series_Facturacion[[i]] |> as.data.frame() |> mutate(across(everything(), replace_na, 0)) |>
ts(0, start = c(2005,1), end = c(2022,12), frequency = 12))
Suscriptores = Suscriptores + (series_Suscriptores[[i]] |> as.data.frame() |> mutate(across(everything(), replace_na, 0)) |>
ts(0, start = c(2005,1), end = c(2022,12), frequency = 12))
PrecioGas = Facturacion / Consumo
Subsidios = Subsidios + (series_Subsidios[[i]] |> as.data.frame() |> mutate(across(everything(), replace_na, 0)) |>
ts(0, start = c(2005,1), end = c(2022,12), frequency = 12))
Contribuciones = Contribuciones + (series_Contribuciones[[i]] |> as.data.frame() |> mutate(across(everything(), replace_na, 0)) |>
ts(0, start = c(2005,1), end = c(2022,12), frequency = 12))
Municipios = Municipios + (series_Municipios[[i]] |> as.data.frame() |> mutate(across(everything(), replace_na, 0)) |>
ts(0, start = c(2005,1), end = c(2022,12), frequency = 12))
}
Pais <- data.frame(Consumo, Suscriptores, PrecioGas, Subsidios, Contribuciones, Municipios)
Pais <- ts(Pais, start = 2005, frequency = 12)
for(i in 1:6){
a = Pais[,i] |> autoplot(colour = 1, size = 1, alpha = 1) +
theme_grey(12) + ylab(latex2exp::TeX(Pais_Ylabs[i])) + xlab("Año") +
ggtitle(latex2exp::TeX(Pais_Titulos[i]), "Ene 2005 - Dic 2022")
assign(paste("Pais", i, sep = "_"), a)
}
grid.arrange(Pais_1, Pais_2, Pais_3, Pais_4, Pais_5, Pais_6, nrow = 2, ncol = 3)
```
Ahora, se adicionarán las series de tiempo correspondientes a:
- ***PrecioEnergia:*** Corresponde al precio mensual de la energía eléctrica. Está medido en $\$/\textrm{kWh}$ pero se convertirá a $\$/m^3$ utilizando un factor de conversión de $10.6$ para que los precios del Gas Natural y de la energía eléctrica estén en las mismas unidades.
- ***Cobertura:*** Cobertura de Gas Natural a nivel país. Es calculado como el cociente entre el número de hogares con Gas Natural reportado por el **MME** y el número de hogares en el país proyectado por el **DANE**.
- ***ISE:*** Indicador de Segumiento a la Economía, el cual proporciona una medida de la evolución de la actividad real de la economía nacional en el corto plazo.
```{r}
#| code-fold: true
#| warning: false
energia <- read_excel("C:/Users/e0306829/OneDrive - Ecopetrol S.A/Escritorio/Pasantía/Datos/Energia.xlsx")
PrecioEnergia <- energia |> filter(ESTRATO == "Residencial Medio") |> group_by(Mes) |>
summarise(Facturacion = sum(`Facturación por consumo ($)`), Consumo = sum(`Consumo total (kWh)`)) |>
mutate(Mes = janitor::excel_numeric_to_date(Mes)) |> filter(Mes <= "2022-12-01") |>
mutate(PrecioEnergia = Facturacion/Consumo) |> select(PrecioEnergia)
PrecioEnergia <- ts(PrecioEnergia*10.6, start = 2006, frequency = 12)
PrecioEnergia |> autoplot(colour = 1, size = 1, alpha = 1) +
theme_grey(12) + ylab(latex2exp::TeX("\\textrm{Precio de la Energía Eléctrica} $\\$/m3$")) + xlab("Año") +
ggtitle("Precio de la Energía Eléctrica", "Ene 2006 - Dic 2022")
```
```{r}
#| code-fold: true
#| warning: false
Meses <- read_excel("C:/Users/e0306829/OneDrive - Ecopetrol S.A/Escritorio/Pasantía/Datos/Cobertura.xlsx", sheet = 1)
Hogares <- read_excel("C:/Users/e0306829/OneDrive - Ecopetrol S.A/Escritorio/Pasantía/Datos/Cobertura.xlsx", sheet = 2)
HogaresGas <- read_excel("C:/Users/e0306829/OneDrive - Ecopetrol S.A/Escritorio/Pasantía/Datos/Cobertura.xlsx", sheet = 3)
Hogares <- Meses |> left_join(Hogares, by = "Mes") |> select(Hogares) |> ts(start = 2004, frequency = 12)
