Fechar
Metadados

@PhDThesis{Pes:2015:ImVaMu,
               author = "Pes, Marcelo Pizzuti",
                title = "Impactos das varia{\c{c}}{\~o}es e mudan{\c{c}}as 
                         clim{\'a}ticas sobre os ventos extremos e seus efeitos no setor 
                         el{\'e}trico brasileiro",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2015",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2015-05-18",
             keywords = "ventos extremos, energia e{\'o}lica, distribui{\c{c}}{\~a}o de 
                         frequ{\^e}ncia, an{\'a}lise de tend{\^e}ncia, an{\'a}lise de 
                         cluster, extreme wind, wind energy, frequency distribution, trend 
                         analysis, cluster analysis.",
             abstract = "O presente trabalho investiga os aspectos relativos {\`a} 
                         ocorr{\^e}ncia de ventos extremos m{\'{\i}}nimos e m{\'a}ximos 
                         a 10m, sua distribui{\c{c}}{\~a}o de probabilidade, 
                         per{\'{\i}}odo de retorno e tend{\^e}ncia clim{\'a}tica. Para 
                         isso s{\~a}o utilizadas s{\'e}ries temporais de velocidade do 
                         vento observado a 10m provenientes de 42 esta{\c{c}}{\~o}es 
                         pertencentes ao DECEA, e simula{\c{c}}{\~o}es do modelo regional 
                         Eta clim{\'a}tico rodado com as condi{\c{c}}{\~o}es de contorno 
                         do modelo clim{\'a}tico ingl{\^e}s \emph{HadCM3} compreendendo 
                         o per{\'{\i}}odo de 1960-1990 e proje{\c{c}}{\~o}es futuras 
                         entre 2010 e 2100 para o cen{\'a}rio de emiss{\~o}es A1B. 
                         Inicialmente, todos os dados passam por um processo de 
                         qualifica{\c{c}}{\~a}o com o prop{\'o}sito de reduzir as 
                         incertezas dos resultados. Em seguida, {\'e} realizada a 
                         an{\'a}lise de agrupamento utilizando o m{\'e}todo 
                         hier{\'a}rquico de Ward a fim de identificar as regi{\~o}es 
                         homog{\^e}neas (RHs) da {\'a}rea de estudo. Para determinar e 
                         quantificar as tend{\^e}ncias clim{\'a}ticas nas s{\'e}ries de 
                         vento observado {\'e} aplicado o teste de Mann-Kendall. A 
                         an{\'a}lise de tend{\^e}ncia das s{\'e}ries de m{\'e}dias 
                         m{\'{\i}}nimas anuais da velocidade do vento indicam 50\% de 
                         tend{\^e}ncia n{\~a}o significativa, 28,5\% tend{\^e}ncia 
                         negativa e 21,4\% de tend{\^e}ncia positiva. J{\'a} as 
                         tend{\^e}ncias das m{\'e}dias m{\'a}ximas anuais apresentam 
                         35,7\% de tend{\^e}ncia n{\~a}o significativa, 19\% de 
                         tend{\^e}ncia negativa e 45,2\% de tend{\^e}ncia positiva. Na 
                         etapa seguinte, s{\~a}o aplicados tr{\^e}s m{\'e}todos de 
                         distribui{\c{c}}{\~a}o de frequ{\^e}ncia {\`a}s s{\'e}ries 
                         observadas: Gumbel, Weibull e GEV. A escolha do melhor ajuste das 
                         distribui{\c{c}}{\~o}es {\'e} feito pelo teste de 
                         Kolmogorov-Smirnov e pelo menor Erro Padr{\~a}o. Com base nesses 
                         dois testes, o melhor ajuste {\'e} determinado pelo modelo de 
                         Gumbel. Em rela{\c{c}}{\~a}o ao per{\'{\i}}odo de retorno da 
                         velocidade m{\'a}xima do vento a 10m, a regi{\~a}o 
                         homog{\^e}nea RH5 apresenta os maiores valores de velocidade do 
                         vento para T= 2 anos, podendo ocorrer velocidades iguais ou acima 
                         de 19,68 m.s\$^{-1}\$ e a velocidade de 25 m.s\$^{-1}\$ pode 
                         ser superada uma vez a cada 20 anos. A RH6 representa o segundo 
                         maior valor de velocidade do vento em T=2, podendo ocorrer 
                         velocidades iguais ou acima de 18,56 m.s\$^{-1}\$. Para realizar 
                         o estudo de tend{\^e}ncia clim{\'a}tica das s{\'e}ries 
                         provenientes das proje{\c{c}}{\~o}es do modelo clim{\'a}tico, 
                         {\'e} realizado o refinamento estat{\'{\i}}stico das 
                         sa{\'{\i}}das do modelo Eta-HadCM3 com o emprego de Redes 
                         Neurais Artificiais (RNAs), as quais s{\~a}o treinadas tendo como 
                         preditores as vari{\'a}veis de sa{\'{\i}}da do modelo e como 
                         alvo as s{\'e}ries de vento observado a 10m. Obt{\'e}m-se com 
                         isso uma melhora significativa nas s{\'e}ries de velocidade 
                         m{\'{\i}}nima e m{\'a}xima da velocidade do vento, sendo que a 
                         m{\'e}dia da correla{\c{c}}{\~a}o de Pearson passou de 0,16 
                         para 0,76 e de 0,29 para 0,78, respectivamente. O ganho (skill) 
                         m{\'e}dio em rela{\c{c}}{\~a}o ao erro sistem{\'a}tico foi de 
                         99,6\% para os m{\'{\i}}nimos e 99,3\% para os m{\'a}ximos de 
                         vento, enquanto que o ganho m{\'e}dio do RMSE foi de 85\% e 
                         67\%, respectivamente. Com base nas an{\'a}lises de 
