Análise da complementariedade entre diferentes técnicas estatísticas para aumento na resolução espacial do comportamento do vento local

• Autor(a) principal: PERRUCI, Valentin Paschoal
• Data de Publicação: 2018
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFPE
• dARK ID: ark:/64986/00130000149gk
• Texto Completo: https://repositorio.ufpe.br/handle/123456789/31143
• topic: Energia eólica; Região Nordeste do Brasil; Downscaling estatístico; Combinação de modelos; Análise espectral

O notável crescimento da energia eólica no Brasil aumenta a demanda tanto por ferramentas mais sofisticadas para a avaliação do recurso eólico como ferramentas para o controle do sistema elétrico nacional em vista do aumento na participação de uma fonte cuja disponibilidade é intermitente. Nesse contexto, o presente trabalho dedica-se a uma ferramenta que bem pode atender às duas aplicações citadas em função de ajustes específicos. Por exemplo, dados de previsão numérica do tempo (empregados como entrada à ferramenta proposta) são de interesse para o despacho da produção de centrais eólicas e controle do sistema elétrico. Por sua vez, dados climáticos de reanálise (empregados como entrada à ferramenta proposta) são de interesse para a avaliação do recurso eólico com vistas aos estudos de viabilidade sobre a implantação de centrais eólicas. Particularmente, este trabalho avalia diversas técnicas estatísticas tipicamente adotadas em estratégias de aumento de resolução espacial (downscaling) e combinação de modelos com vistas à modelagem do vento próximo aos locais de interesse. Para isso, dados provenientes de 13 estações anemométricas distribuídas na Região Nordeste do Brasil (região que concentra a maior parte da capacidade eólica instalada no país) são empregados juntamente com simulações (reanálises) geradas por modelos de circulação geral da atmosfera (GCMs). Além disso, nesse trabalho, uma análise espectral é proposta como artifício auxiliar em estratégias de combinação para discriminar as aptidões/limitações de cada modelo avaliado em diferentes faixas de frequência (ou escalas de variação temporal). Para tanto, empregaram-se técnicas baseadas no ajuste de modelos individuais tais como a regressão multilinear, redes neurais, análogos e agrupamento de padrões sinópticos para, em seguida, combinar as saídas de tais modelos por meio de técnicas de regressão. De forma geral, os resultados mostram que as técnicas empregadas de downscaling estatístico e combinação são capazes de reproduzir satisfatoriamente o comportamento em baixas e médias frequências dos sinais observados pelas estações anemométricas, tendo obtido melhorias significativas em relação a abordagens mais simples (e.g., interpolação) . Os resultados também mostram que, em geral, a combinação de saídas produziu estimativas mais confiáveis que as saídas individuais dos modelos. Entretanto, ainda há limitações a serem superadas quanto à reprodução do comportamento em altas frequências dos sinais observados pelas estações anemométricas. Por fim, resultados promissores obtidos com uma análise semiobjetiva (semiautomática) aqui proposta indicam que é possível aprimorar, através da definição apropriada de “complementaridade espectral”, procedimentos de combinação com respeito à confiabilidade das estimativas e ao custo computacional associado ao ajuste dos modelos.