Hogares <- na_interpolation(Hogares)
Hogares <- ts(Hogares[13:228],start = 2005, frequency = 12)
HogaresGas <- Meses |> left_join(HogaresGas, by = "Mes") |> select(HogaresGas) |> ts(start = 2004, frequency = 12)
HogaresGas <- na_interpolation(HogaresGas)
HogaresGas <- ts(HogaresGas[13:228],start = 2005, frequency = 12)
Cobertura <- ts(HogaresGas/Hogares, start = 2005, frequency = 12)
Cobertura |> autoplot(colour = 1, size = 1, alpha = 1) +
theme_grey(12) + ylab(latex2exp::TeX("\\% \\textrm{de cobertura}")) + xlab("Año") +
ggtitle("Cobertura de Gas Natural", "Ene 2005 - Dic 2022")
```
```{r}
#| code-fold: true
#| warning: false
ISE <- read_excel("C:/Users/e0306829/OneDrive - Ecopetrol S.A/Escritorio/Pasantía/Datos/ISE.xlsx", sheet = 1)
ISE <- ISE |> select(ISE) |> ts(start = 2005, frequency = 12)
ISE |> autoplot(colour = 1, size = 1, alpha = 1) +
theme_grey(12) + ylab("ISE") + xlab("Año") +
ggtitle("Indicador de seguimiento a la economía", "Ene 2005 - Dic 2022")
```
Dado que la serie de tiempo del precio de la energía eléctrica está disponible desde Enero - 2006, se tendrá en cuenta este mismo periodo para todas las series de tiempo (Enero - 2006 hasta Diciembre - 2022).
Las series de tiempo con las que se trabajarán de ahora en adelante se muestran a continuación:
```{r}
#| code-fold: true
#| warning: false
Consumo <- ts(Consumo[-c(1:12)], start = 2006, frequency = 12)
Suscriptores <- ts(Suscriptores[-c(1:12)], start = 2006, frequency = 12)
PrecioGas <- ts(PrecioGas[-c(1:12)], start = 2006, frequency = 12)
Subsidios <- ts(Subsidios[-c(1:12)], start = 2006, frequency = 12)
Contribuciones <- ts(Contribuciones[-c(1:12)], start = 2006, frequency = 12)
Municipios <- ts(Municipios[-c(1:12)], start = 2006, frequency = 12)
Cobertura <- ts(Cobertura[-c(1:12)], start = 2006, frequency = 12)
ISE <- ts(ISE[-c(1:12)], start = 2006, frequency = 12)
```
```{r}
#| code-fold: true
#| warning: false
Pais <- data.frame(Consumo, Suscriptores, PrecioGas, Subsidios, Contribuciones, Municipios, PrecioEnergia, Cobertura, ISE)
Pais <- ts(Pais, start = 2006, frequency = 12)
Pais_Ylabs <- c("\\textrm{Demanda} $(m^3)$", "\\textrm{N. de suscriptores}", "\\textrm{Precio en} $\\$/m^3$", "\\textrm{Subsidios} $(\\$)$", "\\textrm{Contribuciones} $(\\$)$", "\\textrm{N. de municipios}", "\\textrm{Precio en} $\\$/m^3$", "\\textrm{Cobertura}", "\\textrm{Valor del Índice}")
Pais_Titulos <- c("\\textrm{Demanda}", "\\textrm{Número de suscriptores}", "\\textrm{Precio del gas}", "\\textrm{Subsidios}", "\\textrm{Contribuciones}", "\\textrm{Número de municipios}", "\\textrm{Precio de la Energía Eléctrica}", "\\textrm{Cobertura de Gas Natural}", "\\textrm{Indicador de Seguimiento \n a la Economía}")
for(i in 1:9){
a = Pais[,i] |> autoplot(colour = 1, size = 1, alpha = 1) +
theme_grey(12) + ylab(latex2exp::TeX(Pais_Ylabs[i])) + xlab("Año") +
ggtitle(latex2exp::TeX(Pais_Titulos[i]), "Ene 2006 - Dic 2022")
assign(paste("Pais", i, sep = "_"), a)
}
Pais_graficos <- grid.arrange(Pais_1, Pais_2, Pais_3, Pais_4, Pais_5, Pais_6, Pais_7, Pais_8, Pais_9, nrow = 3, ncol = 3)
```
## Modelo BSTS
La idea del modelo estructural de series de tiempo es descomponer la serie de tiempo de interés (Demanda de Gas Natural) en sus componentes de tendencia, estacionalidad, términos de error y además incluir el impacto de otras variabes explicativas y de posibles efectos de impacto. Las componentes se modelan explícitamente y pueden ser interpretadas directamente.
