Influência de Fenômenos Climáticos no Desempenho de dois Parques Eólicos

Transcrição

1 Influência de Fenômenos Climáticos no Desempenho de dois Parques Eólicos Reinaldo Haas, Yoshiaki Sakagami, Lucas Cervenka Sauthier, Pedro Alvim de Azevedo Santos, Frederico de Freitas Taves, Júlio César Passos, Mônica Nassar Machuca, Bruno Jeremias Cardoso e Jonas Perosa Resumo Este trabalho apresenta resultados preliminares do projeto, cujo objetivo é o desenvolvimento de um software para previsão de geração eólica no curto prazo. Analisa-se a influência de fenômenos meteorológicos de grande e mesoescala no desempenho e previsão dos Parques Eólicos da Tractebel Energia, localizados no Nordeste Brasileiro. Os primeiros resultados simulados do modelo atmosférico ARPS apontaram que, em períodos de La Niña, os parques eólicos sofrem reduções significativas em suas produções de energia. Tais resultados são correlacionados com dados medidos nos parques, os quais evidenciam, para o período de 2009, uma queda maior na produção, ocorrida pelo deslocamento da Zona de Convergência Intertropical ao sul, com um RMSE de 2,4m/s e σ=1,9. Uma comparação do modelo com os dados de geração foi realizada com software WAsP. Por fim, discute-se a metodologia a ser aplicada e suas melhorias, envolvendo modelos mesoescala aliados com ferramentas estatísticas para construção do modelo de previsão. 1 Palavras-chave Energia Eólica, Fenômenos climáticos, Modelos Atmosféricos, Previsão de Geração Elétrica. I. INTRODUÇÃO O Nordeste brasileiro é a região com o maior potencial eólico e, consequentemente, com a maior capacidade instalada no país [1], [2]. O principal incentivo neste segmento surgiu em 2003, com o programa PROINFA, do governo federal, o qual impulsionava a instalação de usinas eólicas. Entretanto, alguns parques deste programa foram projetados com medições de ventos ocorridas em anos de predomínio do fenômeno El Niño, projetando-se um fator de capacidade acima da média, uma vez que o El Niño está associado a ventos mais intensos na região [3]. A Zona de Convergência Intertropical (ZCIT) é a região onde os ventos Alísios se encontram ao longo do globo, oriundos dos hemisférios norte e sul, caracterizando uma faixa de baixa pressão, grandes precipitações volumétricas (consequência das massas de ar ascendentes) e ventos 1 Este trabalho foi desenvolvido no âmbito do Programa de Pesquisa e Desenvolvimento Tecnológico do Setor de Energia Elétrica regulado pela ANEEL e consta dos Anais do VII Congresso de Inovação Tecnológica em Energia Elétrica(VII CITENEL), realizado na cidade do Rio de Janeiro/RJ, no período de 05 a 07 de agosto de Este trabalho é realizado pelo Laboratório de Engenharia de Processos de Conversão e Tecnologia de Energia (LEPTEN) da Universidade Federal de Santa Catarina (UFSC) com apoio da Tractebel Energia S.A. R. Haas et. al. atuam no LEPTEN/UFSC (reinaldohaas@gmail.com). F. F. Taves trabalha na Tractebel Energia S.A. (fredericoft@tble.com.br). predominantes de pouca intensidade, ou seja, uma região de calmaria. Os episódios de Oscilação Sul-El Niño OSEN modulam a intensidade e a posição da ZCIT. A fase fria da OSEN, La Niña, está então associada ao deslocamento da ZCIT para latitudes mais ao sul, ou seja, ventos enfraquecidos no Nordeste Brasileiro [3]. No caso do Nordeste Brasileiro deve se considerar a atuação do dipolo do Atlântico [4]. O Dipolo do Atlântico é o fenômeno oceano/atmosférico que inibe ou aumenta a formação de nuvens, diminuindo ou aumentando os índices pluviométricos e os ventos no Leste da Amazônia/Litoral Norte Brasileiro. A associação destes fenômenos pode ser potencialmente devastadora para a produção de energia eólica. Um exemplo disto ocorreu entre meses de maio a setembro de 2009, quando a geração verificada foi demasiadamente baixa para esta época do ano. Tal episódio evidencia a pertinência do uso de modelos meteorológicos na previsão de geração eólica, especialmente em situações de criticidade conjuntural para o Setor Elétrico Brasileiro. Este