Avaliação de algoritmos de correlação aplicados a séries de dados de vento

• Autor(a) principal: Moreira, Andreia Filipa Ribeiro
• Data de Publicação: 2023
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10400.22/24088
• topic: MCP; correlation algorithms; local measurement station; wind regime; orography; reanalysis series; Domínio/Área Científica::Engenharia e Tecnologia

Esta dissertação teve como propósito desenvolver metodologias de análise de correlações estatísticas entre séries de dados de vento, com diversos métodos Measure Correlate-Predict (MCP), com o objetivo de selecionar o método mais adequado para a extrapolação dos dados de longo termo com a menor incerteza associada. Pretendeu-se, também, analisar o tempo mínimo necessário de uma campanha de medição do vento a utilizar na aplicação desta metodologia. Para a realização deste trabalho foram selecionadas 15 estações de medição local de vento. O processo de seleção teve em conta a maior extensão possível do período da campanha de medição, com disponibilidades de dados de velocidade e de direção de vento superiores a 90% e com variadas orografias, rugosidades e regime de ventos. De seguida, selecionou-se a série de reanálise de dados de vento de longo termo que melhor se correlacionou com os dados de vento medidos nas estações de medição. Posteriormente, realizaram-se vários testes, com diferentes períodos simultâneos entre a série de dados medidos e a série de longo termo onde se testaram, para cada período concorrente, 15 algoritmos de correlação: 13 regressões, 1 matriz, e 1 rede neural artificial. O desempenho de cada modelo testado foi avaliado através da caraterização dos parâmetros de performance RMSE (Root Mean Square Error) e MBE (Mean Bias Error) associados a cada MCP. A análise dos erros obtidos permitiu identificar que os períodos de medição com menor erro associado se compreendem entre 1 e 5 anos. Para cada um destes anos foi feita uma análise de variância ANOVA de fator único com o objetivo de perceber a significância do ano de medição. Por fim, realizaram-se testes de significância t para os anos selecionados, com o objetivo de obter os algoritmos de MCP com médias diferentes. Este trabalho permitiu concluir que para a amostragem selecionada, o algoritmo 4 Seasons 360s DN apresentou-se como sendo o melhor método de MCP a ser usado, por apresentar o menor valor de RMSE e MBE e conseguir captar adequadamente a sazonalidade de cada local. Por outro lado, concluiu-se que o número mínimo de anos necessários para uma campanha de medição local deve situar-se entre os 2 e os 3 anos.