                         tend{\^e}ncia clim{\'a}tica das s{\'e}ries velocidade 
                         m{\'{\i}}nima e m{\'a}xima do vento observado a 10m e do vento 
                         modelado pela RNA (proje{\c{c}}{\~o}es futuras 2010-2100), os 
                         resultados indicam aumento na velocidade m{\'{\i}}nima do vento 
                         ao longo da costa brasileira, principalmente na costa do Nordeste, 
                         e no interior do continente pr{\'o}ximo {\`a} costa. J{\'a} os 
                         m{\'a}ximos de velocidade do vento indicam aumento no interior 
                         das regi{\~o}es Norte, Centro-Oeste e Sudeste. ABSTRACT: This 
                         study focuses on the aspects of the occurrence of extreme minimum 
                         and maximum winds at 10m, its probability distribution, return 
                         period and climate trends. The analyses are made use of wind speed 
                         time series observed at 10m from 42 stations belonging to DECEA - 
                         Brazilian Airspace Control Department as well as time series from 
                         the mesoscale regional circulation model (RCM) Eta HadCM3 for the 
                         period from 1960 to 1990 and future projections between 2010 and 
                         2100. In order to reduce the uncertainty in results, we carried 
                         out a quality control process in the data series. Then, a cluster 
                         analysis was performed using the hierarchical method of Ward to 
                         identify homogeneous regions (RHs) of the study area. A total of 
                         six RHs were identified, among which the RH5 and RH6 have the 
                         highest maximum wind speed at 10m. To determine climatic trends in 
                         the wind series, we applied the Mann-Kendall test. The trend 
                         analysis for the minimum wind speed annual average indicated 50\% 
                         of non-significant trends, 28,5\% of negative trend and 21,4\% 
                         of positive trend. The analysis of maximum wind speed annual 
                         average indicated 35,7\% of non-significant trend, 19\% of 
                         negative trend and 45,2\% of positive trend. We applied three 
                         frequency distribution methods on the observed series: Gumbel, 
                         Weibull and GEV. To find the best fit of distributions models, we 
                         applied the Kolmogorov-Smirnov test and determined the standard 
                         error. Based on these two tests, the best fit was found by using 
                         the Gumbel model. For the maximum wind speed at 10m, the RH5 
                         indicate the highest wind speed return period of 2 years for winds 
                         exceeding 19,68 m.s\$^{-1}\$and 20 years for winds exceeding 25 
                         m.s\$^{-1}\$. The RH6 showed the second highest wind speed, in 
                         excess of 18,56 m.s\$^{-1}\$, for the 2-year return period. 
                         Thus, the RH5 and RH6 are the regions with higher risks for the 
                         structural integrity of wind turbines. To perform the trend 
                         analysis of the series from the predictions of the climate model, 
                         we performed a statistical refinement for the outputs of the RCM 
                         model using Artificial Neural Networks (ANN), training using the 
                         RCM model output as predictors and observed data at 10m as target. 
                         The ANN result in a significant improvement in minimum and maximum 
                         speed wind speed series, and the mean Pearson correlation 
                         increased from 0,16 to 0,76 and from 0,29 to 0,78, respectively. 
                         The gain (skill) of the average systematic error was 99,6\% to 
                         99,3\% for the minimum and maximum wind speed, while the average 
                         RMSE gain was 85\% and 67\%, respectively. The results of trend 
                         analysis from RNA data series indicate an increase in the minimum 
                         wind speed along the Brazilian coast, mainly in the northeastern 
                         coast, and within the continent near the coast. By another hand, 
                         the maximum wind speed indicates increased within the North, 
                         Midwest and Southeast of Brazil.",
            committee = "Sansigolo, Cl{\'o}vis Angeli (presidente) and Orsini, Jos{\'e} 
                         Antonio Marengo (orientador) and Pereira, Enio Bueno (orientador) 
                         and Chan, Chou Sin and Martins, Fernando Ramos and Brambila, 
                         Mar{\'{\i}}a Cleof{\'e} Valverde",
           copyholder = "SID/SCD",
         englishtitle = "Impacts of variability and climate changes on the extreme winds 
                         and its effects in Brazilian electricity sector.",
             language = "pt",
                pages = "202",
                  ibi = "8JMKD3MGP8W/3J375M5",
                  url = "http://urlib.net/rep/8JMKD3MGP8W/3J375M5",
           targetfile = "publicacao.pdf",
        urlaccessdate = "28 nov. 2020"
}


Fechar