Comparación de datos de velocidad del viento sobre en el noreste de Brasil de ERA-40 e Instituto Nacional de Meteorología (INMET) utilizando mediciones de entropía
DOI:
https://doi.org/10.33448/rsd-v9i8.5257Palabras clave:
Nordeste; Velocidade do vento; Sample entropy; Cross-sample entropy.Resumen
Se analizaron series históricas de la velocidad del viento de las bases de datos del Instituto Nacional de Meteorología (INMET) y Re-Análisis de ECMWF (ERA-40) para cuantificar el grado de regularidad de las series de tiempo y el grado de similitud entre las bases de datos de estaciones convencionales (INMET) y reanálisis (ERA-40), utilizando los métodos de teoría de la información de Entropía de muestra y Entropía de muestra cruzada. Debido a la falta de información en la base de datos INMET, los análisis se llevaron a cabo durante un período de ocho años de datos simultáneos (1993 a 2000) para la base de datos INMET y ERA-40, durante 00h, 12h y en el Completo / Total (serie original). Los resultados muestran que los mayores registros de velocidad del viento para diferentes series se encuentran en el norte de las cuatro subregiones del NE. La muestra de entropía mostró una mayor regularidad de la velocidad del viento en el Medio Norte, un área donde la velocidad del viento es más baja, mostrando una mejor previsibilidad en esta área. La entropía de muestras cruzadas mostró una sincronización moderada de las series INMET y ERA-40, lo que indica una sobreestimación o subestimación de los datos de ERA-40 en relación con los datos de INMET.
Citas
ABEEólica. (2020). Associação Brasileira de Energia Eólica. Acesso em 15 maio 2020, em: http://abeeolica.org.br/wp-content/uploads/2020/04/Infovento-15_PT.pdf.
Amarante, O. A., Brower, M., Zack, J., & Sá, A. L. (2001). Atlas do potencial eólico brasileiro. Brasília, DF. CD-ROM.
Camelo, H. do N., Lucio, P. S., Gomes, O. M., & Leal Junior, J. B. V. (2016). Predição de velocidade do vento em municípios do Nordeste brasileiro através de regressão linear e não linear para fins de geração eólica. Revista Brasileira de Geografia Física, 9(03), 927-939.
Carneiro, T. C., & de Carvalho, P. C. M. (2015). Caracterização de potencial eólico: estudo de caso para Maracanaú (CE), Petrolina (PE) e Parnaíba (PI). Revista Brasileira de Energia Solar, 6(1). Acesso em 29 abril 2020. Disponível em: https://rbens.emnuvens.com.br/rbens/article/view/122/122.
Chou, C. M. (2014). Complexity analysis of rainfall and runoff time series based on sample entropy in different temporal scales. Stochastic Environmental Research And Risk Assessment, 28(6), 1401-1408. doi: https://doi.org/10.1007/s00477-014-0859-6.
ECMWF. European Centre for Medium-Range Weather Forecasts. 2017. Disponível em: <https://www.ecmwf.int/>.
GWEC, G. W. P. C. (2019). Global Wind Energy Outlook. Brussels.
Lira, M. A. T., Neto, J. M. M., Loiola, J. V. L. d., Silva, E. M. d., & Alves, J. M. B. (2017). Caracterização do regime de ventos no Piauí para o aproveitamento de energia eólica. Revista Brasileira de Meteorologia, 32(1), 77–88. doi: http://dx.doi.org/10.1590/0102-778632120150712.
Luo, W., Taylor, M. C., & Parker, S. R. (2008). A comparison of spatial interpolation methods to estimate continuous wind speed surfaces using irregularly distributed data from England and Wales. International Journal of Climatology: A Journal of the Royal Meteorological Society, 28(7), 947-959. doi: https://doi.org/10.1002/joc.1583.
Pereira A. S. et al. (2018). Metodologia da pesquisa científica. [e-book]. Santa Maria. Ed. UAB/NTE/UFSM. Disponível em: https://repositorio.ufsm.br/bitstream/handle/1/15824/Lic_Computacao_Metodologia-Pesquisa-Cientifica.pdf?sequence=1.
Pincus, S. M. (1991). Approximate entropy as a measure of system complexity. Proceedings of the National Academy of Sciences, 88(6), 2297–2301. doi: https://doi.org/10.1073/pnas.88.6.2297.
Reddy, Y. V., & Sebastin, A. (2006, December). Parameters for estimation of entropy to study price manipulation in stock market. In 10th Capital Markets Conference, Indian Institute of Capital Markets Paper. doi: http://dx.doi.org/10.2139/ssrn.962329.
Richman, J. S., & Moorman, J. R. (2000). Physiological time-series analysis using approximate entropy and sample entropy. American Journal of Physiology-Heart and Circulatory Physiology, 278(6), H2039–H2049. doi: https://doi.org/10.1152/ajpheart.2000.278.6.H2039.
Santana, L. V. R., Stosic, T., Dezotti, C. H., De Albuquerque Moura, G. B., De Araújo, L. H. G. D., & da Silva, A. S. A. (2015). Spatial analyses of wind speed in the North-Brazil with data from ERA-40. Revista Brasileira de Biometria, 33(3), 414-432. Acesso em 30 maio 2020. Disponível em: http://www.biometria.ufla.br/index.php/BBJ/article/view/24.
Schmidt, J., Cancella, R., & Junior, A. O. P. (2016). The effect of windpower on long-term variability of combined hydro-wind resources: The case of Brazil. Renewable and Sustainable Energy Reviews, 55, 131-141. doi: https://doi.org/10.1016/j.rser.2015.10.159.
Shepard, D. (1968). A two-dimensional interpolation function for irregularly-spaced data. In Proceedings of the 1968 23rd ACM national conference, 517-524. doi: https://doi.org/10.1145/800186.810616.
Silva, Vicente de Paulo Rodrigues da, Pereira, Emerson Ricardo Rodrigues, & Almeida, Rafaela Silveira Rodrigues. (2012). Estudo da variabilidade anual e intra-anual da precipitação na região Nordeste do Brasil. Revista Brasileira de Meteorologia, 27(2), 163-172. https://doi.org/10.1590/S0102-77862012000200005.
Stüker, E., Schuster, C. H., Schuster, J. J., Santos, D. C., Medeiros, L. E., Costa, F. D., ... & Puhales, F. S. (2016 Comparison of wind data of ERA-Interim reanalysis and cfsr with the data from automatic inmet stations Rio Grande Do Sul. Ciência e Natura, 38(IX WORKSHOP), 284. Doi: 10.5902/2179460X20233.
Team, R. C. (2000). A language and environment for statistical computing. R Foundation for Statistical Computing.
Varejão-Silva, M. A. (2006). Meteorologia e climatologia. Recife, PE.
Witzler, L. T., Ramos, D. S., Camargo, L. A. S., & Guarnier, E. (2016, June). Reconstruction of wind generation historical series aiming at the analysis of energy complementarity: Methodology and applications. In 2016 13th International Conference on the European Energy Market (EEM), 1-6. IEEE. Doi: 10.1109/EEM.2016.7521324.
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.
