Downscaling estatístico do vento local baseado em definição objetiva do conjunto de variáveis regressoras

• Autor(a) principal: ROLIM, Gabriel Dantas de Oliveira
• Data de Publicação: 2020
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFPE
• dARK ID: ark:/64986/001300000fmwr
• Texto Completo: https://repositorio.ufpe.br/handle/123456789/41085
• topic: Tecnologias Energéticas e Nucleares; Energia eólica; Downscaling estatístico; Seleção de variáveis; Screening regression; Região Nordeste do Brasil

O rápido crescimento da energia eólica no mundo e, particularmente, no Brasil, vem demandando uma descrição cada vez mais acurada do comportamento do vento nos possíveis locais de centrais eólicas. Com relação a esse tema, técnicas objetivas de downscaling estatístico, principalmente aquelas baseadas em modelos regressivos, desempenham um papel fundamental. Tais técnicas baseiam-se na minimização de uma função de custo, que permite ao modelo extrair informações oriundas de previsão numérica do tempo (e.g., General Circulation Models outputs) para descrever o comportamento do vento na microescala. Contudo, até o momento, apenas poucos estudos têm concentrado seus esforços em desenvolver e/ou aplicar técnicas objetivas para selecionar quais variáveis, quando utilizadas como entrada para os modelos regressivos, promovem a maior acurácia do downscaling estatístico. Nesse contexto, este trabalho propõe uma nova metodologia para a seleção do conjunto de variáveis regressoras para o downscaling da magnitude da velocidade do vento horizontal, que demanda um baixo esforço computacional, sendo bastante flexível a ponto de ser aplicada a qualquer região de interesse, em conjunto com qualquer modelo regressivo e empregando dados de reanálise (visando, por exemplo, a avaliação do recurso eólico) ou dados de previsão (visando, por exemplo, o despacho da potência de centrais eólicas junto ao operador do sistema elétrico). Particularmente, o modelo regressivo utilizado neste trabalho foi a regressão linear múltipla devido à sua simplicidade. Os resultados deste trabalho constatam a grande viabilidade de utilização da metodologia desenvolvida tanto em relação a modelos de seleção específicos da regressão linear múltipla (i.e., Stepwise Regression e Regressão Lasso), quanto a um modelo geral de seleção de variáveis regressoras que demanda um grande esforço computacional (i.e., Forward Selection).