SIMULAÇÃO DE VENTOS EM ALTA RESOLUÇÃO NO LITORAL DO CEARÁ

Transcrição

1 SIMULAÇÃO DE VENTOS EM ALTA RESOLUÇÃO NO LITORAL DO CEARÁ Paulo Henrique Santiago de Maria 1, Alexandre Araújo Costa 2, Sérgio Sousa Sombra 3 RESUMO: Neste trabalho, foi realizada uma simulação da circulação de vento sobre o Estado do Ceará, com destaque para o setor litorâneo, detentor de alto potential eólico e onde há parques eólicos implantados ou em fase de planejamento. Foi dada ênfase, com o uso de duas grades de alta resolução (1 km de espaçamento horizontal), a duas regiões, uma no Litoral Norte e outra em torno do Litoral de Fortaleza. Os resultados do modelo foram comparados com observações de plataformas de coleta de dados e de torres anemométricas, mostrando que modelos de mesoescala em alta resolução podem ser ferramentas úteis na prospecção de potencial eólico e na previsão de geração de energia eólica a curto prazo. ABSTRACT: In this work, a simulation of wind circulation over the state of Ceará was performed, with distinction to the coastal region, which has a high wind energy potential and where there are some wind farms installed and other planned. We gave emphasis to two regions, one at the Northern coast of Ceará and the second at the vicinity of Fortaleza, using high-resolution grids (1 km horizontal grid spacing). Model results were compared against observations from data collection platforms and anemometric towers. It was shown that high-resolution mesoscale models may be useful tools for wind energy prospect and short-term wind energy generation forecast. Palavras-Chave: Energia Eólica, Modelo de Mesoescala INTRODUÇÃO Dentre os problemas conhecidos na geração de energia eólica, um dos mais relevantes se refere à necessidade de se conhecer com antecedência o montante de energia produzido. Neste sentido, ao longo dos anos vêm sendo desenvolvidos sistemas de previsão de ventos baseados em diferentes princípios (Giebel et al., 2003), alguns ainda utilizados comercialmente (Lange et al., 2002; Sánchez et al., 2002; Jorgensen et al., 2002). Uma das alternativas possíveis é o uso de um modelo meteorológico de área limitada em alta resolução, visando representar os efeitos da topografia, desenho da costa, diferentes rugosidades etc. sobre a circulação de ventos em pequena escala. 1 Mestrado em Ciências Físicas Aplicadas, Universidade Estadual do Ceará. Av. Paranjana, 1700, Fortaleza-CE, CEP Fone: 55(85) FAX: 55(85) paulohsm@gmail.com 2 Departamento de Meteorologia, Fundação Cearense de Meteorologia e Recursos Hídricos. Av. Rui Barbosa, 1246, Fortaleza-CE, CEP Fone: 55(85) FAX: 55(85) alex@funceme.br 3 Departamento de Meteorologia, Fundação Cearense de Meteorologia e Recursos Hídricos. Av. Rui Barbosa, 1246, Fortaleza-CE, CEP Fone: 55(85) FAX: 55(85) sssombra@netscape.net

