Español

🔘 Descripción

AtomicPulse es una herramienta que automatiza la recopilación de datos sobre fallas y mantenimientos en reactores nucleares de USA, mediante el consumo de la API de la EIA (Energy Information Administration) del país.

Está construido en base a un pipeline de datos de tipo ETL (Extract, Transform, Load), desplegado en una API para facilitar un consumo con GUI web.

-> Sitio en vivo

🔘 Funcionamiento

La interfaz ofrece los resultados tabulados bajo 4 parámetros:

• Temporal index: la fecha correspondiente al resumen de fallas y mantenimientos ocurridos en ese día.
• Classification: la clasificación de las fallas y mantenimientos ocurridos en ese día, teniendo 3 categorías: Critical, Warning y Nominal
• Magnitude: la potencia eléctrica total en mw que dejó de generarse en la fecha correspondiente
• Impact: el porcentaje relativo de la capacidad nuclear que está fuera de servicio (pérdida en mw)

Además, el sistema ofrece:

• Actualización dinámica de los datos, mediante consulta instantánea a la API de la EIA
• Búsqueda de información mediante filtros de día, mes y año.

🔘 Tecnologías usadas

Lenguajes:

• Python, SQL, JS, HTML, CSS

Frameworks y herramientas:

• Backend & APIs: FastAPI, Pydantic, Uvicorn, RESTful APIs.
• Extracción de datos: Pandas, Apache Parquet (PyArrow), ETL pipelines, extracción incremental
• Base de datos: SQLite, SQL, Esquema Estrella ER (Data Warehouse)
• DevOps y despliegue: Render, Git/GitHub, .env, logging
• Testing: Pytest
• Frontend: JavaScript (Vanilla), CSS3, HTML5

---

English

🔘 Overview

AtomicPulse is a tool that automates the collection of data regarding outages and maintenance in US nuclear reactors by consuming the country’s EIA (Energy Information Administration) API.

It is built upon an ETL (Extract, Transform, Load) data pipeline, deployed as an API to facilitate consumption through a web GUI.

-> Live Site

🔘 How it Works

The interface provides tabulated results based on 4 parameters:

• Temporal index: The date corresponding to the summary of outages and maintenance that occurred on that day.
• Classification: The classification of the outages and maintenance for that day, divided into 3 categories: Critical, Warning, and Nominal.
• Magnitude: The total electrical power in Megawatts (MW) that was lost on the corresponding date.
• Impact: The relative percentage of nuclear capacity that is offline (loss in MW).

Additionally, the system features:

• Dynamic data updates via real-time queries to the EIA API.
• Information retrieval using day, month, and year filters.

🔘 Technologies Used

Languages:

• Python
• SQL

Frameworks & Tools:

• Backend & APIs: FastAPI, Pydantic, Uvicorn, RESTful APIs.
• Data Extraction: Pandas, Apache Parquet (PyArrow), ETL pipelines, incremental extraction.
• Database: SQLite, SQL, Star Schema ER (Data Warehouse).
• DevOps & Deployment: Render, Git/GitHub, .env, logging.
• Testing: Pytest.
• Frontend: JavaScript (Vanilla), CSS3, HTML5.