La propuesta de modelo de serie de tiempo estructural para la Demanda de Gas Natural es un modelo que descompone la serie en las típicas componentes de tendencia, estacionalidad, regresión y términos de error. La componente de regresión estará conformada por las ocho series de tiempo que podrían estar relacionadas en el comportamiento de la Demanda de Gas Natural.
El enfoque bayesiano del modelo entra a jugar en la especificación de las varianzas correspondientes a las componentes del modelo, y en la especificación a priori del peso de cada variable explicativa.
Se ajustará un modelo con fines predictivos usando el paquete **bsts**.
Para realizar la predicción, se realizará el ajuste de los hiperparámetros del modelo (en especial de las varianzas a priori de las componentes del modelo) mediante la estrategia de validación cruzada usada en series de tiempo **"Rolling-Origin Cross-Validation"**. La idea es particionar la serie de tiempo en entrenamiento y test en cada una de las ventanas del rolling. Por cada ventana del rolling, se estimará un modelo usando los datos de entrenamiento de la respectiva ventana, y posteriormente se hará la predicción en un horizonte de $h=60$ (5 años) y se compararán estas predicciones con las observaciones reales para obtener las medidas del **RMSE, MAPE,** y **MASE**. Finalmente, para cada modelo (especificado por los hiperparámetros) se promediarán las medidas de error y se escogerá el modelo cuyo error sea el menor de todos.
Dado que la predicción es a largo plazo, la componente de tendencia será implementada mediante una tendencia de tipo lineal semi local ("**semi-local linear trend**") la cuál es más útil para predicción a largo plazo. Esto es porque se asume que la componente del nivel se comporta de acuerdo a una caminata aleatoria, mientras que la pendiente se comporta como un proceso autorregresio de orden 1 **AR(1)** el cuál es menos variable al hacer predicciones a largo plazo que una caminata aleatoria. Así, al ajustar una tendencia de tipo **semi-local linear trend**, se obtienen estimaciones más razonables que asumiendo una tendencia de tipo **local linear trend** la cual asume una pendiente con comportamiento de caminata aleatoria.
Los diferentes modelos ajustados variarán dependiendo de las cuatro varianzas a priori que requiere la tendencia de tipo **semi-local linear trend**. La componente de estacionalidad se ajustará por defecto asumiendo un periodo de $s = 12$. En la componente de regresión se incluirán las ocho variables explicativas y se le asignará una probabilidad a priori equitativa (a excepción de una) de que su coeficiente de regresión sea distinto de 0. A la variable **ISE** se le dará una pobabilidad de inclusión a priori de $0.5$ dado que se tiene una "creencia" de que el consumo de Gas Natural en los hogares podría verse afectado de su estado económico.
Para el ajuste del modelo **bsts**, se tendrán en cuenta dos efectos de intervención: Fenómeno del niño del periodo 2014 - 2016 y el periodo fuerte de cuarentena por la Pandemia en 2020. Esto con el fin de tener en cuenta el impacto de estas intervenciones en el consumo residencial de Gas Natural. El efecto del fenómeno del niño será tenido en cuenta desde febrero-2014 hasta abril-2016 pues se evidencia en este periodo una disminución muy importante de la demanda de gas natural principalmente en Bogotá y en otros departamentos. El efecto de la cuarentena por la pandemia será tenido en cuenta desde abril-2020 hasta noviembre-2020 que es donde se evidencia un mayor aumento en el consumo de Gas Natural debido al encierro en los hogares.