2 Neste trabalho, uma simulação em alta resolução espacial foi feita com o Regional Atmospheric Modeling System RAMS (Pielke et al., 1992; Cotton et al., 2003) em sua versão 6.0, com o propósito de avaliar preliminarmente, ante observações, a habilidade do modelo em trabalhar como sistema de previsão de ventos para geração de energia eólica. DADOS OBSERVACIONAIS Dois tipos de estações foram usadas na coleta dos dados observacionais, as Torres Anemométricas (TAs) e as Plataformas de Coleta de Dados (PCDs). Nas TAs, a velocidade do vento foi medida em 3 níveis (20m, 40m e 60m acima do solo), a direção em 2 níveis (40m e 60m), e a temperatura em um (13m). As medidas foram realizadas a cada 2s, com registro das médias e desviospadrão a cada 10min (CONSÓRCIO BMC, 2004a, 2004b). Estas medidas estão disponíveis para as localidades de Paracuru e Camocim, no litoral do estado do Ceará. A rede de PCDs da FUNCEME está espalhada em todo o território cearense, sendo distribuída em 4 grupos, a depender da instrumentação instalada. Em todos os tipos, o vento é medido a 10m do solo, a cada 10min com registros de médias aritméticas a cada hora. O MODELO NUMÉRICO Um período de 100 horas, com início a 00:00 GMT de 1º de janeiro de 2005, foi simulado. Foram utilizadas 4 grades, com as grades 3 e 4 aninhadas bidirecionalmente à grade 2 e esta aninhada bidirecionalmente à grade 1 (ver Figura 1). As grades mais finas foram definidas de modo que cada uma contivesse uma TA, e dimensionadas de maneira que cobrissem a maior quantidade viável de PCDs, e também que a menor distância entre uma estação de coleta e a fronteira da grade fosse de 10 pontos (ou seja, 10km). A grade vertical foi projetada para simular a atmosfera com topo a aproximadamente 22,5km, com 32 pontos, espaçamento inicial de 60m, razão de expansão de 1,2893 e espaçamento máximo de 1000m. Um sumário das características das grades é apresentado na Tabela 1. Tabela 1 - Especificações das grades horizontais, onde N x, Δx, C x e L x são, respectivamente, o número de pontos, o espaçamento de grade, a coordenada do centro da grade e a extensão do domínio na direção longitudinal e N y, Δy, C y e L y correspondem respectivamente às mesmas definições, porém na direção meridional. N z, Δz, e h são, respectivamente, o número de pontos verticais, o espaçamento inicial e a altitude da atmosfera modelada. Grade Razão N N x y N z Δ x (km) Δ y (km) Δ z (m) C C x y L x (m) L y (m) h (m) , , , , , , , ,3

3 O modelo foi inicializado a partir dos resultados do modelo global do CPTEC, que contemplam informações a cada 6h e com espaçamento de 1,8. O relaxamento newtoniano nas laterais foi feito gradualmente em 5 pontos, com escala de tempo de 20min, enquanto no centro a escala de tempo adotada foi de 24h. No topo, o relaxamento foi feito a partir dos 17km, com escala de tempo de 12h. No que se refere às parametrizações físicas, foi usado o esquema proposto por Harrington (1997) chamado a cada 20min para estimativa de radiação em ondas curtas e longas, e microfísica no terceiro nível de complexidade (dos 3 disponíveis). A parametrização de convecção foi ligada apenas na Grade 1, onde o esquema de Kuo era chamado uma vez para cada 20min simulados. O esquema de Mellor e Yamada (1974) foi usado nas quatro grades como parametrização de turbulência. Para a interação com o solo, foi usado o submodelo LEAF2 (Walko et al., 2000) com 11 camadas. Figura 1 - Representação das grades aninhadas (G2 a G4), descritas na Tabela 1. Os pontos em vermelho representam as PCDs (1 = Beberibe, 2 = Aquiraz, 3 = Maranguape, 4 = Fortaleza, 5 = Caucaia, 6 = São Gonçalo, 8 = Acaraú, 9 = Granja, 10 = Barroquinha) e os pontos em verde, as TAs (7 = Paracuru, 11 =Camocim). AVALIAÇÃO ESTATÍSTICA O modelo calculou as componentes u e v do vento nos níveis definidos pelas especificações da grade vertical e, por interpolação linear, foram obtidos os valores correspondentes na altitude de cada estação de observação. A partir disso, calculou-se o módulo e a direção da velocidade para comparação. Ainda para as TAs, foi utilizada uma ferramenta de model output correction (MOC) por função-distribuição de probabilidades acumuladas (FDPA), com vistas a eliminar os erros de viés (bias) e intervalo (range), sendo feitas regressões entre as curvas de distribuição usando funções de diferentes ordens (neste trabalho, comparamos b o desempenho de uma FDPA corrigida linearmente com o de uma correção usando polinômio de 4º grau). Tanto para as PCDs quanto para as TAs são feitas comparações diretas entre observações e modelagem da velocidade e direção do vento. Para as TAs, são calculadas propriedades estatísticas: viés, erro quadrático médio, erro quadrático absoluto, erro quadrático absoluto descontado o viés, e correlação das anomalias, conforme descrito por Kim et al. (2001), tanto para a saída direta do modelo quanto para as correções linear e de quarto grau. c d