trabalho tem como objetivo demonstrar a influência da OSEN e do dipolo do Atlânticos sobre a intensidade dos ventos sobre o Nordeste do Brasil. Para isto será usados dados de vento provenientes de uma regionalização do ventos (downscaling) obtida pelo modelo atmosférico ARPS, com base nos dados de Reanálise do NCEP [5], [6]. A partir desses dados, torna-se possível verificar a influência do fenômeno climatológico supracitado no desempenho de dois Parques Eólicos. Para validar os dados do downscaling foram a correlação, média, desvio padrão e erro quadrático médio rms e fator de forma e escala da distribuição de Weibull, das séries histórica de dados do modelo ARPS com as medições de vento do Parque Eólico da Tractebel Energia UEBB, em Beberibe/CE. Estas comparações estatísticas permitem montar uma esquema de correção dos dados de modelos ou MOS- Model Output Statistic que pode permitir o uso do downscaling para entender as variações climáticas do vento no Nordeste. Utilizou-se, também, o software WAsP 10 a fim de comparar os resultados da simulação com a geração dos dois parques. Tais correlações poderão evidenciar a influencia desses fenômenos climáticos no desempenho real dos dois parques eólicos, caracterizando um estudo de caso para o período entre 2009 e A metodologia de cálculo e novas ferramentas a serem utilizadas para criação de um software de previsão de geração serão discutidas. O objetivo final do projeto é a aplicação deste software, tendo como base o modelo testado, para aplicações em todas as etapas do planejamento,

2 desenvolvimento e operação de Parques Eólicos, com larga possibilidade de utilização pelas empresas do setor elétrico. O presente trabalho foi realizado dentro do contexto do projeto PD /2011, 0020/2011, intitulado Desenvolvimento de tecnologias de previsão de geração de energia elétrica para parques eólicos em operação. Este projeto teve seu início em dezembro de 2011, com duração prevista de 3 anos, e está em execução ecução pelo LEPTEN/UFSC com apoio financeiro da Tractebel Energia S.A. II. DESENVOLVIMENTO DA PESQUISA A. Revisão Bibliográfica Os ventos Alísios são as correntes de ar inferiores das Células de Hadley norte e sul, localizadas entre os trópicos e o equador. A existência destas denominadas células atmosféricas ocorre pelo fato de o equador terrestre receber maiores quantidades de radiação solar do que os paralelos de 30º. No hemisfério norte os ventos Alísios sopram predominantemente de nordeste, enquanto que no Hemisfério Sul sopra de S udeste. A região em que estes ventos se dirigem é denominada de Zona de Convergência Intertropical-ZCIT ZCIT,, caracterizada por um posicionamento ao longo do equador terrestre. Normalmente a ZCIT possui baixa pressão atmosférica e grandes massas de ar ascendentes, as quais geram chuvas abundantes e possuem ventos fracos.. A ZCIT pode ser classificada também como o ramo ascendente da Célula de Hadley. O posicionamento predominante da ZCIT é próximo ao norte do equador, porém é irregular e variável, chegando a apresentar duas faixas simultâneas, dependendo das condições, principalmente influenciadas pelo ciclo de temperatura das águas do Oceano Pacífico. A assimetria do posicionamento ainda é um mecanismo não totalmente conhecido, mas sabe-se se que está relacionado com a geometria irregular dos continentes, a estação do ano e os fenômenos El Niño La Niña [3]. A figura 1 apresenta um esquema do posicionamento médio da ZCIT para dois períodos distintos do ano, dos quais em janeiro está a ZCIT mais propensa a sobrepor o Brasil, incluindo a costa do Nordeste. como a composição de fatores oceânicos e atmosféricos que ocorrem principalmente ao leste do Pacífico, como a variação da Temperatura da Superfície do Mar (TSM), pressão atmosférica e dos padrões de vento. O Dipolo do Atlântico é o fenômeno oceano/atmosférico que inibe ou aumenta a formação de nuvens,, diminuindo ou aumentando os índices pluviométricos e o vento no Litoral Norte/Nordeste Brasileiro [4]. Esse fenômeno é observado