Los efecto por fenómeno del niño y por la pandemia serán incluídos como variables dummies que formarán parte del término de regresión junto con las demás variables explicativas. La idea es que el modelo defina si estas intervenciones tienen un efecto significativo que afecte seriamente las predicciones de la demanda de Gas Natural y que tenga en cuenta estos efectos a la hora de hacer las predicciones a futuro. A continuación se incluirán estos impactos:
```{r}
#| code-fold: true
#| warning: false
EfectoNiño <- ts(rep(0,204), start = 2006, frequency = 12)
EfectoPandemia <- ts(rep(0,204), start = 2006, frequency = 12)
window(EfectoNiño, start = c(2014,2), end = c(2016,4)) <- 1
window(EfectoPandemia, start = c(2020,4), end = c(2020,11)) <- 1
Pais <- as.data.frame(Pais) |> cbind(EfectoNiño, EfectoPandemia) |>
ts(start = 2006, frequency = 12)
```
La siguiente función genera las ventanas de rolling. Va haciendo la partición entre entrenamiento y prueba, en este caso la ventana de entrenamiento inicial será de 5 años y aumentará progresivamente 1 año conservando los datos del inicio. Se tendrán en cuenta 8 ventanas de rolling, por lo que la última ventana tendrá 12 años de entrenamiento. Las proyecciones serán a 5 años en todos los casos.
Luego, la función toma la especificación inicial del modelo a ajustar (combinación de hiperparámetros), va ajustando el modelo con los datos de entrenamiento en cada ventana del rolling y realiza la respectiva predicción en un horizonte $h = 60$ (5 años). Luego, se comparan las predicciones hechas con los valores reales y se calculan los respectivos errores.
```{r}
#| code-fold: true
#| warning: false
# se define el horizonte (5 años) y el número de ventanas de rolling
horizon = 60
number_of_folds = 8
```
```{r}
#| code-fold: true
#| warning: false
# Rolling-origin Cross-Validation
bsts.cv.loop <- function(data,
horizon, # horizonte de proyección
number_of_folds, # Número de ventanas de rolling
ss.function, # modelo a ajustar (combinación de hiperparámetros)
niter=2000, # Número de MCMC
seed=1232,
burn=200, # Número de MCMC iniciales a descartar
do.plot=TRUE,
verbose=TRUE,
debug=TRUE) {
rmse_v <- c()
mape_v <- c()
mase_v <- c()
for (fold in 0:(number_of_folds-1)) {
# partición de la ventana de rolling
data_train <- data[1:(horizon+fold*12),1] #(1+fold*12)
data_reg <- data[1:(horizon+fold*12),-1] #(1+fold*12)
data_test <- data[(horizon+1+fold*12):(2*horizon+fold*12),1]
newdata <- data[(horizon+1+fold*12):(2*horizon+fold*12),-1]
# Ajuste del modelo
model <- bsts(data_train ~ data_reg -1, # Se ajusta el modelo con regresión
state.specification=ss.function(data_train),
niter=niter,
seed=seed,
ping=0,
prior.inclusion.probabilities = c(0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.5,0.1,0.1))
# Predicciones en un horizonte de 5 años
pred <- predict(model, horizon=horizon, newdata=newdata, burn=burn)
if (do.plot) {
plot(pred, plot.original = TRUE, xlab = "Mes", ylab = "Demanda de Gas Natural",
main = "Predicción 5 años vs valores reales")
lines((horizon+1+fold*12):(2*horizon+fold*12), data_test, col="red", type="l")
}
# errores de ajuste del modelo
errors <- data_test-pred$mean
rmse <- sqrt(mean(errors^2))
rmse_v <- c(rmse_v, rmse)
mape <- mean(abs(errors)/data_test)*100
mape_v <- c(mape_v, mape)
naive_prediction_errors <- diff(data, 1)
mase <- mean(abs(errors)) / mean(abs(naive_prediction_errors))
mase_v <- c(mase_v, mase)
if (verbose) print(paste0("fold ", fold, ": mape ", mape, " / mase ", mase))
}
return(data.frame(rmse=rmse_v,mape=mape_v, mase=mase_v))
}
```
Se ajusta el modelo **bsts** propuesto por cada combinación de hiperparámetros. Al final se escoge la combinación de hiperparámetros cuya predicción a través de las ventanas del rolling tenga menor error promedio (**RMSE**).
A continuación se muestra el resultado de la predicción en las ocho ventanas de rolling para la mejor combinación de hiperparámetros encontrada al ajustar el modelo.