4 RESULTADOS Os resultados do modelo, em geral, exibem uma concordância qualitativa razoável com as observações, mesmo sem a aplicação de correções estatísticas (com exceção da direção do vento em algumas localidades como Maranguape e Fortaleza). Destaca-se a correta representação dos ciclos diurnos bem definidos em algumas localidades do litoral norte, como Barroquinha e Granja (ambas na Grade 4), onde as observações da velocidade também revelam ciclos diários bem pronunciados. A intensidade e a direção do vento em Granja foram especialmente bem representadas pelo modelo. Para as TAs (Figura 2), são traçados também os gráficos das correções linear e polinomial de 4º grau, além dos resultados da análise estatística. A primeira exibe ciclos diários muito bem definidos tanto na direção quanto na velocidade, que foram representados de forma bastante razoável pelo modelo; a velocidade teve suas taxas de variação muito bem estimadas, com muito boa semelhança dos ventos mais fracos, mas requerendo correção nos ventos mais fortes; a simulação concorda bastante quando a direção se aproxima dos 60, mas os gráficos nos revelam que o modelo demora a perceber a rápida variação que costuma ocorrer por volta das 3GMT até os 120 e outra que se dá aproximadamente às 12GMT retornando à casa dos 60. Em Paracuru o modelo não se saiu tão bem. Na direção até pode-se ver um discreto ciclo diário, que se mostra muito mais intenso na simulação o modelo acerta o momento em que ocorre a variação e até alguns valores geralmente os ângulos menores mas erra ao prever de quanto será a variação, produzindo o efeito supracitado. A velocidade observada não apresenta regularidade nesse período, e o modelo subestimou esta variável do início ao fim da série. Uma concordância aceitável ainda é obtida com as correções, que acertam bastante em trechos do início e do final da série. Direção (grau) Velocidade (m/s) Vento em Camocim Observado Modelado Correção linear Correção 4 o grau Tempo (hora) Direção (grau) Velocidade (m/s) Vento em Paracuru Observado Modelado Correção linear Correção 4 o grau Tempo (hora) Figura 2 Direção (painel superior) e intensidade (painel inferior) do vento observado, modelado, corrigido, com correção linear e de 4º grau nas TAs de (a) Camocim e (b) Paracuru

5 Tabela 2 Avaliação do Viés estatístico (Bias), Erro Absoluto Médio (EAM), Erro Quadrático Médio (EQM), Erro Quadrático Médio descontado o Viés (EQMdV) e Correlação estatística (Corr) dos resultados do modelo e correções em relação aos dados observados nas TAs de Paracuru e Camocim. Viés EAM EQM EQMdV Corr Paracuru Velocidade Modelado -3,19 3,19 12,43 2,25 0,43 Grau 1 0,00 1,08 2,01 2,01 0,43 Grau 4 0,00 0,97 1,60 1,60 0,59 Direção Modelado 11,98 11,98 143,48 201,20 0,59 Grau 1 0,00 7,10 75,75 82,73 0,59 Grau 4 0,70 6,97 76,92 76,43 0,62 Camocim Velocidade Modelado -1,73 2,17 7,09 4,11 0,85 Grau 1 0,00 1,59 3,90 3,90 0,85 Grau 4 0,35 1,64 4,09 3,96 0,87 Direção Modelado -2,20 17,64 545,61 540,78 0,69 Grau 1 0,00 14,76 428,22 428,22 0,69 Grau 4 0,09 13,23 372,51 372,50 0,73 CONCLUSÕES E TRABALHOS FUTUROS De forma geral, o modelo mostrou-se competente ao realizar as tarefas para as quais foi requisitado. Conforme se pode ver na Figura 2, correções estatísticas fornecem uma solução para os períodos que o modelo menos se aproxima da realidade, e a Tabela 2 sugere que maiores graus dos polinômios da correção podem resultar em melhores correlações com dados observados, oferecendo resultados bastante promissores no que tange ao uso aplicado do modelo em um sistema operacional de previsão de ventos para geração de energia eólica. A grande quantidade de informações e parâmetros requeridos para inicialização do modelo pode ser o maior obstáculo para a obtenção de melhores resultados. É certo que ajustes, individuais ou combinados, nas opções de nudging, resolução da grade espacial, esquema de convecção e esquema de turbulência, podem melhorar os resultados. Diferentes configurações do modelo serão testadas e períodos mais longos de simulação serão utilizados para uma melhor calibração do MOC antes de o modelo passar a operar em modo operacional. AGRADECIMENTOS A Wagner Luís Barbosa Melcíades (FUNCEME) e Antônio Carlos Santana dos Santos (UE- CE/FUNCEME) pela colaboração na organização dos dados das simulações e no pósprocessamento e saídas gráficas, respectivamente; à Fundação Cearense de Apoio ao Desenvolvimento Científico e Tecnológico pelo suporte ao primeiro autor. REFERÊNCIAS CONSÓRCIO BMC, 2004a. Relatório Técnico: Projeto Paracuru - Instalação e comissionamento de Torre Anemométrica No [S.L.] CONSÓRCIO BMC, 2004b. Relatório Técnico: Projeto Camocim - Instalação e comissionamento de Torre Anemométrica No [S.L.]