como uma mudança anômala na TSM,, ou seja, quando as águas do Atlântico Tropical Norte estão mais quentes e as águas do Atlântico Equatorial e Tropical Sul estão mais frias.. Há uma chamada fase positiva p do Dipolo, com ventos mais intensos e menos chuva, e uma fase negativa do Dipolo, que se manifesta com ventos fracos e chuvas mais abundantes [7]. O Dipolo do Atlântico e fenômenos El Niño-La Niña podem agir conjuntamente para influenciarem na posição e intensidade da ZCIT. Deste modo, associações da fase negativas do Dipolo com El Niño tendem a reforçar os ventos, enquanto associações da fase positiva do Dipolo com La Niña tendem a enfraquecê-los. O índice MEI (Multivariate ENSO Index), apresentado na figura 2 para a série de janeiro 1979 a dezembro de 2012, é a quantificação da variação entre períodos de El Niños e La Niñas, e que considera na sua composição as seguintes variáveis: pressão ao nível do mar, as componentes zonal e meridional do vento em superfície, TSM,, a temperatura do ar em superfície e um indicador de nebulosidade. Figura 2.. Índice MEI de quantificação da OSEN para o período 1979/2012. O MEI é um parâmetro adequado para se avaliar a influência das condições proporcionadas por El Niños e La Niñas. As figuras 3a e 3b demonstram as médias dos menores ventos registrados em anos típicos de El Niño e La Niña. Figura 1. Direções predominantes dos ventos de superfície e o posicionamento da ZCIT para verão (Janeiro) e inverno (Julho) austrais; Modificado de [6]. Já a Oscilação Sul-El Niño- OSEN é um padrão climático quasi-periódico que ocorre no Oceano Pacífico. É entendida

3 Figura 3a Média de ventos mínimos em 1983 (El Niño). Figura 4. Terreno do modelo ARPS e localização das UEEs Pedra do Sal ( ) e Beberibe (). Figura 3b Média de ventos mínimos em 2009 (La Niña). Com o devido entendimento das características do clima na grande escala, bem como seus possíveis impactos no nordeste brasileiro, pretende-se realizar um estudo de caso desta influência climática para os dois parques eólicos em operação da Tractebel Energia. A empresa possui atualmente dois parques em operação, ambos localizados no nordeste brasileiro. B. Estudo de Caso A usina eólica Beberibe, localizada no município de Beberibe Ceará, possui 32 aerogeradores de 800kW, instalados a 75 metros de altura, totalizando 25,6MW de capacidade instalada. O início de operação comercial ocorreu em 11 de setembro de A usina de energia eólica Pedra do Sal, localizada em Parnaíba Piauí, tem capacidade instalada de 18MW, constituída por 20 AGs de 900kW a uma altura de 55 metros. Esta usina teve seu início de operação comercial em 30 de dezembro de Assim, esta usina será usada para validar os resultados do modelo ARPS. Estes parques estão localizados no litoral (Figura 4), sendo assim grandemente influenciados pelos fenômenos meteorológicos atuantes próximo ao equador, como a variação da ZCIT. As médias de ventos anuais nas localidades estudadas são de 8,5m/s e 9,2m/s, estimadas para altura dos aerogeradores de Beberibe e Pedra do Sal, respectivamente. Entretanto, nos anos de La Niña, tais médias são reduzidas, como demostram as Figuras 3a e 3b. Em 2009 há uma clara distinção que a média anual de ventos mais fracos registrados nos dados de Reanalysis II foi abaixo de um ano considerado de predominância do El Niño (1983). A Figura 3a denota ainda que a faixa mais escura, de valores menores, é a própria ZCIT deslocada para o NEB, posicionando-se assim sobre os vários parques eólicos da região ao longo do ano. O Nordeste possui atualmente 80 usinas eólicas, no total de 1,8GW de potência instalada, aproximadamente [22]. As usinas eólicas do país atingem atualmente cerca de 2,5GW de potência instalada, distribuídas em 108 parques, representando aproximadamente 2% da capacidade instalada nacional. Estes outros parques do NEB, em maioria instalados no litoral, estão, de uma forma geral, aquém de seu potencial de geração calculado em projeto [9]. C. Materiais e Métodos Neste trabalho são utilizados