```{r}
#| code-fold: true
#| warning: false
# 0.1,0.01,0.01,0.05 Mejor combinación de hiperparámetros encontrada.
res_df3 <- c()
# Se busca la mejor combinación posible de hiperparámetros
for (level_sigma_guess in c(0.1)) { # 0.01, 0.05, 0.1, 0.5
for (slope_mean_guess in c(0.01)) { # 0.01, 0.05, 0.1, 0.5
for (slope_sigma_guess in c(0.01)) { # 0.01, 0.05, 0.1, 0.5
for (ar_sigma_guess in c(0.05)) { # 0.01, 0.05, 0.1, 0.5, 1
res <-
bsts.cv.loop(Pais,
horizon=horizon,
number_of_folds=number_of_folds,
ss.function=function(data_train) {
sdy <- sd(data_train)
sigma.prior <- SdPrior(sigma.guess=level_sigma_guess*sdy,
upper.limit=sdy,
sample.size=16)
slope.mean.prior <- NormalPrior(mu=0,
sigma=slope_mean_guess*sdy)
slope.ar1.prior <- Ar1CoefficientPrior(mu=0,
sigma=1*ar_sigma_guess)
slope.sigma.prior <- SdPrior(sigma.guess=slope_sigma_guess*sdy,
upper.limit=sdy,
sample.size=16)
# especificación del modelo (tendencia y estacionalidad)
ss <- AddSemilocalLinearTrend(list(),
data_train,
level.sigma.prior=sigma.prior,
slope.mean.prior=slope.mean.prior,
slope.ar1.prior=slope.ar1.prior,
slope.sigma.prior=slope.sigma.prior)
return(AddSeasonal(ss, data_train, nseasons = 12))
},
debug=FALSE,
verbose=FALSE)
print(paste0("level_sigma_guess ", level_sigma_guess,
" / slope_mean_guess ", slope_mean_guess,
" / slope_sigma_guess ", slope_sigma_guess,
" / ar_sigma_guess ", ar_sigma_guess,
": mean(rmse) ", mean(res$rmse),
" / mean(mape) ", mean(res$mape),
" / mean(mase) ", mean(res$mase)))
res_row <- data.frame(level_sigma_guess=level_sigma_guess,
slope_mean_guess=slope_mean_guess,
slope_sigma_guess=slope_sigma_guess,
ar_sigma_guess=ar_sigma_guess,
mean_rmse=mean(res$rmse),
mean_mape=mean(res$mape),
mean_mase=mean(res$mase))
res_df3 <- rbind(res_df3, res_row)
}
}
}
}
# se escoge el modelo que tenga un menor error en promedio, a través de
# las ventanas del rolling.
```
Los valores de los hiperparámetros y las medidas de error se muestran a continuación:
```{r}
#| code-fold: true
#| warning: false
(error_min <- res_df3[which.min(res_df3$mean_rmse),])
```
```{r}
#| code-fold: true
#| warning: false
# Se especifican los hiperparámetros del modelo elegido
sdy <- sd(Pais[,1])
level.sigma.prior <- SdPrior(sigma.guess=error_min$level_sigma_guess*sdy,
upper.limit=sdy,
sample.size=16)
slope.ar1.prior <- Ar1CoefficientPrior(mu=0,
sigma=error_min$ar_sigma_guess)
slope.mean.prior <- NormalPrior(mu=0,
sigma=error_min$slope_mean_guess*sdy)
slope.sigma.prior <- SdPrior(sigma.guess=error_min$slope_sigma_guess*sdy,
upper.limit=sdy,
sample.size=16)
