Author:
Correia de Holanda Sandro,Goes de Aragão Santana Jerusa,Farias Pereira Fábio
Abstract
Melhorar a precisão da estimativa de produção de energia eólica é preponderante para o planejamento estratégico no setor elétrico de uma nação. Nesse contexto, esta pesquisa teve como objetivo estimar os parâmetros do modelo estatístico de Weibull e a densidade de potência eólica usando dados coletados de três cidades no nordeste do Brasil. Além disso, outro objetivo foi analisar o melhor ajuste entre a distribuição dos dados observados e o modelo de Weibull. Para atingir esses objetivos, quatro metodologias distintas, a saber, Método de Regressão de Mínimos Quadrados (MRMQ), Método de Momentos (MM), Método de Fator de Padrão de Energia (MFPE) e Método de Máxima Verossimilhança (MMV), foram empregadas para estimar os parâmetros de forma e escala do modelo de Weibull. A fim de analisar o melhor ajuste entre os dados observados do vento e o modelo estatístico de Weibull, foi aplicado o teste estatístico: Erro Médio Quadrático (EMQ). Por sua vez, os valores médios dos parâmetros estimados obtidos através das quatro metodologias foram utilizados para calcular a densidade de potência eólica em cada cidade investigada. Os resultados deste estudo mostram que os ventos que sopram no nordeste do Brasil são de excelente qualidade favorecendo, a geração eólica. Além disso, todos os métodos examinados (ou seja, MRMQ, MMV, MM e MFPE) demonstraram desempenho satisfatório na estimativa dos parâmetros da distribuição de Weibull.
Publisher
Latin American Journal of Energy Research
Reference23 articles.
1. Akdag, SA and Dinler, A (2009) ‘A New Method to Estimate Weibull Parameters for Wind Energy Applications’, Energy Conversion and Management, [e-journal] 50(7), pp. 1761-1766. http://dx.doi.org/10.1016/j.enconman.2009.03.020
2. Azad, AK, Rasul, MG, and Yusaf, T (2014) ‘Statistical Diagnosis of the Best Weibull Methods for Wind Power Assessment for Agricultural Applications’, Energies, [e-jounal] 7(5), pp. 3056-3085. https://doi.org/10.3390/en7053056
3. ANEEL (2019) ‘ANEEL institutional website’. http://www.aneel.gov.br (accessed 01 september, 2019).
4. Bidaoui, H, El Abbassi, I, El Bouardi, A and Darcherif, A (2019) ‘Wind Speed Data Analysis Using Weibull and Rayleigh Distribution Functions, Case Study: Five Cities Northern Morocco’, Procedia Manufacturing, [e-journal], v. 32, pp.786-793. https://doi.org/10.1016/j.promfg.2019.02.286
5. Brazilian association of wind power and new technologies (ABEEólica), 2022. Annual Wind Energy Report 2022. [pdf] Available at: https://abeeolica.org.br/wp-content/uploads/2023/08/WIND-ENERGY-REPORT-2022-1.pdf [accessed 26 dec 2023].