Distribuições de probabilidades de velocidade do vento e avaliação do potencial de energia eólica

A energia eólica é uma fonte de energia limpa, renovável e verde e possui potencial que pode ser confiável a longo prazo. A previsão acurada da velocidade e da potência do vento tornou-se uma tarefa crítica com impacto profundo e grandes benefícios para a sociedade, reduzindo a imprevisibilidade e a aleatoriedade da capacidade de produção de uma usina eólica, possibilitando prever e otimizar a estabilidade do sistema. A modelagem da velocidade do vento por uma função densidade de probabilidade (FDP) contribui para a estimativa da densidade de potência produzida, que, por sua vez, leva a uma estimativa do potencial de energia eólica em um determinado local. A FDP, que melhor descreve a curva de distribuição de velocidade do vento, é o modelo mais apropriado para avaliação do potencial de energia produzida. Este trabalho foi desenvolvido sob a hipótese de que funções densidades de probabilidades bimodais, compostas por mistura de dois componentes unimodais, apresentam melhores desempenhos que funções unimodais na modelagem da distribuição de velocidades médias horárias de ventos em diferentes regimes e conduzem a estimativas mais acuradas da densidade de potência eólica em uma região, com os seguintes objetivos: (a) investigar o uso de modelos teóricos probabilísticos, unimodais e bimodais, para modelar dados de velocidade do vento; (b) analisar o desempenho do uso de modelos teóricos funções densidades de probabilidades para estimar a densidade de potência do vento visando o embasamento científico nas tomadas de decisão quanto à geração de energia eólica e (c) estabelecer um ranqueamento de modelos teóricos probabilísticos para estimar a densidade de potência de energia eólica para diferentes regimes de vento. Foram analisadas dez funções densidades de probabilidades aplicadas a dados horários de velocidade de ventos obtidos em estações meteorológicas do Inmet de quatro localidades nas estações do ano, a saber: Rio Grande RS; Aquiraz CE; Luiz Eduardo Magalhães BA e Imperatriz MA. As FDPs utilizadas foram Weibull de dois parâmetros; Gumbel de dois parâmetros; Burr de três parâmetros; generalizada de valores extremos de três parâmetros; Burr de quatro parâmetros; Kappa de quatro parâmetros, mistura de dois componentes de Weibull com cinco parâmetros; mistura de dois componentes de Gumbel com cinco parâmetros; mistura de um componente de Gev e outro componente de Wei com seis parâmetros e mistura de um componente de Burr e outro componente de Gev com sete parâmetros. Entre as dez distribuições, foram analisadas quatro de mistura de dois componentes, que podem se ajustar melhor aos regimes de ventos bimodais. As outras seis distribuições são unimodais com múltiplos parâmetros. As estimações dos parâmetros das FDPs foram realizadas pelos métodos da máxima verossimilhança e L-momentos utilizando-se o Software Anaconda em conjunto com linguagens de programação e pacotes R e Python. Utilizaram-se os índices de desempenho Kolmogorov-Smirnov (KS), raiz quadrada do erro médio (RMSE), erro médio absoluto relativo (PMARE%) e critério de informação de Akaike (AIC). Também foram calculados os erros absolutos relativos entre probabilidades observadas e estimadas; construídos gráficos 1:1 (y=x) para os percentis estimados e observados e confeccionados histogramas de frequências para valores de probabilidades observadas e estimadas. A densidade de potência média observada em cada estação do ano foi comparada com a densidade de potência estimada pelas diferentes FDPs analisadas. Concluiu-se que (a) as funções densidades de probabilidades que se ajustaram com maior acurácia à distribuição das velocidades horárias dos ventos reduziram os erros nas estimativas de produção de energia eólica para uma determinada região de estudo e estação do ano; (b) ocorreram variações apreciáveis no desempenho das FDPs analisadas para todas as regiões estudadas devido ao comportamento estocástico da velocidade do vento, indicando distribuições distintas a depender da estação do ano, portanto, uma única distribuição não pode ser universalmente indicada; (c) entre todas as FDPs analisadas, os melhores desempenhos em modelar a velocidade do vento pertencem ao grupo das distribuições de mistura bimodais; (d) considerando todas as regiões analisadas, independentemente da estação do ano, melhor desempenho para estimar a densidade de potência do vento visando a geração de energia eólica foi obtido pela FDP de mistura de dois componentes de Weibull (WeiWei), sendo esta considerada a escolha mais adequada; (e) entre as FDPs unimodais analisadas, a Kappa ofereceu melhores resultados na estimativa das probabilidades de velocidades horárias de ventos e na densidade de potência eólica; e (f) a FDP de Weibull, largamente utilizada para modelar distribuições de probabilidades de velocidades horárias de ventos para aplicações em engenharia eólica, não apresentou bom desempenho para os regimes de ventos estudados.