Analisi dei dati energetici con Matlab

Relazione Gruppo 13

• Tre laboratori si sono concentrati sull'analisi di grandezze reali per studiarne l'andamento temporale e il loro legame con altri fenomeni, utilizzando indici e grafici.

Laboratorio 2 - Statistica Descrittiva

• Lo studio si concentra sulla produzione di energia eolica e solare nel 2019.
• È stato usato Matlab per importare i dati da un file .csv in una matrice o un vettore.
• La funzione readmatrix è stata utilizzata per l'estrazione dei dati.
• È stato creato un vettore contenente le date per suddividere i dati negli intervalli di interesse.
• La funzione find è stata utilizzata per trovare gli indici per le date di inizio e fine di agosto e dicembre.
• I dati di energia solare ed eolica sono stati estratti per questi intervalli temporali.

Calcoli Indici Statistici

• La media di energia eolica in agosto era di 961.669 MW e 3258.559 in dicembre.
• La media di energia solare in dicembre era di 868.174 MW e 3123.172 MW in agosto.
• La deviazione standard dell'energia solare era elevata in entrambi i mesi, a causa della grande differenza tra i valori notturni e quelli giornalieri.
• Sono stati calcolati massimi e minimi per entrambi i tipi di energia.

Visualizzazione dei Dati

• Sono stati creati grafici per visualizzare le variazioni di energia solare e eolica nel 2019.
• I grafici mostrano le variazioni orarie, giornaliere e settimanali.

Confronto tra Energie Medie Settimanali

• I grafici mostrano che le due forme di energia sono inversamente proporzionali.
• L'indice di correlazione lineare tra energia solare ed eolica è circa -0,6161.

Studio delle Energie in un Singolo Mese

• I grafici confrontano la produzione eolica e solare di agosto e dicembre.
• La produzione media giornaliera di dicembre è più che tre volte maggiore di quella di agosto.

Studio del Teorema di Čebyšëv

• La media e la varianza sono state utilizzate per calcolare intervalli statistici.
• La disuguaglianza di Čebyšëv indica che almeno l'88% dei dati rientra in un intervallo specifico.

Costruzione della Variabile Statistica Settimanale

• È stata costruita una variabile statistica per l'energia solare/eolica settimanale.
• Si possono calcolare altre variabili statistiche di interesse, come l'energia eolica mensile.

Osservazioni sull'istogramma della densità di frequenza

• L'istogramma rappresenta la frequenza relativa di una classe divisa per l'ampiezza della classe.
• L’area totale dell'istogramma è uguale a 1.

Osservazioni sulla funzione cumulativa

• La funzione cumulativa fornisce informazioni sulla distribuzione dei dati.
• In caso di frequenze concentrate in poche classi, la cumulativa aumenta rapidamente.
• Se c'è un'uniforme distribuzione, la cumulativa aumenta linearmente.

Laboratorio 3 - Statistica Descrittiva (Input Dati)

• Il laboratorio si concentra sullo studio delle radiazioni solari e sul loro legame con la produzione di energia solare.
• Dati relativi alla data e all'ora, radiazioni dirette e diffuse sono stati analizzati.
• La funzione readmatrix è stata utilizzata per studiare le radiazioni totali.
  • Una funzione esterna è usata per sommare radiazioni dirette e diffuse.
• Sono state formulate ipotesi sull'esistenza di un forte legame tra energia solare e radiazione totale e sull'andamento simile dei loro grafici.

Studio del grafico delle radiazioni

• L'analisi dei dati di radiazione solare per gennaio ha evidenziato un andamento periodico.
• Le radiazioni sono quasi nulle di notte.
• Il picco di radiazione si ha a mezzogiorno.

Studio dello scatter plot del 2019

• I punti nel grafico sono caratterizzati da alta densità per valori bassi di energia solare.
• Sono stati analizzati il coefficiente di correlazione e il grafico per stabilire una retta che passa attraverso la distribuzione dei punti.
• L'energia solare correla positivamente con le radiazioni totali.

Studio del legame tra radiazioni ed energia solare

• La correlazione lineare tra radiazioni totali ed energia solare è positiva.
• È stato calcolato il coefficiente di correlazione lineare che è vicino ad 1.

Studio dell'istogramma

• L’istogramma mostra che la coppia più frequente è (0,0), e è stata studiata la frequenza marginale dell'energia solare.

Studio dell'interpolazione lineare dello scatter plot

• Un'interpolazione lineare dei dati è proposta per studiare la relazione tra radiazioni totali ed energia solare per il 2019.
• Un coefficiente angolare della retta è calcolato.
• Un test significativo è stato eseguito per verificare se i valori sono significativi.
• I test vengono ripetuti per eventuali outliers nell'insieme dei dati.

Laboratorio 4 (Input Dati)

• Il quarto Laboratorio studia l'andamento del livello marino medio tra il 1992 e l'ottobre 2022.
• I dati provengono da un file .csv.
• Sono stati utilizzati i dati provenienti da quattro satelliti.
• Le misurazioni dei satelliti sono rappresentate con diversi colori nel grafico.

Modelli di predizione

• Sono stati costruiti modelli per predire il livello marino del 2050.
• Sono stati calcolati valori di predizione per il 2050.

Test di significatività dei parametri

• Sono stati eseguiti test (x² e z-test) per verificare la significatività del modello rettilineo.
• Sono valutate ipotesi sul modello per la distribuzione dei dati.