Contexto Do Brasil

Em termos de Brasil a quantidade de estudos de previsão de velocidade do vento aplicados à geração eólica ainda é pequena. Rodrigues (2007) desenvolveu um modelo computacional de previsão de velocidade dos ventos, no horizonte de 24 horas, utilizou RNA. As técnicas de RNA utilizadas foram redes Perceptron Multi-Camadas, treinamento de retro- propagação e diversas configurações de redes. Foram realizadas simulações com uma série real de velocidade de vento da região Sul do Brasil e os resultados obtidos apresentaram ganhos em relação aos métodos de persistência (com redução de erro percentual da ordem de 9%).

Ramos, Lyra e Silva Júnior (2013) utilizaram o WRF para fornecer previsão diária de velocidade do vento para o Estado de Alagoas no Nordeste brasileiro. As medições foram relativas ao período de agosto/2007 a julho/2008 com alturas de 50-100 m situadas em três mesorregiões do Estado: Sertão, Agreste e Litoral. Os autores, em seus resultados, mostraram a qualidade da previsão do vento realizada com o WRF (por exemplo, valor de erro estatístico entre série temporal observada e prevista da ordem de 2,69 m/s), principalmente no período seco do interior do Estado de Alagoas. Os autores ressaltaram que alguns aspectos do modelo WRF precisam ser melhorados para aperfeiçoar a previsão na quadra chuvosa, principalmente, as parametrizações de microfísica de nuvens e de cumulus. Outro destaque positivo desse estudo foi referente aos índices estatísticos obtidos na simulação com o WRF que foram equivalentes, e melhores em alguns casos, a outros estudos do mesmo gênero.

Lira, Silva e Alves (2011) desenvolveram estudo para estimativa de velocidade do vento em função da altura em regiões do NEB. O método proposto viabilizou extrapolações de velocidade do vento em termos de médias diárias e mensais, com o uso da técnica de regressão linear. A equação do perfil logarítmico do vento comumente conhecida na literatura para realizar estimativas de velocidades dos ventos em diferentes níveis de alturas foi aplicada com interesses de obter valores em (20, 40 e 60 m), a partir dos dados observados de torres meteorológicas a 10 m de altura. Em seguida os coeficientes de correlação entre esses dados estimados em diferentes altitudes e os observados das regiões de estudos são calculados. Desta maneira, o modelo de regressão linear para se estimar novos valores em diferentes altitudes foi configurado. É importante destacar que esse procedimento foi realizado para dois períodos em sequência, ou seja, um período de calibração do modelo e em seguida, para o período de validação do mesmo. De acordo com os autores, em ambos os períodos, o modelo de regressão linear mostrou um bom desempenho, quer seja pelo alto índice de concordância entre as séries de dados estimados e observados e seus respectivos coeficientes de correlação (por exemplo, da ordem de 0,83), quer seja pelos baixos valores dos erros entre essas séries (por exemplo, com erro absoluto de aproximadamente 0,58 m/s).

Rossi (2013) apresentou metodologia híbrida e utilizou a RNA (MuLtilayer Perceptron (MLP), em português Perceptron Multicamadas) e o modelo estatístico ARIMA, com o objetivo de prever séries temporais de velocidades dos ventos ao nível de 50 m de altura, em região do sudeste do Brasil. A pesquisadora, na elaboração do modelo híbrido, utilizou o modelo ARIMA para realizar a previsão das séries de dados, que ainda conservam os padrões não lineares existentes, e em seguida juntamente com a rede MLP e o algoritmo de

aprendizagem retropropagação que, através do erro de previsão obtido, desenvolvem um modelo híbrido aditivo para previsão de séries temporais. A autora realizou os testes de validação da seguinte forma: no Teste 1, os dados foram fornecidos de um banco de dados agrometeorológicos localizado na região de Ilha Solteira no Estado de São Paulo; e no Teste 2, os dados foram oriundos de um projeto desenvolvido pelo Instituto Nacional de Pesquisas Espaciais (INPE) que forneceu dados anemométricos e solarimétricos em alturas de 25 e 50 metros, com estações em diversas regiões do país. A autora concluiu que as análises de medidas de os erros estatísticos estão dentro dos limites encontrados na literatura (por exemplo, com valor de erro percentual médio de aproximadamente 5,91%).

