[pt] A energia eólica tem crescido de forma estável no Brasil nos últimos anos. Para impulsioná-la, é crucial considerar as mudanças climáticas, já que sua geração é altamente influenciada pelo clima. Por isso, é fundamental incorporar variáveis climáticas externas na modelagem das séries eólicas, contribuindo para reduzir as incertezas. Os Modelos Periódicos Autorregressivos com Variáveis Exógenas (PARX) representam uma abordagem viável para cumprir esse propósito, incluindo a variável exógena ENSO. No presente estudo, realizou-se a modelagem das séries de velocidade do vento nos estados do Rio Grande do Norte, Paraíba, Pernambuco, Alagoas, Sergipe, Rio Grande do Sul e Santa Catarina. Nesse sentido, foi considerada a covariância entre esses estados em cada região brasileira para avaliar a correlação espacial entre eles, criando a modelagem PARX-Cov. Além disso, a correlação entre os indicadores do fenômeno ENSO também foi considerada para viabilizar a previsão out-of-sample das variáveis climáticas, essa utilizada para a simulação de cenários de velocidade de vento. Ao comparar a modelagem do PARX e PARX-Cov, com o modelo vigente no setor elétrico brasileiro, observou-se um desempenho superior nos modelos propostos para a simulação de realizações futuras das séries de velocidade do vento. O modelo PARX-Cov com o índice ONI Acumulado é o mais adequado para Pernambuco, Rio Grande do Sul e Santa Catarina. O PARX-Cov com o índice SOI é mais apropriado para o Rio Grande do Norte. Para Alagoas e Sergipe, o PARX com o índice ONI Acumulado é o mais indicado, enquanto o PARX com Niño 4 Acumulado é melhor para a Paraíba. / [en] Wind energy has been steadily growing in Brazil in recent years. To boost its growth, it is crucial to consider climate change, as wind energy generation is highly influenced by the weather. Therefore, it is essential to incorporate external climatic variables into the modeling of wind series, helping to reduce uncertainties. Periodic Autoregressive Models with Exogenous Variables (PARX) represent a viable approach to achieve this, including the ENSO exogenous variable. In the present study, wind speed series were modeled in the states of Rio Grande do Norte, Paraíba, Pernambuco, Alagoas, Sergipe, Rio Grande do Sul, and Santa Catarina. In this context, the covariance between these states in each Brazilian region was considered to assess the spatial correlation among them, creating the PARX-Cov modeling. Furthermore, the correlation between ENSO phenomenon indicators was also considered to enable out-of-sample forecasting of climatic variables, used for simulating wind speed scenarios. When comparing the PARX and PARX-Cov modeling with the current model in the Brazilian electric sector, the proposed models showed superior performance in simulating future wind speed series. The PARX-Cov model with the Accumulated ONI index is most suitable for Pernambuco, Rio Grande do Sul, and Santa Catarina. The PARX-Cov model with the SOI index is more appropriate for Rio Grande do Norte. For Alagoas and Sergipe, the PARX model with the Accumulated ONI index is the most recommended, while the PARX model with Accumulated Niño 4 is better for Paraíba.

[pt] Após o choque de racionamento de energia elétrica, decorrente do desequilíbrio entre oferta e demanda, os vários setores da sociedade brasileira constataram a real e iminente necessidade de diversificação das fontes de geração de energia elétrica e de seu uso racional. Busca-se hoje novas fontes, entre as quais a energia eólica, uma alternativa nova e promissora. A energia eólica está aumentando no mundo todo e o Brasil tem um enorme potencial devido a sua localização geográfica e o governo tem investido neste tipo de energia. O principal objetivo desta dissertação é estudar e desenvolver modelos de previsão de velocidade de vento, de curto prazo da velocidade do vento. Os métodos de amortecimento exponencial, em particular o método de Holt-Winters e suas variações, são apropriados para este contexto devido à sua alta adaptabilidade e robustez. Para aplicação da metodologia considerou-se o município de São João do Cariri (Estado de Paraíba), onde está localizada uma das estações de referência do projeto SONDA (Sistema Nacional de Dados Ambientais para o setor de energia). Será utilizado o método de Holt-Winters, que será comparado com os modelos: de persistência, neuro-fuzzy (ANFIS) e estatísticos. / [en] After the shock of electricity rationing, due to the imbalance between supply and demand, the various sectors of the Brazilian society found a real and imminent need to diversify sources of electricity generation and its rational use. New sources are searched today, including wind power, a promising new alternative. Wind energy has been increasing worldwide and Brazil has huge potential due to its geographical location and the government has invested in this type of energy. The main objective of this thesis is to study and develop forecasting models, of short-term wind speed. The methods of exponential smoothing, in particular the method Holt-Winters and its variations, are suitable in this context because of its high adaptability and robustness. The city of São João do Cariri (State of Paraíba), where it is located one of the reference stations of project SONDA (National Environmental Data for the energy sector) was chosen in order to apply the methodology. The method that will be used is Holt-Winters, who will be compared with the models: persistence, neuro-fuzzy (ANFIS) and statistics.

