Analysis of the spatial and temporal correlations between solar, wind and hydro power generation in Spain

Abstract

El propósito de este proyecto es analizar la información pública disponible en ESIOS relacionada con la generación de energía renovable. Estudiaremos las series de producción eólica, solar e hidroeléctrica utilizando técnicas de aprendizaje automático. Las características de cada variable serán analizadas individualmente y en conjunto, tomando en consideración las dimensiones temporal y espacial. Para ello, automatizamos la recogida de toda la información necesaria para el estudio en un almacén interno diseñado específicamente para facilitar el análisis. 1. Introducción Este proyecto de investigación está motivado por el imperativo mundial de la transición hacia la energía renovable y el progreso limitado de los proyectos de energía renovable en Corea. Inspirado por el éxito de España en energías renovables, el estudio tiene como objetivo comprender y aprender de sus avances. Al analizar la dinámica de la energía solar y eólica en España, la investigación busca obtener información valiosa aplicable al desarrollo de energías renovables en Corea. 2. Ingestión de datos ESIOS sirve como un recurso valioso para acceder a información confiable y actualizada sobre la generación de energía solar, eólica e hidroeléctrica en España para este estudio (Ilustración 1). A través del web scraping, recopilamos de manera eficiente grandes volúmenes de datos de ESIOS, lo que nos permite explorar las correlaciones espaciales y temporales entre las fuentes de energía renovable. Este enfoque automatizado ahorra tiempo y esfuerzo en comparación con la recopilación manual de datos, lo que permite un análisis exhaustivo de los datos históricos y la identificación de tendencias significativas en la generación de energía renovable en toda España. 3. Análisis de datos exploratorios y normalización de datos Los diagramas de caja de energía solar fotovoltaica (Ilustración 2) brindan una representación ideal y visualmente intuitiva para interpretar la producción de energía, mostrando una mayor producción durante la temporada de verano y un pico durante las horas centrales del día. La energía eólica muestra principalmente un perfil horario consistente, con algunas fluctuaciones temporales, especialmente en verano. 4. Generación Fotovoltaica y Solar Térmica El Análisis de Componentes Principales (PCA) expone información útil sobre la dinámica. Por ejemplo, los componentes principales segundo y tercero revelan las diferencias norte-sur y este-oeste en la radiación solar entre las provincias de España. La bi-parcela de estos componentes proporciona una representación espacial de la generación de energía solar, mostrando un mapa rotado de España que resalta las variaciones y patrones regionales (Ilustración 4). Esta visualización ayuda a comprender la distribución geográfica de la generación de energía solar e identificar grupos de provincias con perfiles solares similares. 5. Generación de energía eólica El PCA de la generación de energía eólica revela información valiosa sobre las dinámicas y variaciones regionales. El primer componente principal (PC1) destaca las contribuciones significativas de Valencia y Castilla-La Mancha a la tendencia general de la generación eólica, mientras que Andalucía y Extremadura tienen una influencia relativamente menor. El segundo componente principal (PC2) indica variaciones regionales dentro de las provincias del norte, con énfasis en las divisiones oriental y occidental. PC3 refleja las disparidades norte-sur en la generación de energía eólica, con Andalucía jugando un papel destacado en el sur. PC4 destaca la importancia de las regiones costeras en la producción de energía eólica, mientras que PC5 destaca la relevancia de Extremadura y Cantabria. El gráfico bigráfico de PC2 y PC3 (Ilustración 5) revela un patrón simétrico en el mapa español, lo que sugiere características de energía eólica compartidas entre provincias como Galicia, Aragón y Andalucía. 6. Generación fotovoltaica con energía eólica La Ilustración 6 presenta un diagrama de dispersión que muestra la correlación negativa entre la radiación solar a las 13:00 y la media de la energía eólica a las 12, 13 y 14. El coeficiente de correlación de -0,44 indica una relación negativa moderada entre las dos variables, lo que sugiere que a medida que la radiación solar aumenta, la energía eólica tiende a disminuir y viceversa. Este hallazgo sugiere la presencia de cobertura de nubes como un factor potencial que influye en esta relación. Además, el análisis del dendrograma confirma las propiedades independientes de la generación de energía solar y eólica, lo que respalda observaciones anteriores basadas en coeficientes de correlación. 7. Conclusiones y Trabajo Futuro En este estudio se analizan exhaustivamente los patrones y dinámicas de generación solar y eólica, excluyendo finalmente el análisis hidroeléctrico debido a la fuerte gestión a la que está sometida esta tecnología de generación gracias a la existencia de un elevado número de embalses en España. El estudio identificó patrones claros de intensidad solar, variaciones temporales y diferencias regionales en la generación de energía solar. De manera similar, se observaron cambios regionales y temporales significativos en la generación de energía eólica, lo que proporcionó información sobre la progresión temporal y las características regionales de la generación de energía eólica. Este estudio destaca la necesidad de futuras investigaciones que exploren la complejidad y las sinergias de la energía hidroeléctrica con la energía solar y eólica para mejorar la comprensión de los paisajes de energía renovable y promover el desarrollo de estrategias de energía sostenible.