dados de vento provenientes da chamada Reanálise II do National Center for Environmental Predictions NCEP e Departament of Energy DOE [10], dados de ventos provenientes de uma regionalização dos dados da Reanálise II, efetuados com o modelo ARPS Advanced Regional Prediction System [6], dados observados de vento (anemômetro de copo) e de geração de energia obtidos dos aerogeradores dos parques eólicos de Beberibe-CE e Pedra do Sal-PI. O ARPS é um modelo de Previsão Numérica de Tempo - PNT regional que vem sendo desenvolvido pela Universidade de Oklahoma desde Ele é um dos modelos mais modernos existentes no mundo. É indicado para a simulação de problemas de microescala (10 m a 01 km), problemas da escala meso-β e meso-χ (como previsões de tempestades e tornados) e de fenômenos da escala meso-

4 α (como frentes frias e vórtices) [5]. Ou seja, o modelo é capaz de recriar realisticamente todos os fenômenos que afetam o vento de uma determinada região. Para obter o downscaling, o modelo ARPS foi adaptado para utilizar uma base fisiográfica de tipos de vegetação, índice de vegetação, solos e relevos para o Nordeste do Brasil com 30x30 segundos de resolução espacial. O ARPS foi configurado com dois alinhamentos com base nas Reanálise II do NCEP-DOE com uma resolução horizontal de 12km, a qual cobre toda a região do NEB. Na grade vertical são usados 23 níveis verticais. O espaçamento variável da grade vertical usado é baseado numa função hiperbólica, onde o espaçamento varia de 10 metros na superfície até 500 metros na metade da altura atmosférica representada. O modelo é processado para 27 horas de previsão em ambas as grades. Para todas as grades foram usadas as parametrizações físicas determinadas por [6]. Na grade A (figira 4) é usada as condições iniciais da Reanálise II do NCEP-DOE [10]. Neste caso, a renovação das fronteiras é feita a cada 6 horas com base com um amortecimento de 7 pontos. Para validar o modelo ARPS foi gerada uma climatologia num período de 1998 a Os dados de ventos foram gerados, para 10 metros de altura, foram salvos em saídas a cada 10 minutos. D. Dados de Reanálise II Os dados de Reanálise II foram obtidos do National Centers for Environmental Prediction (NCEP), que mantém uma base climática desde 1979 até a atualidade. Esses dados são resultado de uma extensa análise das variáveis meteorológicas obtidas de sistemas de medições, tais como: estações meteorológicas de superfícies, radiossondas, navios, aviões, satélites, radares etc. Essas medições são realizadas no mundo todo e representam a melhor cobertura de informações meteorológicas na Terra. A vantagem do uso desses dados é o controle de qualidade e o sistema de assimilação por que passam, a fim de manter os mesmos critérios de análises. No formato padrão, a Reanálise está estruturada por uma grade regular de 2,5 de longitude e 2,5 de latitude (210km x 210km) e cobre todo o globo terrestre com 144x73 pontos de grade. As variáveis simuladas são consideradas valores instantâneos e estão nos intervalos das 0h, 6h, 12h, 18h e 21h GMT [6]. E. Regionalização dos dados (downscaling) No estudo de projetos de geração de energia eólica, uma resolução temporal mínima de intervalos de dez minutos e uma resolução espacial da ordem de 10km, que é o tamanho típico de um parque eólico, é desejável. Deste modo, uma vez obtidos os dados de reanálise do NCEP, é realizada uma regionalização, com uma resolução espacial de 12km x 12km e temporal de 10 em 10 minutos para ventos no NEB. Essa técnica [12] é realizada pelo modelo atmosférico Advanced Regional Prediction System (ARPS) [12]. Tais dados regionalizados tem se mostrado satisfatórios para estudos climáticos quando comparados pontualmente com série histórica de dados observados de estações meteorológicas localizadas em aeroportos [13]. F. WAsP A fim de realizar uma correlação dos dados simulados pelo ARPS com a geração dos parques eólicos, utilizou-se o software WAsP 10, com licença adquirida pela FEESC/UFSC com recursos do presente projeto. Este