Estimativa do Potencial Eólico na Região do Campo das Vertentes, MG

Transcrição

1 Universidade Federal de São João Del-Rei MG 26 a 28 de maio de 2010 Associação Brasileira de Métodos Computacionais em Engenharia Estimativa do Potencial Eólico na Região do Campo das Vertentes, MG A.F.G. Silva 1 ; S.A.A.G. Cerqueira 2 ; C.C. Pellegrini 1 ; 1 Departamento de Engenharia Mecânica UFSJ, São João Del-Rei, MG CEP: adaiana1@yahoo.com.br 2 Departamento de Ciências Térmicas e dos Fluidos UFSJ, São João Del-Rei, MG sergio.gama.cerqueira@gmail.com, ccpellegrini@gmail.com Resumo. Este trabalho apresenta os primeiros resultados, relativos ao entorno do município de São João del-rei, de um estudo numérico sobre o pouco conhecido e aproveitado potencial eólico de Minas Gerais. Publicado em 2001, o Atlas do Potencial Eólico do Brasil identifica regiões com elevado potencial no norte do estado, no Triângulo Mineiro e em manchas pelo estado. Para as simulações foi utilizado o modelo de mesoescala MM5, com dois domínios aninhados e centrados no município de Rio Espera (20,85 S 43,47 W), empregando espaçamento das grades menor e maior de 3 e 1 km, respectivamente, e comunicação bidirecional entre os domínios. Foram utilizados 53 níveis verticais (nos dois domínios), com maior concentração na região próxima à superfície. O passo de tempo do maior domínio foi de 10 segundos. O terreno foi representado através dos dados do USGS, com resolução de 0,5. O modelo foi inicializado com dados meteorológicos de análise do modelo global GFS do NCEP, com resolução de 1º e 6 horas, sendo os mesmos dados utilizados como condição de contorno durante a integração. O tempo de simulação foi de 30 horas, mas apenas os resultados das últimas 24 foram utilizados na análise, sendo as primeiras 6 horas consideradas tempo de ajuste do modelo. São apresentados a velocidade média do vento, sua direção e o fluxo de potência eólica à altura de 80 metros. Os resultados obtidos neste estudo indicam diferenças perceptíveis em relação aos disponíveis no Atlas Eólico para a região, que atribuímos à alta resolução (numérica e do terreno) utilizada em nossas simulações. Percebem-se também pequenas diferenças no posicionamento das regiões de alto potencial eólico em relação às mostradas no Atlas. Palavras chaves: simulação de sistemas atmosféricos, energia eólica, potencial eólico

2 1. INTRODUÇÃO Dentre as fontes renováveis não convencionais, a única a apresentar custos que se aproximam aos da geração fóssil é a eólica (Boyle, 2004; Lemming et al., 2009). Não por coincidência, é a nova fonte renovável com maior crescimento em todo o globo, contribuindo com fração apreciável da energia elétrica de países como Dinamarca, Espanha, Portugal e Alemanha. No Brasil, um importante obstáculo à expansão do uso da energia eólica é a precariedade das informações a respeito do potencial eólico, em especial nos populosos estados da região sudeste. Um Atlas do Potencial Eólico do Brasil (Amarante, 2001, daqui em diante referenciado simplesmente como o Atlas) foi elaborado no final dos anos 90, identificando características gerais do potencial nacional. Coerente com a tecnologia mais avançada à época, fixava-se o potencial para a altura de 50 m do eixo. Hoje são de uso corrente turbinas de maior potência, com altura do eixo na faixa de 80 a 120 m, mas também turbinas de pequeno porte, com alturas na faixa de 10 a 30 m. Mapas regionais, refinando os resultados do potencial eólico, foram elaborados mais recentemente para os estados da Bahia, Alagoas, Ceará e Rio Grande do Sul, esses dois últimos, em conjunto com o Rio Grande do Norte, os estados brasileiros com maior geração de energia de fonte eólica. Para o estado de Minas Gerais e sua vizinhança, dados mais recentes ainda não foram publicados. O Atlas identifica um potencial de mais de 29 GW, com 54,9 TWh/ano para a região sudeste como um todo, com regiões com elevado