The purpose of this project is to analyze the public information available in ESIOS related to renewable power generation. We will study the series of wind, solar and hydroelectric production using machine learning techniques. The characteristics of each variable will be analyzed individually and jointly, taking in consideration of the temporal and spatial dimensions. To this end, we automate the collection of all the information needed for the study in an internal warehouse specifically designed to facilitate analysis. 1. Introduction This research project is motivated by the global imperative to transition towards renewable energy and the limited progress of renewable energy projects in Korea. Inspired by Spain's success in renewable energy, the study aims to understand and learn from their advancements. By analyzing the dynamics of solar and wind energy in Spain, the research seeks to gain valuable insights applicable to renewable energy development in Korea. 2. Data Ingestion ESIOS serves as a valuable resource for accessing reliable and up-to-date information on solar, wind, and hydro power generation in Spain for this study (Illustration 1). Through web scraping, we efficiently collect large volumes of data from ESIOS, enabling us to explore spatial and temporal correlations among renewable energy sources. This automated approach saves time and effort compared to manual data collection, allowing for comprehensive analysis of historical data and the identification of significant trends in renewable energy generation across Spain. 3. Exploratory Data Analysis and Data Normalization Solar PV energy box-plots (Illustration 2) provide an ideal and visually intuitive representation for interpreting energy production, showing higher production during the summer season and peaking during central daylight hours. Wind energy mainly shows a consistent hourly profile, with some temporal fluctuations, especially in summer. 4. Photovoltaic and Solar Thermal generation The Principal Component Analysis (PCA) exposes useful information about the dynamics. For example, the second and third principal components reveals north-south and east-west differences in solar radiation across provinces in Spain. The bi-plot of these components provides a spatial representation of solar power generation, showcasing a rotated Spanish map that highlights regional variations and patterns (Illustration 4). This visualization aids in understanding the geographical distribution of solar energy generation and identifying clusters of provinces with similar solar profiles. 5. Wind energy generation PCA of wind energy generation reveals valuable insights into regional dynamics and variations. The first principal component (PC1) highlights the significant contributions of Valencia and Castilla-La Mancha to the overall trend of wind power generation, while Andalusia and Extremadura have relatively lesser influence. The second principal component (PC2) indicates regional variations within the northern provinces, with an emphasis on the eastern and western divisions. PC3 reflects the north-south disparities in wind energy generation, with Andalusia playing a prominent role in the south. PC4 underscores the significance of coastal regions in wind energy production, while PC5 highlights the relevance of Extremadura and Cantabria. The bi-plot of PC2 and PC3 (Illustration 5) reveals a symmetrical pattern across the Spanish map, suggesting shared wind energy characteristics among provinces such as Galicia, Aragon, and Andalusia. 6. Photovoltaic with Wind energy generation Illustration 6 presents a scatter plot showing the negative correlation between solar radiation at 13:00 and the mean of wind energy at 12, 13, and 14. The correlation coefficient of -0.44 indicates a moderate negative relationship between the two variables, suggesting that as solar radiation increases, wind energy tends to decrease, and vice versa. This finding suggests the presence of cloud cover as a potential factor influencing this relationship. Additionally, the dendrogram analysis confirms the independent properties of solar and wind energy generation, supporting earlier observations based on correlation coefficients. 7. Conclusions and Future Work In this study, the patterns and dynamics of solar and wind power generation were comprehensively analysed, finally excluding the hydro energy analysis due to the strong management to which this generation technology is subjected thanks to the existence of a high number of dams in Spain. The study identified clear patterns of solar intensity, time variations, and regional differences in solar power generation. Similarly, significant regional and temporal changes were observed in wind power generation, providing insight into the temporal progression and regional characteristics of wind power generation. This study highlights the need for future research exploring the complexity and synergies of hydroelectric energy with solar and wind energy to enhance understanding of renewable energy landscapes and promote the development of sustainable energy strategies.