Comparação dos dados da velocidade do vento no Nordeste do Brasil da ERA-40 e Instituto Nacional de Meteorologia (INMET) utilizando medidas de entropia
DOI:
https://doi.org/10.33448/rsd-v9i8.5257Palavras-chave:
Nordeste; Velocidade do vento; Sample entropy; Cross-sample entropy.Resumo
Séries históricas de velocidade do vento oriundas das bases de dados do Instituto Nacional de Meteorologia (INMET) e ECMWF Re-Analyses (ERA-40) foram analisadas, com a finalidade de quantificar o grau de regularidade da série temporal e o grau de similaridade entre as bases de dados de estações convencionais (INMET) e de reanálise (ERA-40), utilizando os métodos Sample Entropy e cross-Sample Entropy da teoria da informação. Devido à falta de informações na base do INMET, as análises foram realizadas no período de oito anos de dados simultâneos (1993 a 2000) para a base de dados do INMET e da ERA-40, durante às 00h, 12h e na série Completa/Total (série original). Os resultados mostram que os maiores registros de velocidade do vento para diferentes séries encontram-se no Norte das quatro sub-regiões do NE. A Sample Entropy, apresentou maior regularidade da velocidade do vento no Meio Norte, área onde a velocidade do vento é menor, apresentando melhor previsibilidade nesta área. A cross-Sample Entropy mostrou uma sincronização moderada das séries do INMET e ERA-40, indicando uma superestimação ou subestimação dos dados da ERA-40 em relação aos dados do INMET.
Referências
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.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