potencial no norte do estado de Minas Gerais, no Triângulo Mineiro e em manchas espalhadas pelo estado. Também são relevantes os potenciais de estados vizinhos, em especial o do litoral dos estados do Espírito Santo e Rio de Janeiro, como mostrado na figura 1. Figura 1. Potencial eólico da região SE, Atlas do Potencial Eólico do Brasil (2001). O método definitivo para avaliar o potencial eólico de uma região é a observação direta. Anemômetros devem ser instalados em torres micrometeorológicas assentadas em locais representativos da região e séries temporais de dados registradas para posterior análise. Este método apresenta diversos problemas, dentre eles as dificuldades na instalação das torres e os elevados custos de manutenção. Atualmente é possível reproduzir de forma confiável a dinâmica atmosférica através de programas de computador escritos especificamente para esse fim, denominados modelos atmosféricos. Tais modelos, entretanto, demandam um alto esforço computacional em sua execução, de forma que apenas há pouco mais de uma década eles só podiam ser implementados em computadores de grande porte. O aumento da capacidade de processamento permite que, atualmente, já se possa, para a simulação de problemas regionais específicos, empregar satisfatoriamente estações de trabalho de pequeno porte. Literalmente todos os países desenvolvidos possuem algum tipo de Atlas eólico criado por

3 simulação numérica. No Brasil, seu uso começa em 1996 com o relatório da CHESF (Bittencourt et al., 1996) para o litoral do Ceará e o do Rio Grande do Norte e é ampliado em 1999 com o estudo realizado pela COPEL para o estado do Paraná. Para o levantamento do potencial eólico via simulação numérica o sistema mais utilizado é a combinação de um modelo atmosférico de meso-escala com um de microescala. Uma combinação bastante conhecida é a KAMM/WAsP (Karlsruhe Atmospheric Mesoscale Model/Wind Atlas Analysis and Application Program, Frank, 2001, Troen, I. and E. L. Petersen, 1989, Mortensen, et al. 1993, Adrian e Fiedler, 1991, Adrian, 1994), muito popular em estudos europeus. Também bastante utilizada é a dupla MASS/WindMap (Mesoscale Atmospheric Simulation System, Brower et al., 2004), utilizada na confecção do Atlas do Potencial Eólico do Brasil (Amarante et al. 2001). Outros modelos de meso-escala muito utilizados são o RAMS (Regional Atmospheric Modelling System), o MM5 (PSU/NCAR Mesoscale Model 5), o ETA (que deve seu nome à coordenada vertical utilizada) e o WRF (World Regional Forecasting Model). Dentre os modelos de micro-escala destaca-se também o MS-Micro. As combinações mencionadas apresentam, contudo, alguns inconvenientes. Em primeiro lugar, tanto o WAsP quanto o WindMap são programas proprietários, de elevado custo. Em segundo, os modelos de micro-escala tendem a possuir uma representação física simplificada dos fenômenos atmosféricos. O WindMap, por exemplo, é um modelo cinemático (segundo a classificação de Petersen et al., 1997), ou seja, apenas garante a conservação da massa. Estes problemas têm levado a comunidade cientifica nacional a buscar alternativas para a simulação do potencial eólico regional e nacional. Uma das possibilidades tem sido o uso de modelos de meso-escala gratuitos, não acoplados a modelos de micro-escala e com a resolução numérica mais alta possível. Dentro deste espírito, o presente trabalho objetiva reavaliar o potencial eólico do estado de Minas Gerais apresentado no Atlas através de simulação numérica, usando o modelo atmosférico de meso escala MM5. 2. MATERIAIS E MÉTODOS Todas as simulações foram executadas utilizando o MM5. O desenvolvimento do MM5 data do início dos anos 70, quando a primeira versão foi escrita na Pennsylvania State University (Dudhia et al. 2003). Desde sua criação, o MM5 tem sido utilizado tanto para estudos teóricos, quanto para a simulação de situações específicas, como ainda para a previsão operacional do tempo em institutos governamentais e privados pelo mundo afora. O MM5 é composto por diversos módulos, escritos em linguagem FORTRAN, acessando rotinas escritas em linguagem C. Ele é um modelo não-hidrostático 1, de área limitada, i.e., exige condições de contorno e iniciais para rodar, sendo portanto necessários dados meteorológicos em superfície e em altitude cobrindo todo o período de integração. O MM5 utiliza coordenada vertical sigma-p para o contorno do terreno, definida por = (P- P t )/(P s -P t ), em que P é a pressão atmosférica local, P s a pressão local na superfície e P t a pressão no topo do domínio de integração. Para as simulações realizadas, o terreno foi representado através dos dados do United States Geological Survey (USGS), com resolução geográfica horizontal de 0,5 (925 m) e precisão vertical na elevação do terreno de no máximo 30 m ( O modelo foi inicializado com dados meteorológicos de reanálise do modelo global GFS (Global Forecast System) do National Centers for Environmental Prediction (NCEP), com resolução geográfica espacial 1 Modelos hidrostáticos desprezam os termos de aceleração e de atrito viscoso do ar na equação da quantidade de movimento na direção vertical. Os modelos mais antigos geralmente são hidrostáticos, enquanto os mais recentes possuem a opção de rodar também no modo não-hidrostático.

4 de 1º (111 km) e temporal de 6 horas, sendo os mesmos dados utilizados como condição de contorno durante a integração. Em meteorologia, dados de análise são o resultado da rodada de um modelo global alimentado com dados observacionais brutos como condição inicial. O modelo global serve para dois propósitos: (i) redistribuir os dados brutos, que na origem são desigualmente distribuídos no espaço, para uma grade geográfica regular; (ii) garantir sua coerência física, uma vez que as equações do modelo foram satisfeitas. Os dados de análise são regularmente gerados por institutos como o NCEP e o CPTEC (Centro de Previsão do Tempo e Estudos Climáticos) para vários dias adiante da data corrente, para abastecer modelos de área limitada. Dados de reanálise são gerados da mesma forma, mas para o breve espaço de tempo igual ao intervalo necessário para que o próximo arquivo de dados observacionais bruto esteja disponível. Para que a simulação do potencial fosse representativa do ano inteiro, o modelo foi rodado para 60 dias extraídos dentre os últimos 10 anos. Os dias foram escolhidos por meio de amostragem estratificada aleatória, mesmo procedimento usado na confecção do Atlas. A limitação de 10 anos deveu-se a ser este o período em que os dados de inicialização encontram-se disponíveis no NCEP. A estratificação foi feita considerando duas estações do ano: a dos ventos e a de poucos ventos, sendo 30 dias selecionados de cada uma. A caracterização das estações foi feita como explicado a seguir. Dados observacionais horários de cidades na região (São João Del Rei, Juiz de Fora e Barbacena) de estudo foram obtidos do Instituto Nacional de Meteorologia (INMET) para os últimos três anos e uma média da velocidade do vento foi calculada para cada mês do ano. Agrupando-se os mesmos meses dos três anos disponíveis, foi gerada uma média mensal do período. Este resultado foi utilizado aqui, por ser toda a informação disponível, mesmo sabendo-se que climatologias confiáveis requerem ao menos 30 anos de dados. Constatou-se a existência de uma estação com ventos mais fortes, entre os meses de agosto e janeiro, e outra com ventos mais fracos, entre os meses de fevereiro e julho. Esta sazonalidade é ilustrada na Fig. 2 para a cidade de Juiz de Fora, sendo que o mesmo comportamento foi observado nas outras duas cidades consideradas. O tempo de simulação de cada rodada foi de 30 horas, mas apenas os resultados das últimas 24 foram utilizados na análise, sendo as primeiras 6 horas consideradas tempo de ajuste do modelo, necessário para permitir que as condições de contorno, relativamente esparsas em relação à grade numérica, pudessem migrar até o centro da grade. Ventos mais fortes Ventos mais fracos Média climatológica Ventos mais fortes 3,5 3,0 2,5 2,0 1,5 1,0 0,5 0,0 janeiro fevereiro março abril maio junho julho agosto setembro outubro novembro dezembro Figura 2. Sazonalidade nos ventos para a cidade de Juiz de Fora. Antes de definir os outros parâmetros necessários à simulação, um primeiro grupo de simulações foi realizado com a finalidade de se verificar a sensibilidade do MM5 ao tamanho dos domínios e à influência da ativação do modelo de solo-superfície Noah LSM

5 (um conjunto de rotinas que detalha o cálculo da interação solo-superfície, mas que possui elevado custo computacional). Ao todo, foram testadas 5 configurações, todas com dois domínios aninhados e centrados no município de Rio Espera (20,85 S 43,47 W): um domínio interno fixo combinado com três domínios externos progressivamente maiores e o LSM ligado ou desligado. A Tab. 1, em que D1 representa o domínio externo e D2 o interno, com seus tamanhos em km, resume os testes. Não foi possível efetuar as rodadas com o maior domínio externo e o LSM ligado, pois o custo computacional tornou-se proibitivo. As rodadas de teste foram iniciadas em um mesmo dia (25/01/2008), em que não havia perturbações atmosféricas detectáveis na escala sinóptica. Em todos os casos foi utilizada comunicação bi-direcional de dados entre os domínios. Tabela 1 Testes de sensibilidade. Caso 1 Caso 2 Caso 3 Caso 4 Caso 5 D1 291x x x x x453 D2 211x x x x x289 LSM Não Não Sim Não Sim Após os testes optou-se por utilizar o menor domínio externo (Fig. 1), para minimizar o custo computacional, pois não se verificaram diferenças qualitativas significantes na velocidade média na área simulada entre os casos testados, ainda que o caso 4 mostrasse uma tendência marcante a velocidades mais altas desde o início da simulação. Quanto ao uso do LSM, ficou claro que sua influência sobre a velocidade local do vento é significativa desde o início das rodadas, ainda que a velocidade média só seja afetada após 15 horas de simulação, e assim o esquema foi adotado. Uma descrição completa dos testes realizados é apresentada em Silva et al. (2009). Nas simulações definitivas, portanto, assim como nos testes de sensibilidade, o espaçamento das grades menor e maior foram de 3x3 e 1x1 km, respectivamente (esta última é a maior resolução permitida pelo MM5), o que representa um aumento em relação à resolução usada no Atlas (3,6 x 3,6 km). O passo de tempo do maior domínio foi de 10 s, conforme exigência da condição de estabilidade de CFL (Courant-Friedrichs-Lewy). Uma alta resolução espacial vertical foi utilizada para melhor representar o escoamento atmosférico na altura acima do solo típica das turbinas eólicas atualmente utilizadas. Utilizaram-se 54 níveis verticais nos dois domínios, com maior concentração na região próxima à superfície. Utilizaram-se, por fim, os seguintes esquemas de cálculo para os diversos fenômenos de escala sub-grade (chamados parametrizações físicas no âmbito dos modelos atmosféricos): para a camada limite planetária, o esquema MRF; para nuvens Cumulus, nenhuma; para radiação, o esquema RRTM de ondas longas; para trocas com a superfície, o esquema de cinco camadas e para a umidade, o esquema de chuva quente. Todos os esquemas são bem conhecidos e documentados na literatura e uma descrição sucinta, bem como os respectivos trabalhos de referência, pode ser encontrada no manual do MM5 (Dudhia et al 2003). 3. RESULTADOS As figuras 3 a 5 mostram as médias sazonais de velocidade, fluxo de potência e direção do vento obtidas na simulação. Verifica-se que as velocidades simuladas para a região são mais altas, em geral, que as mostradas pelo Atlas (Fig. 1), mas deve-se lembrar que nossos cálculos são feitos para a altura de 80 m e não para a de 50 m, como no Atlas.

6 Figura 3. Velocidade média do vento (m/s) a 80 m. Médias sazonais. Esquerda: agosto-janeiro. Direita: fevereiro julho Figura 4. Fluxo de potência eólica (W/m 2 ) a 80 m. Médias sazonais. Esquerda: agosto-janeiro. Direita: fevereiro julho Figura 5. Direção predominante do vento a 80 m. Médias sazonais. Esquerda: agosto-janeiro. Direita: fevereiro julho A figura 6 mostra a média anual de velocidade, o fluxo de potência e a direção do vento obtidos na simulação. 4. DISCUSSÃO De maneira geral, os resultados das nossas simulações de velocidade e fluxo de potencia para ambas as estações mostram-se em bom acordo com o Atlas. É notável nossos maior nível de detalhes, devido seguramente ao aumento de resolução tanto da grade numérica quanto da representação do terreno em relação aos do Atlas, permitindo-nos distinguir regiões com potencias tanto maiores quanto menores do que os ali apresentados.

7 a b c Figura 6. Velocidade em m/s (a), fluxo de potência em W/m 2, (b) e direção predominante do vento (c) a 80 m. Médias anuais. Os resultados confirmam que a região estudada possui bom potencial eólico em diversos pontos, na maior parte das vezes associados a regiões de relevo elevado 2. Esta relação entre relevo e potencial é certamente reconhecida nos resultados do Atlas, mas não fica evidente, pois os detalhes do terreno são apresentados separadamente. Nossos resultados também indicam que a distribuição geográfica do potencial e da velocidade do vento não se altera significativamente entre as estações consideradas. Por outro lado, quantitativamente, a diferença na velocidade do vento é pequena, porém perceptível. Tomando como exemplo os pontos 42,75W; 20,10S e 42,25W; 20,50S, verifica-se que ambos apresentam velocidades maiores na estação agosto-janeiro. A diferença se faz sentir um pouco mais no fluxo de potência, que depende do cubo da velocidade. Outro exemplo é a coloração geral da serra localizada em torno de 43,80W; 21,20S. Estes resultados confirmam a validade (para a região) do regime sazonal de ventos proposto. Com relação à direção predominante dos ventos, também não existem grandes diferenças entre as estações, com predominância para ventos de leste a nordeste, o que está em acordo geral com os resultados apresentados pelo Atlas (Fig. 7), ainda que este apresente alguma tendência a ventos de sudeste. 5. CONCLUSÕES O presente estudo mostrou a viabilidade do uso de modelos computacionais de mesoescala, inteiramente gratuitos, para a prospecção numérica do potencial eólico regional em Minas Gerais. Os resultados obtidos indicam diferenças perceptíveis em 2 Esta aceleração é um efeito bem conhecido na literatura e deve-se à aproximação das linhas de corrente do escoamento ao passar sobre as serras.

8 relação aos resultados disponíveis para a região no Atlas Eólico. Ao que tudo indica, o motivo é a mais alta resolução (numérica e do terreno) utilizada em nossas simulações. Percebem-se também pequenas diferenças no posicionamento das regiões de alto potencial eólico mostradas no Atlas. Fig. 7. Direção predominante do vento na Região SE (média anual) segundo o Atlas Os resultados indicam algumas regiões com alto potencial eólico. Dentre as regiões de serra destaca-se a Serra do Brigadeiro, localizada no extremo norte da Serra da Mantiqueira, entre 20,3 20,6S e 42,4 42,8W, dentro do Parque Estadual da Serra do Brigadeiro, uma região preservada. Outra região de destaque aparece no extremo norte do domínio da Fig. 6b, entre 20,0 20,5S e 43,65 44,0W aproximadamente, mais um trecho da Serra da Mantiqueira, localmente denominado por Serra da Moeda, Serra do Curral, etc. As simulações mostram ainda outras regiões de interesse eólico próximas a Barroso e a São João del-rei. As duas serras mencionadas, porém, chamam atenção para o fato que aspectos sociais e legais precisam ser considerados ao se pensar em investimentos em energia eólica. O potencial do Parque Estadual da Serra do Brigadeiro possivelmente não poderia ser aproveitado. As características sazonais dos ventos sugerem ser mais útil dividir o ano em duas estações eólicas em lugar das quatro tradicionais. Mais estudos são necessários, porém, para se definir se essas duas estações são representativas do regime dos ventos em outras regiões do estado. Agradecimentos À FAPEMIG 6. BIBLIOGRAFIA Adrian G, Fiedler F., 1991, Simulation of unstationary wind and temperature fields over complex terrain and comparison with observations. Beitr. Phys. Atmosph., 64, Adrian, G., 1994, Zur Dynamik des Windfeldes über orographisch gegliedertem Gelände. Ber. Deutscher Wetterdienst, 188:142 pp. Amarante, O. A.C., Brower, M., Zack, J., Sá, A.L., 2001, Atlas do potencial eólico brasileiro, MME/ELETROBRÁS/CEPEL, Brasília, 45 pp. Boyle, G. 2004, Renewable Energy, Oxford Press. Brower, M.; Zack, J. W.; Bailey, B.; Schwartz, M. N.; Elliott, D. L.: 2004: 'Mesoscale Modeling as a Tool for Wind Resource Assessment and Mapping', in 14th Conference on Applied Climatology, American Meteorological Society, Seattle, Washington. Bittencourt, R., Almeida G. E Carpentieri, E. - Potencial Eólico no Litoral do Ceará e Rio Grande do Norte para Geração de Energia Elétrica. DEFA-EO-RT-002/96 rev.1, CHESF, Out

9 Dudhia, J.; Gill, D.; Manning, K.; Wang, W., Bruyere, C., 2003, PSU/NCAR Mesoscale Modeling System Tutorial Class Notes and User s Guide: MM5 Modeling System Version 3, PSU/NCAR, 255 p. Frank, H.P., Rathmann, O., Mortensen, N.G., Landberg, L. The Numerical Wind Atlas - the KAMM/WAsP Method. Relatório Técnico Risø-R-1252(EN), Risø National Laboratory, Technical University of Denmark, 2001, 60 p., ISBN Lemming, J., Morthorst, P. E., Clausen, N.-E., E Jensen, P. H. Contribution to the chapter on wind power in energy technology perspectives 2008, iea. Relatório Técnico Risø- R-1674(EN), Risø National Laboratory for Sustainable Energy, Technical University of Denmark, Mortensen N. G., L. Landberg, I. Troen, and E. L. Petersen, 1993: Getting started. Vol. 1, Wind Analysis and Application Program (WASP), User's Guide, Risø-I-666 (EN), Risoe National Laboratory, Roskilde, Denmark, 30 pp. Petersen, E., Mortensen, N., Landberg, L., Højstrup, J., E Frank, H., 1997, Wind power meteorology. Relat orio T ecnico Risø I 1206(EN), Risø National Laboratory. Silva, A.F.G.; Cerqueira, S.A.A.G., Pellegrini, C.C.: 2009, Estimativas Preliminares do Potencial Eólico na Região do Campo das Vertentes, MG, Ciência e Natura, Vol. Especial. Troen, I., Petersen, E. L., 1989, European wind atlas, Risø Natl. Lab., Roskilde, Denmark. 656 pp. 7. DIREITOS AUTORAIS Os autores são os únicos responsáveis pelo conteúdo do material impresso incluído no seu trabalho.