Refinamento estatístico das previsões de vento ETA aplicado ao setor eólico-elétrico do nordeste brasileiro

• Ano de defesa: 2011
• Autor(a) principal: André Rodrigues Gonçalves
• Orientador(a): Enio Bueno Pereira
• Banca de defesa: Fernando Ramos Martins, Gilberto Fernando Fisch, Roberto Fernando da Fonseca Lyra
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Nacional de Pesquisas Espaciais
• Programa de Pós-Graduação: Programa de Pós-Graduação do INPE em Meteorologia
• País: BR
• Resumo em Inglês: The installed wind power capacity is increasing significantly worldwide. Due to wind high variability in space and time, one of the main challenges is to forecast the available wind power in the time frame from hours to days, in order to facilitate scheduled maintenance, prevent from extreme wind conditions and optimize the energy dispatch by electrical managing institutions, increasing wind energy competitiveness in the energy market. Despite several studies carried abroad, there are few advances in this subject in Brazil, where the installed wind power capacity is achieving relevant thresholds, predominantly in the northeastern region. This study aims to develop a methodology for short-term wind forecast from the outputs of CPTEC/INPE Eta-numerical weather predictions, based on multiple linear regressions and artificial neural networks. It is presented a discussion over the observational and modeling aspects of near surface wind fields Several Eta derived predictors are evaluated for wind forecasts over northeastern Brazil. Sensitivity tests are carried out to configure the statistical model and a methodology is proposed for wind downscaling. Its performance is compared to Eta raw outputs and to linear regression models for wind and wind power forecasts at 50 m and 80 m respectively. Both the neural network and the regression model performed significantly better than the Eta outputs. The neural network downscaling performed slightly better than the regression when compared to 8 wind stations from northeastern region. The correlation coefficients obtained for wind varied between 0,75 and 0,90 and the RMSE from 0,93 m/s and 1,39 m/s. For wind power estimates the RMSE remains between 10,3\% and 17,2\% of the available wind power. The guaranteed wind power gain achieves up to 35\% of the available power for a 90\% error probability when compared to Eta outputs.
• Link de acesso: http://urlib.net/sid.inpe.br/mtc-m19/2012/02.27.17.24

A capacidade eólica instalada vem crescendo consistentemente em diversos países nos últimos anos. Devido a seu caráter altamente variável no espaço e no tempo, um dos grandes desafios impostos por esta fonte energética está em prever a potência eólica disponível em um momento futuro, de modo a otimizar o despacho de energia, aumentar a segurança e a competitividade do setor. Apesar dos inúmeros estudos efetuados no exterior, pouco se avançou nesta área no Brasil, onde a capacidade eólica instalada vem atingindo patamares significativos, predominantemente na região Nordeste. Este trabalho se propõe a desenvolver um modelo de refinamento estatístico para previsão de vento a curto-prazo para a região Nordeste com o uso de regressões lineares múltiplas e redes neurais artificiais alimentadas por saídas do modelo de previsão do tempo Eta, utilizado pelo CPTEC/INPE. A previsão de vento próximo à superfície é discutida sob aspectos observacionais e de modelagem, onde é feita também uma ampla avaliação dos possíveis preditores do modelo Eta para a previsão de ventos sobre o nordeste brasileiro. Para tanto testes de sensibilidade suportaram o processo de otimização da configuração do modelo em redes neurais artificiais. Uma metodologia de refinamento estatístico das previsões numéricas de vento é proposta e seu desempenho é comparado às saídas originais do modelo Eta e ao uso de regressões lineares múltiplas para previsões de vento a 50 m e de potência eólica a 80 m. Tanto o refinamento por regressões lineares múltiplas quanto por redes neurais artificiais se mostram superiores em relação às saídas do Eta. A técnica de redes neurais se mostra ligeiramente superior às regressões quando comparada aos valores observados para 8 estações anemométricas da região. As correlações obtidas para o vento variam de 0,75 a 0,90 e o RMSE entre 0,93 m/s e 1,39 m/s. Para a potência eólica o RMSE varia entre 10,3\% a 17,2\% da potência disponível, enquanto o ganho de potência garantida para uma probabilidade de 90\% chega a 35\% da potência disponível em relação às previsões do Eta não refinadas.