@Article{PintoLimaMartPere:2017:AnAgOt,
author = "Pinto, Luc{\'{\i}}a Iracema Chipponelli and Lima, Francisco
Jos{\'e} Lopes de and Martins, Fernando R. and Pereira, Enio
Bueno",
affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto
Nacional de Pesquisas Espaciais (INPE)} and {Universidade Federal
de S{\~a}o Paulo (UNIFESP)} and {Instituto Nacional de Pesquisas
Espaciais (INPE)}",
title = "An{\'a}lise de agrupamento na otimiza{\c{c}}{\~a}o de futuras
aplica{\c{c}}{\~o}es de modelagem num{\'e}rica na estimativa e
previs{\~a}o de recurso e{\'o}lico",
journal = "Revista Brasileira de Geografia F{\'{\i}}sica",
year = "2017",
volume = "10",
number = "6",
pages = "1698--1711",
keywords = "Estimativa do vento, Energia e{\'o}lica, An{\'a}lise de
agrupamento, Wind estimate, Wind power, Cluster analysis.",
abstract = "A confiabilidade da estimativa e da variabilidade do vento num
local ou regi{\~a}o de interesse {\'e} essencial, principalmente
para empreendimentos de energia e{\'o}lica. Atualmente o
mapeamento de {\'a}reas com elevado potencial para a
explora{\c{c}}{\~a}o comercial pode ser realizado com o uso de
modelos atmosf{\'e}ricos que demandam um investimento
relativamente baixo. Por{\'e}m para realizar as
simula{\c{c}}{\~o}es com modelos atmosf{\'e}ricos de mesoescala
s{\~a}o necess{\'a}rios determinar os dom{\'{\i}}nios (grades)
do modelo que podem variar de alguns poucos km a dezenas de km.
Com o objetivo de auxiliar na determina{\c{c}}{\~a}o destes
dom{\'{\i}}nios ser{\'a} utilizada a t{\'e}cnica de
an{\'a}lise de agrupamento (Cluster Analysis) nas s{\'e}ries de
dados observados nas esta{\c{c}}{\~o}es meteorol{\'o}gicas
autom{\'a}ticas do Instituto Nacional de Meteorologia (INMET)
para o nordeste do Brasil. Esta classifica{\c{c}}{\~a}o consiste
em determinar o n{\'{\i}}vel de similaridade ou dissimilaridade
entre indiv{\'{\i}}duos aplicando uma fun{\c{c}}{\~a}o de
agrupamento a uma determinada vari{\'a}vel. Est{\'a}
an{\'a}lise tem como principal objetivo determinar regi{\~o}es
com padr{\~o}es de intensidade do vento semelhante dentro do
dom{\'{\i}}nio do estudo, e assim facilitar a
localiza{\c{c}}{\~a}o das grades nas simula{\c{c}}{\~o}es dos
modelos, evitando grades que possuam pontos com diferentes
padr{\~o}es de vento. Foram utilizados dados hor{\'a}rios de
velocidade do vento a 10 m de altura de 121 esta{\c{c}}{\~o}es
meteorol{\'o}gicas autom{\'a}ticas, no per{\'{\i}}odo de
janeiro de 2005 a dezembro de 2013. Os resultados obtidos
confirmaram que h{\'a} regi{\~o}es com diferentes padr{\~o}es
de vento no nordeste, que necessitam configura{\c{c}}{\~o}es de
grade distintas e parametriza{\c{c}}{\~o}es f{\'{\i}}sicas
adequadas aos fen{\^o}menos meteorol{\'o}gicos observados em
cada regi{\~a}o. A B S T R A C T The dependability of estimate
and variability of the wind in a place or region of interest is
essential, primarily for wind power projects. Currently the
mapping of areas with high potential for commercial exploitation
is carried out with the use of atmospheric models that require a
relatively low investment. However to make simulations with
mesoscale atmospheric models are required to identify model
domains (grids) that can range from few kilometers to tens of
kilometers. The goal is determine this domains cluster, the
analysis will be made to the observed data from automated weather
stations of the National Institute of Meteorology (INMET) to
Northeast Brazil. This classification determine the level of
similarity or dissimilarity between individuals applying a
clustering function to a given variable. This analysis has as main
goal, determine regions with intensity patterns of similar wind
within domain of the study, and thus facilitate the location of
the grids in the simulations of the models, avoiding spots
gratings with patterns different of wind. Hourly data were used
for wind speed at 10 m height of 121 automatic weather stations,
from January 2005 to December 2013. The results confirmed that
there are regions with different wind patterns in Northeast, which
require different grid settings, and appropriate physical
parameterizations for meteorological phenomena observed in each
region.",
issn = "1984-2295",
language = "pt",
targetfile = "pinto_analise.pdf",
urlaccessdate = "27 abr. 2024"
}