software realiza uma estimativa do potencial eólico de determinado local, a partir de extrapolação horizontal e vertical com dados anemométricos e características topográficas do domínio especificado [14]. Ao construir o layout do parque eólico estudado e receber a série histórica dos dados anemométricos, o WAsP é capaz de determinar a Produção Anual de Energia (PAE) detalhada para cada aero gerador, com aplicação de modelos para extrapolação vertical e cálculos de perdas aerodinâmicas (efeito de esteira). O procedimento de simulação necessita basicamente de três tipos de entradas: informações relacionadas ao terreno, dados anemométricos e informações sobre o parque eólico. Nas informações relativas ao terreno estão contemplados dados de topografia e rugosidade de terreno, bem como considerações acerca do micrositing (obstáculos presentes). Os dados anemométricos devem conter uma série histórica com no mínimo um ano, a fim de captar a sazonalidade do vento. Por fim, faz-se necessário representar o layout do parque eólico estudado e inserir as curvas de desempenho dos aero geradores [15]. O WasP Map Editor foi utilizado para construção do mapa do domínio de 15x15km, que delimita as fronteiras do problema e contém o terreno do parque eólico. Os parâmetros de rugosidade de terreno (z 0 ) foram estabelecidos com base na literatura [16]. O WAsP Turbine Editor, por sua vez, é responsável por compilar as especificações técnicas dos aero geradores [21] curva de potência e Ct a fim de estimar a geração de cada equipamento e, consequentemente, do parque. Vale ressaltar o caráter preliminar de tais simulações, visto que o WAsP considera um modelo linear na extrapolação espacial, com simplificações para gradientes de temperatura e estabilidade da Camada Limite Atmosférica [11]. Para reduzir uma componente do erro decorrente da extrapolação vertical, serão inseridos os dados de vento já na altura do aero gerador de cada parque, considerando-se diferentes perfis de velocidade. Tal procedimento geralmente apresenta melhores resultados [14]. G. Dados de Geração Como forma a se validar as futuras simulações de previsão, a análise dos dados dos próprios aero geradores destes parques é imprescindível. Portanto, os dados de potência instantânea, velocidade do vento na altura da nacele e geração foram compilados, apresentados nas Tabelas 1 e 2. Os dados são fornecidos pela empresa em planilhas mensais, cada qual contendo os registros de todos

5 os aero geradores, ocorrendo a cada 10 minutos. É comum ocorrer falhas nos registros de dados, ocasionadas por paradas no vento, paradas para manutenção ou falhas de registros. É necessário que se faça uma consolidação desses dados brutos através de rotinas específicas em MATLAB. Tabela 1 Dados de Beberibe Ano Vento Geração (m/s) (GWh) FC (%) ,81 61,78 27, ,89 75,50 33, ,67 64,37 28, ,06 77,64 34,62 Média 7,36 69,82 31,13 Tabela 2 Dados de Pedra do Sal Ano Vento Geração (m/s) (GWh) FC (%) ,31 34,43 15, ,71 32,20 14, ,40 52,50 23, ,98 67,18 29,96 Média 7,85 46,58 20,77 De acordo as tabelas 2 e 3, há uma redução na produção total anual em 2009 para ambos os parques, assim como seus respectivos Fatores de Capacidade. Os FC médios para o período 2009 a 2012 são de 31,13% para Beberibe e 20,77% para Pedra do Sal. H. Verificação estatística O método utilizado nesse trabalho para se avaliar a incerteza dos dados simulados com o dados observados é através da raiz quadrada do erro quadrático médio (RMSE) [19], que é a raiz quadrada da média das diferenças entre os pares simulado (y i ) e observado (o i ), elevado ao quadrado - ver equação (1). explicada, em parte, pelo fato de que os efeitos de turbulência do modelo não terem sido incorporados consolidação dos dados dos dois parques eólicos. O RMSE de 2,4m/s e desvio padrão de 1,9. Para ventos este valores são aceitáveis para o vento, visto que são menos que metade da média verificada neste ano. Nas figuras 8, 9 10 e 11 é mostrada, respectivamente, a média de 1998 a 2012, as anomalias de