Análise estatística da velocidade do vento em Petrolina-PE utilizando as distribuições Weibull e a Burr

Autores

  • Fábio Sandro dos Santos Universidade Federal Rural de Pernambuco
  • Kerolly Kedma Felix do Nascimento Universidade Federal Rural de Pernambuco
  • Elielma Santana de Jesus Universidade Federal Rural de Pernambuco
  • Jader da Silva Jale Universidade Federal Rural de Pernambuco
  • Tatijana Stosic Universidade Federal Rural de Pernambuco
  • Tiago Alessandro Espínola Ferreira Universidade Federal Rural de Pernambuco

DOI:

https://doi.org/10.24221/jeap.4.1.2019.2057.057-064

Palavras-chave:

Ajuste, energia, modelagem, potencial eólico, Rosa dos ventos.

Resumo

Dentre algumas fontes renováveis de energia, destacam-se os ventos. No Brasil, em especial na região Nordeste, tem-se observado avanços quanto aos estudos e investimentos em localidades consideradas potenciais produtoras de energia eólica. Neste contexto, podem ser empregadas as funções densidade de probabilidade de modelos de distribuição como forma auxiliar à tomada de decisão sobre a escolha de uma determinada região para a instalação de parques eólicos. Neste trabalho, buscou-se analisar o potencial eólico para geração de energia proveniente dos ventos em Petrolina-PE, com a série histórica de velocidade do vento de 01/01/2015 a 31/12/2016 e através da comparação entre os ajustes realizados pelas distribuições Weibull com dois parâmetros (Weibull-2p) e Burr, bem como a partir da análise da velocidade média do vento verificada na região. Além disso, observar a direção predominante dos ventos por meio da Rosa dos Ventos. Para a estimação dos parâmetros das distribuições, foi adotado o Método da Máxima Verossimilhança (MMV) que tem alcançado valores ótimos em relação a outros métodos de estimativa de parâmetros. Os critérios de seleção AIC e BIC, a estatística de Anderson-Darling e as acurácias MAPE e MAD foram adotadas para a avaliação da bondade dos ajustes das distribuições, onde se verificou que a Weibull-2p forneceu melhor modelagem aos dados analisados. A direção predominante dos ventos encontrada foi a sudeste, com variação entre ~105º e ~135º e velocidade média de 8,4m/s. Com os resultados obtidos, a região estudada alcançou, segundo classificação do NREL, avaliação esplêndida para a viabilidade de geração de energia eólica.

Downloads

Não há dados estatísticos.

Biografia do Autor

Fábio Sandro dos Santos, Universidade Federal Rural de Pernambuco

Mestrando em Biometria e Estatística Aplicada pela UFRPE e Bacharel em Estatísitca pela UEPB.

Kerolly Kedma Felix do Nascimento, Universidade Federal Rural de Pernambuco

Doutoranda em Biometria e Estatística Aplicada pela UFRPE, Mestre em Biometria e Estatística Aplicada pela UFRPE, Especialista em Matemática e Fisica pela FJN e Licenciada em Matemática pela URCA.

Elielma Santana de Jesus, Universidade Federal Rural de Pernambuco

Mestranda em Biometria e Estatística Aplicada pela UFRPE e Bacharel em Ciências Atuariais pela UFS.

Jader da Silva Jale, Universidade Federal Rural de Pernambuco

Atualmente faz pós-doutorado em Ciência da Computação pela Universidade Federal Rural de Pernambuco, onde fez mestrado (2010) e doutorado (2015) em Biometria e Estatística Aplicada. Possui bacharelado em Estatística pela Universidade Federal do Ceará (2008).

Tatijana Stosic, Universidade Federal Rural de Pernambuco

Possui doutorado em Física Estatística pela Universidade de Belgrado, atualmente é Professora Associada II do Departamento de Estatística e Informática da Universidade Federal Rural de Pernambuco. Atua na Pós-Graduação em Biometria e Estatística Aplicada da UFRPE, onde promove aplicação de métodos de Física Estatística em diversas áreas fenomenológicas, para análise de dados de meio ambiente, hidrologia, economia e medicina.

Tiago Alessandro Espínola Ferreira, Universidade Federal Rural de Pernambuco

Físico e doutor em ciências da computação, professor associado da UFRPE, coordenador do PPG em Informática Aplicada, membro do PPG em Biometria e Estatística Aplicada. Seus interesses em pesquisa são: Computação e Informação Quântica, Simulação e modelagem computacional, Inteligência Computacional, Computação Paralela e Massiva em GP/GPUs, Econofísica, e Previsão e Análise de Séries Temporais

Referências

ABEEOLICA. 2018. Disponível em: http://abeeolica.org.br/noticias/brasil-chega-a-13-gw-de-capacidade-instalada-de-energia-eolica/ Acesso em: 10-jul-2018.

AKGÜL, F. G.; ŞENOĞLU, B.; ARSLAN, T. 2016. An alternative distribution to Weibull for modeling the wind speed data: Inverse Weibull distribution. Energy Conversion And Management, [s.l.], v. 114, p.234-240. Elsevier BV. http://dx.doi.org/10.1016/j.enconman.2016.02.026

ALAVI, O.; MOSTAFAEIPOUR, A.; QOLIPOUR, M. 2016. Analysis of hydrogen production from wind energy in the southeast of Iran. International Journal Of Hydrogen Energy, [s.l.], v. 41, n. 34, p. 15158-15171. Elsevier BV. http://dx.doi.org/10.1016/j.ijhydene.2016.06.092.