# Se ajusta el modelo final con las componentes de tendencia,
# estacionalidad y regresión.
ss <- AddSemilocalLinearTrend(list(),
Pais[,1],
level.sigma.prior=level.sigma.prior,
slope.ar1.prior=slope.ar1.prior,
slope.mean.prior=slope.mean.prior,
slope.sigma.prior=slope.sigma.prior)
ss <- AddSeasonal(ss, Pais[,1], nseasons = 12)
chosen_model <- bsts(Consumo ~ . -1, data = Pais,
state.specification=ss,
niter=2000,
seed=1232,
ping=0,
prior.inclusion.probabilities = c(0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.5,0.1,0.1))
```
```{r}
#| code-fold: true
#| warning: false
PlotBstsState(chosen_model, burn = SuggestBurn(0.1, chosen_model),
show.actuals = TRUE, style = "dynamic", scale = "linear",
xlab = "Mes",
ylab = "Contribución agregada de las componentes\n del vector de estados a la media",
main = "Distribución posterior del vector de estados del modelo", pch = 20)
```
```{r}
#| code-fold: true
#| warning: false
PlotBstsComponents(chosen_model, burn = SuggestBurn(0.1, chosen_model),
same.scale = FALSE,
layout = "square",
style = "dynamic",
components = 1:length(chosen_model$state.specification),
xlab = "Mes", ylab = "Distribución posterior")
```
```{r}
#| code-fold: true
#| warning: false
PlotBstsCoefficients(chosen_model, burn = SuggestBurn(0.1, chosen_model),
inclusion.threshold = 0, number.of.variables = NULL,
main = "Probabilidad de inclusión de las variables explicativas")
```
```{r}
#| code-fold: true
#| warning: false
PlotBstsResiduals(chosen_model, burn = SuggestBurn(.1, chosen_model),
style = "dynamic", means = TRUE, main = "Distribución posterior de los residuales\n dados todos los datos disponibles (filtrado y suavizado)")
```
```{r}
#| code-fold: true
#| warning: false
PlotBstsPredictionErrors(chosen_model, burn = SuggestBurn(.1, chosen_model),
style = "dynamic",
main = "\nErrores de predicción 1 paso adelante (filtrado)")
```
```{r}
#| code-fold: true
#| warning: false
PlotBstsForecastDistribution(chosen_model, cutpoints = NULL,
burn = SuggestBurn(.1, chosen_model),
style = c("dynamic"),
main = "\nPredicciones 1 paso adelante ",
show.actuals = TRUE,
col.actuals = "blue", pch = 20)
```
Una vez ajustado el modelo final, se realizarán las predicciones 5 años en el futuro (2023 - 2027). Primero se harán las predicciones de las variables explicativas que fueron más significativas en el modelo ajustado: las contribuciones, ISE, la cobertura, el precio del gas y el precio de la energía eléctrica. La predicción de estas series de tiempo serán realizadas ajustando un modelo **bsts** con componentes de tendencia y estacionalidad para cada una.
Las predicciones de las variables explicativas se recopilan en el conjunto de datos **newdata** necesario para realizar las predicciones con el modelo ajustado. Las variables no significativas no aportarán en la predicción y los efectos de impacto tampoco justamente para que el modelo realice las predicciones teniendo en cuenta los impactos en el periodo en que ocurrieron.
```{r}
#| code-fold: true
#| warning: false
# Se realizan las predicciones de las variables explicativas más significativas
ss_Contribuciones <- AddSemilocalLinearTrend(list(), Contribuciones)
ss_Contribuciones<- AddSeasonal(ss_Contribuciones, Contribuciones, nseasons = 12)
bsts.model_Contribuciones <- bsts(Contribuciones,
state.specification = ss_Contribuciones,
niter = 2000, seed = 1232, ping = 0)
pred_Contribuciones <- predict.bsts(bsts.model_Contribuciones, horizon = 5*12, burn = 200,
quantiles = c(0.025, 0.975))
plot(pred_Contribuciones, plot.original = TRUE, main="Contribuciones")
newdata <- data.frame(Contribuciones = pred_Contribuciones$mean)
ss_ISE <- AddSemilocalLinearTrend(list(), ISE)
ss_ISE<- AddSeasonal(ss_ISE, ISE, nseasons = 12)
bsts.model_ISE <- bsts(ISE,
state.specification = ss_ISE,
niter = 2000, seed = 1232, ping = 0)
pred_ISE <- predict.bsts(bsts.model_ISE, horizon = 5*12, burn = 200,
quantiles = c(0.025, 0.975))
plot(pred_ISE, plot.original = TRUE, main="ISE")