ventos em 2009 (La Niña), 2010 (El Niño) e 2011 (La Niña). Pode ser visto que os ventos no Litoral Norte do Nordeste são sempre menores em anos da La Niña e maiores em anos de El Niño. Comparando os casos de La Niña, verifica-se que o ano de 2009 foi muito mais intenso. Isto se explica pelo fato de que em 2009 foi um caso forte evento de dipolo do Atlântico (figura12) sendo que em 2011 este evento não foi observado. Estes resultados corroboram a hipótese de ligação do vento com os eventos ENOS Com objetivo de refinar o modelo apresentado, o projeto pretende correlacionar o modelo ARPS com as novas medições de campo. Um perfilador de ventos com a tecnologia LiDAR já foi adquirido e será utilizado para traçar perfis de velocidade em diferentes condições de estabilidade atmosférica. Outra aquisição do projeto para medições de vento é a instalação de duas Torres Anemométricas de 100m, localizadas nos parques eólicos estudados. As torres possuem quatro níveis de medição de velocidade, dois níveis de direção, temperatura e umidade, bem como a utilização de um anemômetro sônico 3D, instalado no topo da torre. Este último instrumento visa a captura das perturbações turbulentas no local, com capacidade de fornecer parâmetros para determinação da estabilidade atmosférica. = ( )² (1) A vantagem de avaliar o RMSE é que seus valores têm a mesma dimensão física que os valores observados e simulados e, além disso, pode ser analisado como a magnitude do erro do modelo. Isto permite verificar o resultado do modelo com dados observados e, assim, melhorar os resultados da simulação [17]. I. Resultados e Discussões Os resultados da comparação do vento do modelo ARPS e medições nos aero geradores em Beberibe para o ano de 2009, são mostrados na figuras 7 e 6, respectivamente. Uma comparação visual das séries simuladas e medidas mostram que os ventos medidos são mais intensos e que a série de dados simulada tem uma dispersão menor, porem a tendência climática é relativamente bem simulada. A comparação entre ambas apresenta um coeficiente de correlação de 0,68. A velocidade média dos ventos do modelo ARPS em 2009 foi de 5.1 m/s, contra 6,5 m/s que foi medido em Beberibe. A diferença de 27% pode ser Figura 6. Série temporal do Parque Eólico de Beberibe em 2009.

6 Figura 7. Série temporal do modelo ARPS para a localidade de Beberibe em Figura 10. Anomalia da velocidade media do vento do modelo ARPS em Figura 8. Velocidade media do vento do modelo ARPS entre 1998 e Figura 11. Anomalia da velocidade media do vento do modelo ARPS em Figura 9. Anomalia da velocidade media do vento do modelo ARPS em A partir dos resultados já apresentados, realizou-se uma estimativa de diferentes perfis de velocidade para correção dos dados do ARPS, referentes a altura de 10 metros. Dois perfis de velocidade, considerando uma atmosfera neutra, foram utilizados, ambos função apenas da rugosidade de terreno (z 0 ), com velocidade de fricção (u * ) constante ao longo da altura. Resultados de campanhas de prospecção dos dois parques, apontaram para perfis de velocidade com uma rugosidade de terreno de (0,04±0,003) metros. Estes valores foram utilizados para calcular, primeiramente, um perfil logarítmico (Log), descrito pela equação (2). = (2)

7 Em seguida, uma correlação empírica [15], descrita na equação 3, foi utilizada para construir um perfil de Lei de Potência, quantificado pela equação 4. As alturas de referência (V r ) para os perfis foram tomadas a partir dos dados de 10 metros do modelo atmosférico ARPS. = (3) =0,096log( )+0,016 log( ) +0,24 (4) A partir da série histórica do ARPS, corrigida pelas equações acima, pretende-se estimar a geração dos parques eólicos com a utilização do software WAsP. O método para simulação segue o apresentado em [11]. Utilizada para representar o comportamento estocástico do vento, a distribuição estatística de Weibull está representada na Figura 5 para os diferentes cenários estudados. Observa-se uma grande similaridade para os dois perfis de velocidades assumidos, porém