Comparação de métodos e modelos de distribuição para a modelagem de dados de velocidade do vento no município de Petrolina, Nordeste brasileiro

Autores

DOI:

https://doi.org/10.33448/rsd-v9i7.4221

Palavras-chave:

Weibull; Lognormal; MM; EMV; PSO; Ajuste

Resumo

A identificação do modelo de distribuição de probabilidade que forneça o melhor ajuste às bases de dados de velocidade do vento é necessária para definição de investimento e desenvolvimento de projetos acerca do potencial eólico de diversas localidades. Para isso, a estimativa dos parâmetros dos modelos é essencial nesse processo. O objetivo deste estudo é investigar dentre os modelos de distribuição e métodos para estimativa de seus respectivos parâmetros com melhor modelagem na literatura qual deles fornece melhor ajuste aos dados de velocidade do vento de Petrolina-PE. Através do estudo de caso, de natureza quali-quanti, foram avaliados neste trabalho o ajuste do Método dos Momentos, da Estimação de Máxima Verossimilhança e do algoritmo Particle Swarm Optimization (PSO) com a Weibull, bem como o PSO com as distribuições Lognormal-Weibull e Weibull-Weibull à série histórica de informações. Os resultados, investigados com as medidas de erro RMSE, R^2 e X^2 e pela verificação da porcentagem de acerto entre os quantis teóricos e amostrais, demonstraram melhor modelagem do modelo de distribuição Lognormal-Weibull com o algoritmo PSO à série histórica de velocidade do vento. Dessa maneira, através da determinação do melhor modelo de distribuição que se ajuste aos dados na região, pode ser possível gerar séries de velocidade do vento estimadas para áreas onde não existem essas séries históricas.

Biografia do Autor

Kerolly Kedma Felix do Nascimento, Universidade Federal Rural de Pernambuco

Departamento de Biometria e Estatística Aplicada

Referências

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.

Downloads

Publicado

12/05/2020

Como Citar

NASCIMENTO, K. K. F. do; SANTOS, F. S. dos; JALE, J. da S.; FERREIRA, T. A. E. Comparação de métodos e modelos de distribuição para a modelagem de dados de velocidade do vento no município de Petrolina, Nordeste brasileiro. Research, Society and Development, [S. l.], v. 9, n. 7, p. e308974221, 2020. DOI: 10.33448/rsd-v9i7.4221. Disponível em: https://rsdjournal.org/index.php/rsd/article/view/4221. Acesso em: 4 jul. 2024.

Edição

Seção

Ciências Agrárias e Biológicas