newdata <- cbind(newdata, ISE = pred_ISE$mean)
ss_Cobertura <- AddSemilocalLinearTrend(list(), Cobertura)
ss_Cobertura<- AddSeasonal(ss_Cobertura, Cobertura, nseasons = 12)
bsts.model_Cobertura <- bsts(Cobertura,
state.specification = ss_Cobertura,
niter = 2000, seed = 1232, ping = 0)
pred_Cobertura <- predict.bsts(bsts.model_Cobertura, horizon = 5*12, burn = 200,
quantiles = c(0.025, 0.975))
plot(pred_Cobertura, plot.original = TRUE, main="Cobertura")
newdata <- cbind(newdata, Cobertura = pred_Cobertura$mean)
ss_PrecioGas <- AddSemilocalLinearTrend(list(), PrecioGas)
ss_PrecioGas <- AddSeasonal(ss_PrecioGas, PrecioGas, nseasons = 12)
bsts.model_PrecioGas <- bsts(PrecioGas,
state.specification = ss_PrecioGas,
niter = 2000, seed = 1232, ping = 0)
pred_PrecioGas <- predict.bsts(bsts.model_PrecioGas, horizon = 5*12, burn = 200,
quantiles = c(0.025, 0.975))
plot(pred_PrecioGas, plot.original = TRUE, main = "Precio del Gas")
newdata <- cbind(newdata, PrecioGas = pred_PrecioGas$mean)
ss_PrecioEnergia <- AddSemilocalLinearTrend(list(), PrecioEnergia)
ss_PrecioEnergia <- AddSeasonal(ss_PrecioEnergia, PrecioEnergia, nseasons = 12)
bsts.model_PrecioEnergia <- bsts(PrecioEnergia,
state.specification = ss_PrecioEnergia,
niter = 2000, seed = 1232, ping = 0)
pred_PrecioEnergia <- predict.bsts(bsts.model_PrecioEnergia, horizon = 5*12, burn = 200,
quantiles = c(0.025, 0.975))
plot(pred_PrecioEnergia, plot.original = TRUE, main="Precio de la Energía Eléctrica")
newdata <- cbind(newdata, PrecioEnergia = pred_PrecioEnergia$mean)
newdata <- newdata |> mutate(Suscriptores=0,Subsidios=0,Municipios=0,EfectoNiño=0,EfectoPandemia=0)
```
Finalmente, se realizan las predicciones de la demanda de Gas Natural para los años 2023 - 2027 usando el modelo ajustado anteriormente y usando la nueva información de las variables explicativas asociada a los años de la predicción.
```{r}
#| code-fold: true
#| warning: false
# Predicciones finales de la demanda de Gas Natural 2023 - 2027.
pred <- predict(chosen_model, horizon=horizon, newdata = newdata, burn = 200, seed = 1232)
plot(pred, plot.original = TRUE, main="Predicción de la demanda de Gas Natural 2023 - 2027",
ylab = "Demanda de Gas Natural", xlab = "Año")
original <- as.numeric(pred$original.series)*35315/1000000000/30 |> ts(start = c(2006,1), end = c(2022,12), frequency = 12)
predicciones <- as.numeric(pred$mean)*35315/1000000000/30 |> ts(start = c(2023,1), end = c(2027,12), frequency = 12)
# ts_plot(original,type = "single",color = "blue")
# ts_plot(predicciones, color="red",type = "single")
todo <- cbind(original,predicciones)
```
A continuación se compararán las predicciones desde Enero de 2023 hasta Junio de 2024 con los datos "reales" informados por el **Gestor del mercado de Gas Natural** en sus informes mensuales. Esta comparación es solo a manera de "prueba" ya que estos datos informados mensualmente están sujetos a estimaciones realizadas por los comercializadores sobre las cantidades de Gas Natural consumidos en su respectiva operación. Habría que esperar la actualización correcta del consumo de Gas Natural en este periodo reportado en el **SUI** para que la comparación sea correcta.
```{r}
#| code-fold: true
#| warning: false
demanda2324 <- read_excel("C:/Users/e0306829/OneDrive - Ecopetrol S.A/Escritorio/Pasantía/Datos/demanda2023-2024.xlsx")$Consumo
demanda2324 <- (demanda2324) |> ts(start = c(2023,1),frequency = 12)
predfinal <- data.frame(Mes = c(time(todo),time(demanda2324)), Tipo = c(rep("Original", 204), rep("Predicción", 60), rep("Demanda (real) Ene-2023 / Jun-2024", 18)), Valor = c(todo[1:204,1],todo[205:264,2],demanda2324))
predfinal %>%
group_by(Tipo) %>%
plot_ly(x=predfinal$Mes) %>%
add_lines(y=~predfinal$Valor, color = ~factor(Tipo)) |>
layout(title = 'Demanda de Gas Natural', xaxis = list(title = 'Mes'), yaxis = list(title = 'GBTUD'), legend = list(title=list(text='<b> Serie: </b>'), orientation = "h", xanchor = "center", x = 0.5, y = -0.2))
```