estes encontram-se distantes das distribuições observadas nos parques. Os dados do ARPS, portanto, não apresentaram boa aderência no que tange a variabilidade do vento, dentro da série temporal estudada. f (V) 0,2 0,18 0,16 0,14 0,12 0,1 0,08 0,06 0,04 0, Velocidade (m/s) Beberibe Pedra do Sal Log Pot z0 Figura 5. Distribuiçao de Weibull para diferentes perfis do ARPS vs. Parques Eólicos em 2009 Ao realizar a simulação dos dois parques eólicos com os dados do trabalho, a Produção Anual de Energia (PAE) dos parques resulta em 43,2% e 53% abaixo do observado, como apresentam as tabelas 3 e 4, referentes aos dois parques eólicos estudados. A relação diretamente proporcial entre o cubo da velocidade observada e a potência disponível do vento fica aqui evidenciada, uma vez que as distribuições utilizadas na simulação estão concentradas em velocidades mais baixas que as observações de campo. Tabela 3 Resultados para Beberibe UEE Beberibe PAE PAE Efeito k c (m³/s) Bruta (GWh) Liquida (GWh) Esteira (%) ARPS (Log) 3,06 6,5 33,29 28,194 15,31 ARPS (Pot z 0 ) 3,02 6,3 29,809 25,231 15,36 Parque (2009) 3,01 7,3-61,78 - Tabela 4 Resultados para Pedra do Sal UEE Pedra do Sal PAE PAE Efeito k c (m³/s) Bruta (GWh) Liquida (GWh) Esteira (%) ARPS (Log) 3,02 6,5 20,871 19,345 7,31 ARPS (Pot z 0 ) 3,00 6,3 18,538 17,168 7,39 Parque (2009) 2,78 8,9-34,43 - Desvios relacionados com a estabilidade atmosférica também não foram devidamente calculados. Pela falta de dados relativos ao fluxo de calor sensível e perturbações turbulentas, os modelos aqui utilizados consideraram um cenário de atmosfera neutra. Outros resultados [18] [19], contudo, já comprovam a importância da captura de perfis atmosféricos estáveis e instáveis. III. CONCLUSÕES O presente trabalho evidenciou a influência de fenômenos climáticos no desempenho de dois parques eólicos em operação pela Tractebel Energia S.A., objetos de estudo do projeto PD /2011. Através da análise de modelos atmosféricos globais, períodos intensos de La Niña tendem a apresentar uma queda na velocidade dos ventos para o nordeste brasileiro. O modelo ARPS, que realiza um downscaling dos resultados globais, evidenciou esta queda para um estudo de caso no ano de Nota-se então pela série histórica, que a costa do nordeste brasileiro está sob uma inevitável influência de fenômenos climáticos globais em termos de ventos. Apesar de apresentar uma ocorrência variável, o descolamento da ZCIT na região estudada é periódico. Como consequência, os parques eólicos localizados na região de maior potencial eólico do país estão sendo afetados. Correlações entre os dados observados nos dois parques eólicos da Tractebel Energia e o modelo ARPS apresentaram aderência climatológica, com RMSE de 2,4 m/s e desvio padrão da série de 1,9. Portanto, a medição contínua com utilização de modelos para previsão de geração eólica mostram-se relevantes para descrição deste comportamento.

8 Apesar de apresentar boa correlação na média temporal, a distribuição de ventos simulada pelo modelo atmosférico não obteve boa aderência aos dados observados. Um desvio de aproximadamente 27% abaixo da velocidade é esperado, devido às parametrizações do modelo. Tal discrepância poderá ser reduzida com a implementação de novas ferramentas estatísticas, como ensemble de Filtro de Kalman bem como a utilização de redes neurais. Simulações mais refinadas do modelo também serão viabilizadas com a utilização do cluster já instalado na UFSC, com possibilidade de fornecer resultados com resolução de 3km. Medições do perfil de velocidades para diferentes regimes de estabilidade atmosférica também serão viabilizadas com a utilização de um perfilador de velocidade com tecnologia LiDAR já adquirido pelo projeto, bem como a conclusão da instalação de duas torres anemométricas de 100m nos parques eólicos. Estes equipamentos poderão fornecer parâmetros reais para o fechamento das equações do modelo. Ao analisar o cenário nacional da energia eólica, observa-se uma diferença de fatores de