[pt] Como resultado do processo de contração de novos Leilões de energia eólica e a entrada em operação de novos parques eólicos ao sistema elétrico Brasileiro, é necessário que o planejamento da operação das atividades de curto prazo como a regulação, atendimento da carga, balanceamento e programação do despacho das unidades geradoras entre outras atividades, seja efetuado de tal que os riscos técnicos e financeiros sejam minimizados. Porém esta não é uma tarefa simples, já que fornecer previsões exatas para esse processo apresenta uma série de desafios, como a incorporação da incerteza no cálculo das previsões. Daqui que a literatura técnica reporta diversas técnicas que proporcionam estimativas da densidade de probabilidade de geração de energia eólica, pois tais estimações permitem obter previsões da densidade de probabilidade para a energia eólica. Neste contexto, a previsão da velocidade do vento nos aproveitamentos eólicos passa a ser uma informação fundamental para os modelos de apoio à decisão que suportam a operação econômica e segura dos sistemas elétricos, pois a maioria dos modelos precisa da previsão da velocidade do vento para calcular a previsão da energia eólica. Este trabalho apresenta uma proposta uma estratégia de especificação não paramétrica para a previsão da geração de energia eólica, empregando a comumente conhecida densidade condicional por kernel, o qual permite calcular a função densidade de probabilidade da produção eólica para qualquer horizonte de tempo, condicionada à previsão da velocidade do vento obtida através da aplicação da metodologia de Análise Espectral Singular (SSA) para previsão. A metodologia foi validada com sucesso usando a série temporal das medias horárias da velocidade do vento e da produção eólica de um parque eólico Brasileiro. Os resultados foram comparados contra outras metodologias para a previsão da velocidade do vento, onde a abordagem não paramétrica proposta produz resultados muito proeminentes. / [en] As a result of the new contracting process wind power auctions and the entrance into operation of new wind farms to the Brazilian electrical system, it is requires that the planning of the operation of short-term activities such as regulation, balancing and programming dispatch of units commitment among other activities, is made such that the technical and financial risks are minimized. But this is not a simple task, since providing accurate forecasts for this process presents several challenges, as the incorporation of uncertainty in the calculation of the forecasts. Hence the technical literature reports several techniques that provide estimates of the probability of wind power generation density, because such estimates allow to obtain forecasts of the wind power probability density function. In this context, wind speed forecasting in wind farms becomes essential information for decision support models which helps the economic and safe operation of electrical systems, due to the fact that most of the models need to the wind speed predictions for forecasting wind energy. This thesis proposes a non-parametric specification strategy for forecasting of wind power generation, using the commonly known conditional kernel density estimation, which allows the estimation of the probability density function of wind power generation for any time horizon, conditioned on wind speed forecast obtained by applying the Singular Spectrum Analysis methodology (SSA). The methodology has been successfully validated using the time series of wind speed and hourly averages of wind production of a Brazilian wind farm. The results were compared against other methodologies for wind speed prediction, and the proposed non-parametric approach produced very prominent results.

[pt] O Brasil sempre foi um país que teve sua matriz elétrica pautada majoritariamente em fontes renováveis, mais especificamente na hídrica. Com passar dos anos, esta tem se diversificado e demonstrado uma maior participação da fonte eólica. Para melhor explorála, pesquisas visando modelar seu comportamento são essenciais. Entretanto, não é sempre que se tem dados de velocidade do vento e de geração eólica disponíveis em quantidade e nas localidades de interesse. Esses dados são primordiais para identificar potenciais locais de instalação de parques eólicos, melhorar o desempenho dos existentes e estimular pesquisas de previsão e simulação da geração eólica que são entradas para auxiliar na melhor performance do planejamento e da operação do setor elétrico brasileiro. Na carência de dados de velocidade do vento, uma alternativa é o uso de dados vindos de base de reanálises. Elas disponibilizam longos históricos de dados de variáveis climáticas e atmosféricas para diversos pontos do globo terrestre e de forma gratuita. Desta forma, a primeira contribuição deste trabalho teve como foco a verificação da representatividade dos dados de velocidade do vento, disponibilizados pelo MERRA-2, no território brasileiro. Seguindo as recomendações da literatura, utilizou-se técnicas de interpolação, extrapolação e correção de viés para melhorar a adequação as velocidades fornecidas pela base de reanalise as que acontecem na altura dos rotores das turbinas dos parques eólicos. Em uma segunda contribuição combinou-se os dados do MERRA-2 com os de potência medidas em parques eólicos brasileiros para modelar de modo estocástico e não paramétrico a relação existente entre a velocidade e potência nas turbinas eólicas. Para isto utilizou-se as técnicas de clusterização, estimação das curvas de densidade e simulação. Por fim, em uma terceira contribuição, desenvolveu-se um aplicativo, no ambiente shiny, para disponibilizar as metodologias desenvolvidas nas duas primeiras contribuições. / [en] Brazil s energy landscape has historically relied heavily on renewable sources, notably hydropower, with wind energy emerging as a significant contributor in recent years. Understanding and harnessing the potential of wind energy necessitates robust modeling of its behavior. However, obtaining comprehensive wind speed and generation data, particularly in specific locations of interest, remains a challenge. In the absence of wind speed data, an alternative is to use data from a reanalysis database. They provide long histories of data on climatic and atmospheric variables for different parts of the world, free of charge. Therefore, the first contribution of this work focused on verifying the representativeness of wind speed data made available by MERRA-2 in Brazilian territory. Following literature recommendations, interpolation, extrapolation, and bias correction techniques were used to improve the adequacy of the speeds provided by the reanalysis based on those that occur at the height of the wind farm turbine rotors. In a second contribution, MERRA-2 data was combined with power measured in Brazilian wind farms to model in a stochastic and non-parametric way the relationship between speed and power in wind turbines. For this purpose, clustering, density curve estimation, and simulation techniques were used. Finally, the research culminates in the development of an application within the Shiny environment, offering a user-friendly platform to access and apply the methodologies devised in the preceding analyses. By making these methodologies readily accessible, the application facilitates broader engagement and utilization within the research community and industry practitioners alike.