Utilização dos métodos metaheurísticos competição imperialista e busca do cuco no ajuste de diferentes curvas de distribuição de velocidade do vento em São João do Cariri-PB

• Autor(a) principal: Lins, Davi Ribeiro
• Data de Publicação: 2020
• Outros Autores: Andrade, Carla Freitas de, Rocha, Paulo Alexandre Costa, Guedes, Kevin Santos
• Tipo de documento: Artigo de conferência
• Idioma: por
• Título da fonte: Repositório Institucional da Universidade Federal do Ceará (UFC)
• Texto Completo: http://www.repositorio.ufc.br/handle/riufc/56932
• topic: Análise do potencial eólico; Energia eólica; Ventos - Velocidade; Modelos matemáticos; Distribuições de velocidade do vento não convencionais

Para que seja obtida uma maior precisão e confiabilidade na análise do recurso eólico de uma região, é essencial não somente a seleção do modelo de distribuição de velocidade do vento mais preciso na descrição do regime de ventosdo local, mas também a correta estimativa dos parâmetros que regem esta distribuição. Sendo assim, seis modelos de distribuição foram utilizados, neste artigo, para descrever o regime de ventos de São João do Cariri, cidade localizada no Nordeste do Brasil. Ademais, motivado pela escassez de estudos que aplicam Métodos de Otimização Metaheurístico (MOA -Metaheuristic Optimization Algorithms) na determinação dos parâmetros das distribuições, dois destes métodos foram utilizados com o mesmo propósito neste trabalho, sendo eles: Competição Imperialista e Busca do Cuco. Posteriormente, os resultados foram submetidos à uma análise estatística integrada de mútiplos critérios para avaliar o desempenho e aplicabilidade dos MOA e para determinar o modelo de distribuição que garantiu melhorajuste aosdados de velocidade do vento de São João do Cariri. Em comparação com o tradicional Método da Máxima Verossimilhança (MMV), utilizado neste trabalho como referencial, os MOA apresentaram desempenho significativamente melhor, visto que, em todos os modelosde distribuição utilizados, a precisão obtida através dos métodos de otimização foi maior do que a obtidapelo MMV. A distribuição Gamma Generalizada foi a que proporcionou melhor ajuste. A distribuição de Weibull ocupou a terceira posição no rank, reafirmando o fato de que, apesar da sua ampla utilização, esta distribuição não é sempre a mais adequada. Ademais, as distribuições de três parâmetros Gamma Generalizada e Valor Extremo Generalizado proporcionaram melhor ajuste quando comparadas com as distribuições de dois parâmetros de Weibull, Gamma, Birnbaum-Saunders e Nakagami.