Fiquei desconfiado desse infografico. Quer dizer que já pagamos nossa "dívida" com o volume morto?
Vamos ver...
A sabesp disponibiliza dados para consulta neste endereço, mas não faço idéia de como pegar os dados automaticamente...
Ainda bem que uma boa alma já fez uma api que dá conta do serviço! Graças a ele pude escrever uma função bem meia boca pra capturar esses dados, o getData.
In [1]:
from sabesPy import getData
import pandas as pd
df = pd.DataFrame([getData('2014-03-14'), getData('2015-03-14')])
In [2]:
%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns ## só pra deixar o matplotlib com o estilo bonitão do seaborn ;)
sns.set_context("talk")
sns.set_style("darkgrid", {"grid.linewidth": .5, "axes.facecolor": ".9"})
#pd.options.display.mpl_style = 'default' ## estilo ggplot
In [3]:
datasG1 = ['2014-03-14','2015-03-14']
df.ix[datasG1,:].T.plot(kind='bar', rot=0, figsize=(8,4))
plt.show()
OK. Tudo certo. Bate com os gráficos mostrados pelo G1, apenas está sendo mostrado de uma forma diferente.
Maaas...
In [4]:
datas = ['2014-03-14',
'2014-05-15', # pré-volume morto
'2014-05-16', # estréia da "primeira reserva técnica", a.k.a. volume morto
'2014-07-12', # data em que a "reserva normal" é esgotada
'2014-10-23',
'2014-10-24', # "segunda reserva técnica" ou "VOLUME MORTO 2: ELECTRIC BOOGALOO"
'2015-01-01', # feliz ano novo ?
'2015-03-14']
import numpy as np
df = pd.DataFrame(pd.concat(map(getData, datas), axis=1))
df = df.T
In [5]:
from sabesPy import plotSideBySide
dados = df.ix[['2014-05-15','2014-05-16']], df.ix[['2014-10-23','2014-10-24']]
plotSideBySide(dados, titles=['$1^a$ Reserva técnica', '$2^a$ Reserva técnica'])
O próprio site da sabesp esclarece:
A primeira reserva técnica entrou em operação em 16/05/2014 e acrescentou mais 182,5 bilhões de litros ao sistema - 18,5% de acréscimo;
A segunda reserva técnica entrou em operação em 24/10/2014 e acrescentou mais 105,4 bilhões de litros ao sistema - 10,7% de acréscimo
Ou seja, o percentual divulgado pela sabesp não é corrigido para descontar o volume morto e, portanto, comparar 14 de março desse ano com o ano passado não faz sentido.
O G1 errou. Mas o quanto errou? Será que já, pelo menos, pagamos nossa "dívida" com o volume morto?
Simples assim: $$ Vol_1 = p \times Vol_0 $$
$$ Vol_{corrigido} = Vol_1 - Vol_{morto}$$$$ p_{corrigido} = \frac{Vol_{corrigido}}{Vol_0} $$| $Vol_1$ | o volume atual do sistema |
| $Vol_0$ | a capacidade máxima do reservatório (sem contar o volume morto) |
| $Vol_{corrigido}$ | volume atual $-$ volume morto) |
| $Vol_{morto}$ | advinha! |
| $p$ | o percentual divulgado pela sabesp |
| $p_{corrigido}$ | o percentual corrigido |
essa correção foi implementada no "módulo" sabesPy
In [6]:
from sabesPy import fixPerc
dFixed = df.copy()
dFixed.Cantareira = ([fixPerc(p, dia) for p, dia in zip(df.Cantareira, df.index)])
In [7]:
dados = dFixed.ix[['2014-05-15','2014-05-16']], dFixed.ix[['2014-10-23','2014-10-24']]
plotSideBySide(dados,
titles=['1$^a$ reserva técnica\n(percentuais corrigidos)',
'2$^a$ reserva técnica\n(percentuais corrigidos)'])
Pronto. Agora faz sentido, sem aquela variação absurda.
Finalmente, comparemos o grafico com os dados usados pelo G1 e com dados corrigidos
In [8]:
dados = df.ix[datasG1], dFixed.ix[datasG1]
plotSideBySide(dados,cm=[None,None],
titles=["S/ CORRIGIR as %'s", "%'s CORRIGIDAS"])
O G1 errou catastróficamente. errou feio, errou rude.
Estamos muito longe do nível do ano passado.
(E mesmo que o cantareira estivesse com 15%, ainda seria uma situação crítica)
PS: Ainda falta corrigir o percentual pro Alto Tietê, que também incorporou um "volume morto".
Eu mesmo comecei tentando calcular dessa forma, mas esse método não corrigia as variações que ocorreram qndo o volume morto foi incorporado.
Vamos corrigir os dados com essa outra formula e comparar os graficos.
In [9]:
def percFixer2(p,volMax, volumeMorto=0):
volAtual = (volMax + volumeMorto)*(p/100) - volumeMorto
q = 100*volAtual/volMax
#import numpy as np
q = round(q,1)
return q
In [10]:
dFixed2 = df.copy()
dFixed2.Cantareira = [fixPerc(p, dia, fixFunc=percFixer2) for p, dia in zip(df.Cantareira, df.index)]
In [11]:
dados = [[dFixed2.ix[['2014-05-15','2014-05-16']], dFixed.ix[['2014-05-15','2014-05-16']]],
[dFixed2.ix[['2014-10-23','2014-10-24']], dFixed.ix[['2014-10-23','2014-10-24']]]]
plotSideBySide(dados[0], cm=['Spectral', 'Spectral'],
titles=['1$^a$ reserva técnica\n$ Vol_1 = p \\times (Vol_0 + Vol_{morto})$',
'1$^a$ reserva técnica\n$ Vol_1 = p \\times Vol_0$'])
plotSideBySide(dados[1], cm=['coolwarm', 'coolwarm'],
titles=['2$^a$ reserva técnica\n$ Vol_1 = p \\times (Vol_0 + Vol_{morto})$',
'2$^a$ reserva técnica\n$ Vol_1 = p \\times Vol_0$'])
Viu? A porcentagem divulgada pela Sabesp é falsa, pois faz de conta que a capacidade máxima do cantareira são os mesmos 980 bi L anteriores à aquisição das reservas técnicas. (A capacidade atual do sistema é 1.3 tri L!!!)
In [12]:
dadosCantareira = pd.DataFrame(pd.concat([df.Cantareira, dFixed2.Cantareira, dFixed.Cantareira], axis=1))
In [13]:
titles = ['$\%$ divulgada pela Sabesp ($p$)',
'$ Vol_{atual} = p \\times (Vol_{max} +Vol_{morto})$',
'$ Vol_{atual} = p \\times Vol_{max}$']
dadosCantareira.columns = titles
#dadosCantareira.index = pd.to_datetime(dadosCantareira.index)
from sabesPy import reverseDate
dadosCantareira.index = map(reverseDate, dadosCantareira.index)
In [16]:
sns.set_context("poster")
ax = dadosCantareira.plot(kind='bar', ylim=(-25,30), yticks=range(-25,30,5), rot=20, title='Sistema Cantareira\n')
ax.set_ylabel("$\%$", fontsize=30)
ax.text(2.5, -10, r" $ \% =\frac{Vol_{atual} - Vol_{morto}}{Vol_{max}} $", fontsize=30, ha='right')
plt.show()