6 Cotton, W.R., Pielke, R.A., Walko, R.L., Liston, G.E., Tremback, C.J., Jiang, H., McAnnelly, R.L., Harrington, J.Y., Nicholls, M.E., Carrio, G.G., McFadden, J.P., RAMS 2001: current status and future directions. Meteorology and Atmospheric Physics 82: Giebel, G., Landberg, L., Kariniotakis, G., Brownsword, R., State-of-the-Art on methods and software tools for short-term prediction of Wind Energy production. European Wind Energy Conference & Exhibition EWEC 2003, Madrid, Spain. Harrington, J.Y., The effects of radiative and microphysical processes on simulated warm and transition season Arctic stratus. PhD Diss., Atmospheric Science Paper No 637, Colorado State University, Department of Atmospheric Science, Fort Collins, CO 80523, 289 pp. Jorgensen, J. U., Moehrlen, C., McKeogh, E., A new generation operational On- and Offshore numerical prediction system. The World Wind Energy Conference and Exhibition 2002, Berlin, Germany. Kim, I. S., Beneti, C. A., Vissoto Junior, D., Climatologia Diária da Temperatura Mínima, Máxima e Chuva Acumulada e Aplicação de MOS. Brazilian Journal of Geophysics 19(2): Lange, M., Focken, U., Heinemann, D., PREVIENTO - Regional wind power prediction with risk control. The World Wind Energy Conference and Exhibition 2002, Berlin, Germany. Mellor, G. L., Yamada, T., A hierarchy of turbulence closure models for planetary boundary layers. Journal of Atmospheric Science 31: Mendes, F. J., Accioly Filho, J. B. P., Sakamoto, M. S., sem data. A rede de plataformas automáticas de coleta de dados da Funceme. Disponível em < Acesso em 12 mai. 2006, 17:00. Pielke, R.A., Cotton, W.R., Walko, R.L., Tremback, C.J., Lyons, W.A., Grasso, L.D., Nicholls, M.E., Moran, M.D., Wesley, D.A., Lee, T.J., Copeland, J.H., A comprehensive meteorological modeling system RAMS. Meteorology and Atmospheric Physics 49: Sánchez, I., Usaola, J., Ravelo, O., Velasco, C., Domínguez, J., Lobo, M. G., SIPREÓLICO - A Wind Power prediction system based on flexible combination of dynamic models. application to the spanish system. The World Wind Energy Conference and Exhibition 2002, Berlin, Germany. Walko, R. L., Band, L. E., Baron, J., Kittel, T. G. F., Lammers, R., Lee, T. J., Ojima, D., Pielke, R. A. Sr, Taylor, C., Tague, C., Tremback, C. J., Vidale, P. J., Coupled atmospherebiophysicshydrology models for environmental modeling. Journal of Applied Meteorology 39: