Metodologia Para Previsão do Potencial Eólico Usando o Software WRF

Transcrição

1 Metodologia Para Previsão do Potencial Eólico Usando o Software WRF Adir Alexandre Bibiano Ferreira/ UFSM Daniel Pinheiro Bernardon Mauricio Sperandio Ana Paula Carboni de Mello Programa de Pós-Graduação em Engenharia Elétrica - PPGEE Santa Maria, Brasil bibianoferreira@yahoo.com.br Abstract A verificação de locais com potenciais eólicos para instalação de torres eólicas vai ao encontro dos objetivos da expansão do sistema de geração de energia a partir de fontes renováveis. A análise de dados de ventos que compõem um histórico do regime é significativa na identificação da capacidade de geração de energia elétrica, assim como, no aerogerador que tem um excelente rendimento. A relação é direta, da velocidade dos ventos com o quantitativo da geração. É neste sentido que este trabalho apresenta uma análise dos ventos a médio prazo a partir da simulação do campo de vento usando o modelo de mesoescala Weather Research and Forescast (WRF), comparando com os valores coletados pelas estações meteorológicas do INMET. Palavras-chaves WRF, INMET, Potencial Eólico. I. INTRODUÇÃO As mudanças climáticas que ocorrem ou venham a acontecer em nosso planeta, são de extrema importância a sua identificação, as quais tendem a servir na prevenção, como também pode influenciar no setor econômico. A geração de energia oriunda das fontes renováveis (hidráulica, solar, eólica) está relacionada diretamente com estas variações. A previsão meteorológica com o passar do tempo tem sido melhorada, ou seja, os valores encontrados nas previsões tem se aproximado dos dados reais. Isto se deve ao avanço dos modelos meteorológicos que através das equações envolvidas conseguem simular valores muito próximos de dados coletados em estações anemométricas. A velocidade do vento pode variar a todo instante, esta variação do fluxo implica no despacho de energia hidrotérmico pelo Operador do Sistema Nacional (ONS). As inserções de novas formas de geração de energia a partir das fontes renováveis como a biomassa, a solar e a eólica já provocam mudanças no cenário de geração devido à Antonio Gledson de Oliveira Goulart/ UNIPAMPA Marcelo Romero de Moraes Programa de Pós-Graduação em Engenharias - PPEng Alegrete, Brasil quantidade de empreendimentos em funcionamento e os que estão em fase de instalação, por isso necessitam adequar-se ao planejamento da operação. O Planejamento dos Sistemas Elétricos consiste em atender aos consumidores, proporcionando o fornecimento de energia elétrica. Para isto, é necessário o agente realizar a previsão de carga para diferentes cenários, onde o crescimento da demanda implica em expandir a rede elétrica, a partir de construções de novas linhas, de subestações ou ampliações [1]. Atendendo ao módulo 2 dos Procedimentos de Distribuição de Energia Elétrica no Sistema Elétrico Nacional (PRODIST) que defini os critérios necessário para o estudo da previsão de demanda [2]. Os fatores como: o potencial elétrico, o custo de implementação e operação, os indicadores técnicos de qualidade de energia, de confiabilidade e os aspectos econômicos são dados decisivos na tomada de decisão na escolha por alocar a central num ponto essencial ao fornecimento de energia. Este artigo apresenta uma metodologia para avaliar os dados meteorológicos simulados com o modelo prognóstico de mesoescala WRF (Weather Research and Forescast) com os dados anemométricos coletados pela estação automática do INMET (Instituto Nacional de Meteorologia), localizada no interior do município de Alegrete - RS, nas coordenadas geográficas latitude: -29,7116º e longitude: -55,5261º. II. MODELOS METEOROLOGICOS Os modelos meteorológicos abordam diversas técnicas para a previsão de vento, buscando amenizar as incertezas, o que implica tornar-se estável e confiante na sua aplicação. Os avanços na previsão eólica são necessários para diminuir erros na simulação, o que possibilita uma melhora no sistema de planejamento, operação e o quantitativo de energia gerada [3]. Os modelos meteorológicos são embasados nos métodos de previsão em uma das seguintes formas: Método de

2 Persistência; Abordagens Físicas; Abordagens Estatísticas e de Abordagem Hibrida [3], [4], [5]. A aplicação dos métodos de persistência, físico, estatístico e híbrido tem dado origem ao desenvolvimento de softwares de previsão de vento. São apresentado alguns softwares desenvolvido internacionalmente baseado no método físico (Prediktor, SOWIE), no método estatístico (WPPT, Sipreólico, WPMS, GH Forecaster, Aleasoft at UPC Spain) e no método híbrido (Zephyr, Previento, ewind TM, WEPROG, LocalPred & RegioPred, Scirocco) [3]. É possível realizar a combinação de modelos de mesoescala que fornecem dados iniciais do vento para outros modelos diagnósticos para predizer o campo de vento. Alguns modelos que realizam a interface têm sido utilizados: ForeWind, MM5, WRF, COAMPS, wokstation-eta e OMEGA [6]. A determinação do potencial eólico depende do estudo por um determinado período dos dados meteorológicos de uma região, construindo assim um histórico de dados. A partir de programas que permitam exibir um diagnóstico do campo de vento local instantâneo é possível estimar a geração de energia eólica. Dados meteorológicos de fonte segura e a computação em evolução proporcionam a construção de modelos para a previsão e monitoramento. Os modelos utilizam a velocidade do vento como entrada para predizer a potência do parque eólico [7]. A busca por solucionar os problemas encontrados no sistema elétrico, tanto na geração como na distribuição, é fundamental que exista a previsão do potencial eólico confiável, permitindo a inserção da geração distribuída em locais estratégicos da rede de distribuição que venha a melhorar a qualidade no fornecimento de energia, provocando um equilíbrio entre as cargas no sistema. A. WRF O Weather Research Forecast (WRF) é um modelo prognóstico de mesoescala desenvolvido pela National Center for Atmospheric Research (NCAR). As informações utilizadas para as simulações estão armazenadas num banco de dados meteorológicos. É uma ferramenta utilizada para simulações atmosféricas, simples e eficaz de domínio público e distribuído gratuitamente. Sua operação pode ser de pequenas máquinas portáteis a grandes máquinas chamadas de clusters. O WRF possui uma resolução de 1 a 10 km destinados a previsão do tempo operacional, a previsão do clima regional, qualidade do ar, simulação e estudos dinâmicos num campo horizontal do vento, em área extensa e assim observar quais são as zonas com maior recurso eólico [8], [9]. O código escrito usa soluções Eulerianas para equações compressíveis e não hidrostáticas. Quando conservativa para variáveis e escalares e as suas coordenadas verticais de pressão hidrostática seguem o terreno, onde o topo do modelo e representado por uma superfície de pressão constante. As variáveis de prognóstico são a massa da coluna de ar seco, velocidades (U, V e W), temperatura potencial e altura do geopotencial. As variáveis não conservativas, tais como temperatura, pressão e densidade, são diagnosticadas a partir das variáveis de prognóstico [9]. O modelo realiza algumas etapas para gerar o campo de vento conforme FIGURA 1 [10]. A etapa do WPS reúne as informações de terreno o pacote de dados meteorológicos, onde no metgrid.exe ocorre à interpolação das informações de domínio no campo horizontal. Com o arquivo extraído do WPS na etapa do WRF ARW ocorre a interpolação vertical dos dados no modelo e a previsão do campo de vento [10]. III. FIGURA 1. Etapas do WRF FONTE: WRF DADOS METEROLÓGICOS Os dados meteorológicos coletados por torres anemométricas nas regiões de estudo são fundamentais para que exista uma comparação entre dados simulados com dados reais, com o intuito de verificar e corrigir prováveis erros nos mapas de vento. As estações automáticas do INMET instaladas pelo país realizam as medições armazenando os dados em data logger, com vários sensores meteorológicos, com os valores observados a cada hora. É coletado pelas estações meteorológicas dados da temperatura, precipitação, ponto de orvalho, pressão atmosférica, radiação, velocidade do vento e direção. São disponibilizadas online hora a hora na página do INMET. IV. METODOLOGIA Este artigo busca realizar a comparação dos dados simulados com os coletados. A identificação dos principais pontos de geração será feita por mapa de ventos. É com base na análise do Atlas Eólico do Rio Grande do Sul, que indicam

3 quais são os pontos com a maior capacidade de geração de energia elétrica. A Figura 2 mostra a velocidade do vento médio a 100m anual para o Estado, o que varia a cada estação do ano, mais um ponto que merece ser analisado. Nos pontos definidos para a simulação computacional, serão verificados os dados meteorológicos com o auxílio do software WRF, onde cada ponto possui a sua coordenada geográfica de latitude e longitude com uma grade de resolução definida de 1 km x 1 km. A previsão do comportamento da velocidade do vento a ser considerada é anual, com intervalo horário. As curvas de previsão serão tratadas de modo a se ter curvas típicas de vento e, consequentemente, de geração eólica, as quais serão usadas em estudos elétricos verificando o impacto da geração nos sistemas elétricos. A definição de um perfil de geração eólica com base nas previsões de vento torna-se um dos objetivos deste artigo. Outro objetivo é procurar potenciais eólicos próximos à rede de transmissão de energia elétrica para a instalação de aerogeradores que possam gerar energia e liberar na malha. realizar a extrapolação da velocidade para a mesma altura da simulação com o WRF, usando a equação 1 da lei logarítmica [12]. v( h) ln( h / z ) = 0 vref ln( href / z0) (1) Onde, h : altura de referência da medida da velocidade, ref v ref : velocidade nesta altura de referência; z 0 : Comprimento de rugosidade. O comprimento de rugosidade foi ajustado para 0,4 devido à existência no local de coleta dos dados (torre) existirem construções e árvores o que influenciam na velocidade do vento, conforme FIGURA 3 [13]. FIGURA 3. Classe e Comprimento de Rugosidade Fonte: Atlas Eólico Europeu [13]. Figura 2. Atlas Eólico a 100m Fonte: Atlas Eólico do RS Esta previsão se fortalece no sentido dos seus resultados, a velocidade do vento, que passam a ser horária, permitindo uma melhor eficiência na previsão da geração de energia elétrica [11]. Os dados obtidos com a simulação no WRF serão comparados com os dados coletados pelas estações como forma de validação, para obter a equação para o potencial eólico que permite verificar a quantidade possível de gerar energia elétrica. Quanto às estações automáticas do INMET, está instalado a uma altura de 3m, o que será necessário A equação 2 determina a potência elétrica fornecida por aerogerador eólico instalado. 1 P C A v 2 Onde: P Potência Elétrica em W; ρ densidade do ar em kg/m 3 ; A área das pás do aerogerador em m 2 ; v velocidade do vento em m/s; 3 t = p. ρ.. (2)

4 C p coeficiente de potência do conjunto turbinagerador; e a potência elétrica com os dados do INMET (linha vermelha) conforme FIGURA 4. O valor do coeficiente de potência variável de acordo com a velocidade do vento e da turbina instalada, o máximo teórico que uma turbina eólica pode atingir é 0,593 [14]. Tomando como exemplo a turbina E-82 da Enercon com pás de 82 m de diâmetro e usando os seguintes valores para a massa específica do ar de 1,225 kg/m 3, área da pá de 5.281m 2 e os valores da velocidade aplicado a equação 2 tem-se os valores da Tabela I, que apresenta os resultados da simulação do campo de vento com WRF, dados coletados e a potência eólica das 0h até 23h. TABELA I. Comparação entre Dados gerados no WRF e Coletados Comparação entre Dados Simulados e Dados Coletados Velocida Potência Potência Velocidade hora de INMET Simulada Cp INMET WRF (m/s) (m/s) (kwh) (kwh) 0 6,5 6,1 4405,6 0, ,3 1 6,5 6,4 4405,6 0, ,4 2 7,0 7,7 5741,7 0, ,3 3 7,3 7,0 6512,1 0, ,7 4 6,3 6,2 4011,3 0, ,3 5 6,9 7,3 5270,0 0, ,7 6 7,2 7,3 6248,1 0, ,1 7 7,2 7,3 6248,1 0, ,1 8 6,7 5,6 4824,9 0, ,3 9 5,7 7,5 2777,2 0, ,5 10 5,5 6,2 2495,0 0, ,0 11 5,6 6,1 2633,5 0, ,8 12 6,1 6,7 3641,3 0, ,9 13 7,2 6,8 6248,1 0, ,5 14 7,3 7,3 6512,1 0, ,1 15 7,1 6,7 5991,3 0, ,7 16 6,8 5,6 5044,2 0, ,3 17 6,8 5,4 5044,2 0, ,1 18 6,5 6,7 4405,6 0, ,9 19 6,1 8,1 3641,3 0, ,5 20 5,7 6,5 2777,2 0, ,3 21 3,7 4,2 512,3 0,29 749,3 22 2,9 2,1 246,7 0,29 93,7 23 2,8 2,1 222,0 0,29 93,7 V. ANÁLISE E DISCUSSÃO DOS RESULTADOS A comparação dos dados de ventos simulados no WRF obteve-se a potência elétrica simulada (linha azul) Figura 4. Comparação da Potencia Elétrica com dados do WRF e INMET Verifica-se que a simulação computacional aproximou-se dos valores coletado pelos anemômetros. O WRF usa um banco de dados, o que permite analisar o histórico e prever a velocidade do vento para o local determinado pelas coordenadas geográficas informado. O coeficiente de potência (Cp) da turbina varia com a velocidade do vento e modelo. A instalação de uma turbina esta condicionada ao potencial eólico do local para extrair o máximo rendimento. VI. CONSIDERAÇÕES FINAIS Devido aos avanços da tecnologia, os computadores estão cada vez mais rápidos e confiáveis, pois conseguem realizar varias simulações e combinações em um banco de dados, extraindo dados relativamente coerentes. Analisando a Tabela I os valores da velocidade simulada assemelharam-se aos dados reais. A determinação do potencial eólico próximo às redes de transmissão permite identificar pontos para a instalação da geração distribuída, gerando energia para a complementação e balanço energético do sistema. Os valores determinados para a potência elétrica horária simulada é para um aerogerador, a quantidade a ser instalada depende de estudo e da quantidade de energia necessária.

5 AGRADECIMENTOS A Coordenação de Aperfeiçoamento de Pessoal de Nível Superior CAPES. Ao Instituto Nacional de Meteorologia INMET, pela disponibilização dos dados. A Universidade Federal de Santa Maria - UFSM e a Universidade Federal do Pampa Unipampa, pelo apoio técnico e financeiro. REFERENCIAS BIBLIOGRÁFICAS [1] Sousa, J; Flores, M. J. R.; Mantovani, J. R. S. Planejamento de Sistemas de Distribuição de Energia Elétrica através de um Modelo de Otimização Clássica. XIII SBPO, Disponível em: [2] Agência Nacional de Energia Elétrica ANEEL. PRODIST Módulo 2 do Planejamento da Expansão do Sistema de Distribuição. Disponível em: [3] A. M. Foley, P.G. Leahy, E.J. McKeogh. Wind Power Forecasting & Prediction Methods. 9th International Conference on Environment and Electrical Engineering, Prague, Republica Czech, mai, [4] Yuan-Kang Wu, Jing-Shan Hong. A literature review of wind forecasting technology in the world. Power Tech, IEEE Lausanne, jul, [5] Saurabh S. Soman, Hamidreza Zareipour, Om Malik, Paras Mandal. Review of Wind Power and Wind Speed Forecasting Methods With Different Time Horizonts. North American Power Symposium (NAPS), set, [6] G. Kariniotakis, P. Pinson, N. Siebert, G. Giebel, R. Barthelmie (2004). State of the art in short-term prediction of wind power From an offshore perspective. Ocean Energy Conference: Offshore Wind Energy, Marine Currents and Waves, Brest, France. SeaTechWeek [7] A. Kusiak, H. Zheng, Z. Song. Models for monitoring wind farm power. International Journal of Elect. Power and Energy Syst., vol 34, Issue 3, Mar 2009, pp [8] J. Michalakes, S. Chen, J. Dudhia, L. Hart, J. Klemp, J. Middlecoff, W. Skamarock. Development of a Next-generation Regional Weather Research and Forecast Model. In Developments in Teracomputing: Proceedings of the Ninth ECMWF Workshop on the Use of High Performance Computing in Meteorology. World Scientific, Singapore. pp [9] D. J. S. Carvalho. Optimização do modelo numérico de previsão de tempo WRF no contexto de previsão e produção de energia eólica. Dissertação de Mestrado à Universidade de Aveiro, 2009 [10] Tutorial Online WRF ARW. Disponível em: [11] Muhammad, Khalid; Savkin, Andrey V. A Method for Short-Term Wind Power Prediction With Multiple Observation Points. IEEE Transactions On Power Systems, vol. 27, nº 2, May [12] Camelo, Henrique N.; Maria, Paulo H. S.;Carvalho, Paulo C. M.; Pereira,Thiago B. Métodos de Extrapolação de Velocidade do Vento para Regiões Litorâneas do Nordeste Brasileiro. Congresso Brasileiro de Meteorologia Disponível em: [13] A. P. Leite. Modelagem de Fazendas Eólicas para Estudos de Confiabilidade. Dissertação de mestrado COPPE. Abr RJ. [14] A. Dalmaz, "Estudo do Potencial Eólico e Previsão de Ventos para Geração de Eletricidade em Santa Catarina" Dissertação de Mestrado. Programa de Pós-Graduação de Engenharia Mecânica da Universidade Federal de Santa Catarina, 2007.