capacidade acentuada para muitos parques brasileiros, vários deles no Nordeste. Em algumas situações os parques geram mensalmente até 40% abaixo do planejado [14] [20]. Reafirma-se aqui a importância que há na modelagem meteorológica para adequada previsão de geração eólica, bem como na projeção dos fatores de capacidade destes parques, de forma que esta energia possa ser cada vez mais confiável mesmo sendo inconstante. Através de modelos que permitam uma boa previsibilidade, a energia eólica poderá alcançar uma maior penetração na matriz energética do país. Por fim, o produto deste projeto propõe ser de grande valia para o setor elétrico, uma vez que poderá contribuir para uma participação mais previsível e estratégica do recurso eólico no âmbito do planejamento energético nacional. [7] J. O. R. Aragão. A general circulation model investigation of the atmospheric response to El Niño. [s.l.], Tese de Doutorado, National Center for Atmospheric Research, p. [8] Associação Brasileira de Energia Eólica. Boletim Mensal de Dados do Setor Eólico, Janeiro de [9] L. B. Damas, P. A. A. Santos, G. M. Moresco,J. C. Passos. Cenário Nacional e Tendências para Geração Eólica. Revista da ABCM, Vol. 17, nº1, [10] H. O. Panarello and C. Dapeña, Large scale meteorological phenomena, ENSO and ITCZ, define the Paraná River isotope composition. PublicadoemJournal of Hydrology, Vol. 365, pp , [11] IEC Wind Turbines Part 12-1: Power Performance Measurements of Electricity Producing Wind Turbines, IEC International Standard :2005(E), 1ª Ed. [12] R. Haas, Relatório técnico downscaling projeto siscarga, LEPTEN/UFSC, Florianópolis, Trabalho não publicado. [13] Y. Sakagami. Mapeamento do risco térmico em linhas aéreas de transmissão com base em dados de modelo numético atmosférico, Dissertação de Mestrado, Dep. de Eng. Mecânica, Univ. Fed. de Santa Catarina, [14] Z. Durisic; J. Mikulovic. A model for vertical wind speed data extrapolation for improving wind resource assessment using WAsP. Renewable Energy, v. 41, p , [15] P. A. A. Santos. Analise de Investimento e Desempenho de um Pequeno Aerogerador Instalado em Zona Urbana, Trabalho de Conclusão de Curso, Dep. De Eng. De Produção e Sistemas, Univ. Fed. de Santa Catarina, [16] A. Dalmaz, Estudo do Potencial Eólico e Previsão de Ventos Para Geração de Eletricidade em Santa Catarina, Dissertação de Mestrado, Dep. de Eng. Mecânica, Univ. Fed. de Santa Catarina, [17] R. A. PIELKE; Y. MAHRER. Verification analysis of University of Virginia three-dimensional mesoscale modelo prediction over South Florida for 1 July Monthly Weather Review, v. 106, p , [18] J. K. Lundquist. Atmospheric stability impacts on wind turbine performance, apresentado no Wind Energy R&D Workshop, EUA, [19] D. S. Wilks, Statistical Methods in the Atmospheric Science. 2. ed. [S.l.]: Academic Press, [20] N. Boccard. Capacity factor of wind power realized values vs. estimates. Energy Policy. n. 37, p , [21] E. Hau, Wind Turbines - Fundamentals, Technologies, Application, Economics, 2ª Ed., Nova York: Springer, IV. REFERÊNCIAS BIBLIOGRÁFICAS [1] O. A. C. Amarante, M. Brower, J. Zack e A. L. Sá. Atlas do potencial eólico brasileiro. Brasília: CRESESB, [2] ANEEL. Banco de Informações de Geração (BIG). Brasília, [3] S.-P. Xie and S.G.H. Philander, A Coupled Ocean-Atmosphere Model of Relevance to the ITCZ in the Eastern Pacific. PublicadoemTellus A, 46A, pp , [4] S. Hastenrath, L. Heller. Dynamics of climate hazards in Northeast Brazil. J. Royal Meteorologic Society, v.103, p , [5] M. Xue, K. K. Droegemeier, V. Wong, A. Shapiro, K. Brewster, F. Carr, D. Weber, Y. Liu, D. Wang. The advanced regional prediction system (arps) - a multi-scale nonhydrostatic atmospheric simulation and prediction model. Part I: Model dynamics and verification. Meteorology and Atmospheric Physics., n. 75, p , [6] M. Kanamitsu, W. Ebisuzaki, J. Woollen, C.K. Yang, J.J. Hnilo, M. Fiorino, G. L. Potter. NCEP-DOE AMIP-II REANALYSIS (R-2). Bulletin of American Meteorological Society, v. 83, n. 11, p , 2002.