ALLOUHI, A.; ZAMZOUM, O.; ISLAM, M. R.; SAIDUR, R.; KOUSKSOU, T.; JAMIL, A.; DEROUICH, A. 2017. Evaluation of wind energy potential in Morocco's coastal regions. Renewable and Sustainable Energy Reviews, 72, 311-324.

BRANO, V. L.; ORIOLI, A.; CIULLA, G.; CULOTTA, S. 2011. Quality of wind speed fitting distributions for the urban area of Palermo, Italy. Renewable Energy, 36(3), 1026-1039.

DE DEUS ROSA FILHO, C.; PARISI, S. A.; DE ALBUQUERQUE SOARES, W. 2018. Avaliação da distribuição estatística e elaboração de modelo de regressão múltipla linear da velocidade média do vento. Journal of Environmental Analysis and Progress, v. 3, n. 1, p. 24-36.

DOKUR, E.; KURBAN, M.; CEYHAN, S. 2016. Wind speed modelling using inverse weibull distrubition: a case study for bilecik, turkey. International Journal Of Energy Applications And Technologies, [s. L.], v. 3, n. 2, p.55-59, Semestral.

DOS SANTOS, D. V. ; GLEHN, LIRA, C. C. S.; LEAL JUNIOR, J. B. V. 2018. Avaliação do potencial eólico da região do Vale do Jaguaribe no semiárido cearense utilizando modelagem numérica regional. Journal of Environmental Analysis and Progress 3, n. 1, p. 69-74.

DOS SANTOS, S.; TORRES, A.; E SILVA, S.; MOISÉS, C.; FARO DO AMARAL LEMOS, D.; DE LIMA OLIVEIRA, L.; ANDRÉ CRUZ BEZERRA, L. 2016. Assessment of Wind resources in two parts of Northeast Brazil with the use of numerical models. Meteorological Applications, 23(4), 563-573.

GEOGRAFIA. O Rio São Francisco: características e curiosidades. 2018. Disponível em: https://www.estudopratico.com.br/o-rio-sao-francisco-caracteristicas-e-curiosidades/. Acesso em: 17-jul-2018.

GRAH, V. F.; PONCIANO, I. M.; BOTREL, T. A. 2014. Potential for wind energy generation in Piracicaba, SP, Brazil. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 18, n. 5, p. 559-564.

IBGE. 2018. Disponível em: https://cidades.ibge.gov.br/brasil/pe/petrolina/panorama. Acesso em: 19-jul-2018.

INMET - Instituto Nacional de Meteorologia. Disponível em: http://www.inmetgov.br. Acesso em: 09-Jun-2018.

LOPES, I.; DE CERQUEIRA JÚNIOR, E. P.; DE MELO, J. M. M.; LEAL, B. G. 2017. Potencial de geração de energia eólica no Submédio São Francisco. Journal of Environmental Analysis and Progress, 2(3), 330-340.

MASSERAN, N.; RAZALI, A. M.; IBRAHIM, K. 2012. Na analysis of Wind Power density derived from several Wind speed density functions: The regional assessment on wind power in Malaysia. Renewable and Sustainable Energy Reviews, v. 16, n. 8, p. 6476-6487.

OZAWA, M. T. 2017. Aplicação de parâmetros da distribuição de Weibull na análise do potencial energético de um microgerador eólico em cidades do estado do Paraná. Trabalho de Conclusão de Curso. Universidade Tecnológica Federal do Paraná.

PATEL, M. R. 1999. Wind and Solar Power Systems. Copyrighted Material, 345 p.

PORTAL ENERGIA – ENERGIAS RENOVÁVEIS. 2018. Disponível em: https://www.portal-energia.com/vantagens-desvantagens-da-energia-eolica/. Acesso em: 11-jul-2018.

ROCHA, P. A. C.; DE SOUSA, R. C.; DE ANDRADE, C. F.; DA SILVA, M. E. V. 2012. Comparison of seven numerical methods for determining Weibull parameters for Wind energy generation in the northeast region of Brazil. Applied Energy, 89(1), 395-400.

YILMAZ, V.; ÇELIK, H. E. 2008. A statistical approach to estimate the wind speed distribution: the case of Gelibolu region.

ZAHARIM, A.; RAZALI, A. M.,; ABIDIN, R. Z.; SOPIAN, K. 2009. Fitting of statistical distributions to wind speed data in Malaysia. European Journal of Scientific Research, 26(1), 6-12.

Publicado

2019-01-31

Como Citar

Santos, F. S. dos, Nascimento, K. K. F. do, Jesus, E. S. de, Jale, J. da S., Stosic, T., & Ferreira, T. A. E. (2019). Análise estatística da velocidade do vento em Petrolina-PE utilizando as distribuições Weibull e a Burr. Journal of Environmental Analysis and Progress, 4(1), 057–064. https://doi.org/10.24221/jeap.4.1.2019.2057.057-064