Dantas e Oliveira (2014) destacaram que a energia eólica surge como uma das mais promissoras no Brasil, e apresenta um grande potencial de geração, graças às características do seu território, sobretudo, na região Nordeste, onde os ventos sopram de maneira abundante. A contribuição dessa pesquisa para o setor eólico é referente a utilização de modelo de suavização exponencial para previsão de velocidade do vento, em termos de médias mensais em um período de 1 ano, em região do Nordeste brasileiro, ao nível de 50 m de altura. O método de suavização exponencial utilizado trata-se de um clássico da literatura de séries temporais denominado de Holt-Winters que, por sua vez, é capaz de modelar tendência e sazonalidade da série em questão. Os pesquisadores, em seus resultados, indicaram que o método proposto é capaz de prever a velocidade do vento com boa acurácia (por exemplo, apresentaram valor de erro médio percentual na Fase de Teste relativa a previsão da ordem de aproximadamente 13%.).

Camelo et al. (2015) realizaram previsão de velocidade do vento para médias mensais na cidade de Ubajara, na região serrana do Estado do Ceará – Brasil, com medições coletadas em torre anemométrica ao nível de 10 m de altura pertencente ao governo do Ceará, por meio da versão estacionária de modelagem univariada Box & Jenkins, ou seja, com o uso do modelo (Auto-Regressivo de Médias Móveis – ARMA). Os autores destacaram que a busca por métodos de previsão de velocidade do vento poderá auxiliar ainda mais em investimentos, no setor de geração eólica, tendo em vista, que certamente esses métodos são ferramentas importantes para implantação de novos parques eólicos em diversas regiões do país. Os autores concluíram que a eficácia da previsão com o uso do modelo ARMA é confirmada mediante análises de erros realizadas, comparando-se as séries temporais (observada e prevista). A média do erro absoluto foi de aproximadamente 0,10 m/s, o erro quadrático médio foi de 0,37 m/s, e a média do erro absoluto percentual foi de 4,82 %.

Camelo, Lucio e Leal Junior (2016) utilizaram a versão aditiva do modelo de série temporal Hol-Winters para previsão de velocidade do vento, em localidade litorânea do Nordeste brasileiro, com medições ao nível de 10 m de altura com dados coletados entre janeiro de 2004 até dezembro de 2005. Embora a quantidade de dados utilizados foi de um período pequeno comparado a outros trabalhos da literatura, foi possível identificar a precisão, na previsão da velocidade do vento da região de estudo. Os autores afirmaram que foi possível identificar erro percentual médio da previsão comparado ao observado de aproximadamente 3,5%. Ressaltaram que os dados previstos conseguiram acompanhar o perfil dos dados observados, indicando assim, a viabilidade do modelo na representação de características de sazonalidades da região de estudo.

Camelo et al. (2017a) utilizaram o modelo ARIMAX o qual representa uma tipo de modelagem da metodologia Box–Jenkins com entradas exógenas, para fornecer previsões de médias mensais de séries temporais da velocidade do vento, em regiões do Nordeste brasileiro, ao nível de 10 m de altura com o uso do software livre R. Como variáveis exógenas utilizaram pressão atmosférica, temperatura ambiente, e precipitação, as quais possuem características físicas que podem ser associadas à velocidade do vento. Nos resultados da estatística de erros, os pesquisadores apresentaram a eficácia do modelo, com erro percentual próximo de 9%, ao comparararem as séries observadas e ajustadas. Além disso, os autores afirmaram que foi possível identificar que as séries previstas e acompanhar o perfil das séries observadas, através de semelhanças de valores mínimos e máximos da velocidade do vento. Ressaltaram que esse resultado pode evidenciar o fato de que o modelo ARIMAX proposto para as regiões de estudo consegue captar a existência de sazonalidades.

Camelo et al. (2017b) propuseram uma comparação dos modelos ARIMA, Holt- Winters e RNA para previsão de velocidade do vento, em regiões do Nordeste brasileiro, e assim, verificaram qual o modelo que oferecia melhor performance. O período compreendeu janeiro de 2010 até dezembro 2014, ao nível de 10 m de altura, em que esses dados pertencem ao INMET. Nos resultados, os autores verificaram que o modelo RNA apresentou os melhores valores das medidas de acurácia, por exemplo, com erro de medidas estatísticas de 9% aproximadamente. Concluíram que as séries temporais, previstas pelos modelos, conseguem representar características importantes, particularmente, as menores intensidades da média mensal da velocidade do vento (período chuvoso), seguido das maiores intensidades da média mensal da velocidade do vento (período seco).