Comparación de métodos y modelos de distribución para el modelado de datos de velocidad eólica en el municipio de Petrolina, noreste de Brasil
DOI:
https://doi.org/10.33448/rsd-v9i7.4221Palabras clave:
Weibull; Lognormal; MM; EMV; PSO; AjusteResumen
La identificación del modelo de distribución de probabilidad que proporciona el mejor ajuste a las bases de datos de velocidad del viento es necesario para definir la inversión y desarrollar proyectos sobre el potencial eólico de diferentes ubicaciones. Para esto, la estimación de los parámetros de los modelos es esencial en este proceso. El objetivo de este estudio es investigar entre los modelos y métodos de distribución para estimar sus respectivos parámetros con un mejor modelado en la literatura que de ellos proporciona un mejor ajuste a los datos de velocidad del viento de Petrolina-PE. A través del estudio de caso, de naturaleza quali-quanti, el ajuste del Método momento, la Estimación de Máxima Probabilidad y el algoritmo de Optimización de Enjambre de Partículas (PSO) con Weibull fueron evaluados en este trabajo, así como el PSO con las distribuciones Lognormal-Weibull y Weibull-Weibull a la serie histórica de información. Los resultados, investigados con las medidas de error RMSE, R^2 y X^2 y al verificar el porcentaje de corrección entre los cuantiles teóricos y de muestra, demostraron un mejor modelado del modelo de distribución Lognormal-Weibull con el algoritmo PSO a la serie de velocidad histórica del viento. Por lo tanto, a partir de la determinación del mejor modelo de distribución que se ajuste a los datos de la región, puede ser posible generar series estimadas de velocidad del viento para áreas donde estas series históricas no existen.Citas
ABEEolica. (2019). Eólica já é a segunda fonte da matriz elétrica brasileira com 15 gw de capacidade instalada. Acesso em 06 maio 2020. Em: http://abeeolica.org.br/noticias/eolica-ja-e-a-segunda-fonte-da-matriz-eletrica-brasileira-com-15-gw-de-capacidade-instalada/.
Da Silva, K. A., Rodrigues, M. S., Cunha, J. C., Alves, D. C., Freitas, H. R., & Lima, A. M. N. (2017). Levantamento de solos utilizando geoestatística em uma área de experimentação agrícola em Petrolina-PE. Comunicata Scientiae, 8(1): 175-180. https://doi.org/10.14295/cs.v8i1.2646.
De Souza, A., De Oliveira, S. S. & Ozonur, D. (2019). Análise estatística de parâmetros de Weibull para avaliação de potencial de energia eólica em Campo Grande. Journal of Environmental Analysis and Progress, 4.3: 168-179. https://doi.org/ 10.24221/JEAP.4.3.2019.2468.168-179.
Dos Santos, F. S., Nascimento, K. K. F., Jesus, E. S., Jale, J. 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.
IBGE. (2019). Instituto Brasileiro de Geografia e Estatística. Acesso em 06 maio 2020 Em: https://cidades.ibge.gov.br/brasil/pe/petrolina/panorama.
Jatobá, L., Silva, A. F. & Galvíncio, J. D. (2017). A dinâmica climática do Semiárido em Petrolina-PE. Embrapa Semiárido-Artigo em periódico indexado (ALICE).
Kumar, M. B. H., Balasubramaniyan, S., Padmanaban, S., & Holm-Nielsen, J. B. (2019). Wind Energy Potential Assessment by Weibull Parameter Estimation Using Multiverse Optimization Method: A Case Study of Tirumala Region in India. Energies, 12(11), 2158. https://doi.org/10.3390/en12112158.
Melo, E. C. D. S., Aragão, M. R. D. S., & Correia, M. D. F. (2014). Regimes do vento à superfície na área de Petrolina, Submédio São Francisco. Revista Brasileira de Meteorologia, 29(2): 229-241. https://doi.org/10.1590/S0102-77862014000200007.
Ouarda, T. B., Charron, C. & Chebana, F. (2016). Review of criteria for the selection of probability distributions for wind speed data and introduction of the moment and L-moment ratio diagram methods, with a case study. Energy Conversion and Management, 124: 247-265. http://dx.doi.org/10.1016/j.enconman.2016.07.012 0196-8904/.
Pereira, A.S. et al. (2018). Metodologia da pesquisa científica. [e-book]. Santa Maria. Ed. UAB/NTE/UFSM. Acesso em: 5 maio 2020. Disponível em: https://repositorio.ufsm.br/bitstream/handle/1/15824/Lic_Computacao_Metodologia-Pesquisa-Cientifica.pdf?sequence=1.
Pishgar-Komleh, S. H., Keyhani, A., & Sefeedpari, P. (2015). Wind speed and power density analysis based on Weibull and Rayleigh distributions (a case study: Firouzkooh county of Iran). Renewable and Sustainable Energy Reviews, 42, 313-322. http://dx.doi.org/10.1016/j.rser.2014.10.028.
Qin, X., Zhang, J. & Yan, X. (2012). Two improved mixture Weibull models for the analysis of wind speed data. Journal of applied meteorology and climatology, 51.7: 1321-1332. https://doi.org/10.1175/JAMC-D-11-0231.1.
Rajapaksha, K. W. G. D. H., & Perera, K. (2016). Wind speed analysis and energy calculation based on mixture distributions in Narakkalliya, Sri Lanka. Journal of the National Science Foundation of Sri Lanka, 44(4). http://dx.doi.org/10.4038/jnsfsr.v44i4.8023.
Rocha, L. C. S., Aquila, G., Junior, P. R., de Paiva, A. P., de Oliveira Pamplona, E., & Balestrassi, P. P. (2018). A stochastic economic viability analysis of residential wind power generation in Brazil. Renewable and Sustainable Energy Reviews, 90(1): 412-419. https://doi.org/10.1016/j.rser.2018.03.078.
Seckin, N., Yurtal, R., Haktanir, T., & Dogan, A. (2010). Comparison of probability weighted moments and maximum likelihood methods used in flood frequency analysis for Ceyhan River Basin. Arabian Journal for Science and Engineering, 35(1), 49.
Zhou, J., Yang, J., Lin, L., Zhu, Z., & Ji, Z. (2018). Local best particle swarm optimization using crown jewel defense strategy. In Critical developments and applications of swarm intelligence (pp. 27-52). IGI Global. https://doi.org/10.4018/978-1-5225-5134-8.ch002.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.