O uso do recurso solar como fonte complementar em uma matriz energÃtica requer uma boa estratÃgia de previsÃo pois como a variÃncia da irradiaÃÃo solar causa uma variaÃÃo na potÃncia elÃtrica produzida, se faz necessÃrio prever resultados que possibilitem garantir decisÃes e aÃÃes estratÃgicas que mantenham o recurso solar estÃvel na malha energÃtica. Dentro desta premissa, a presente dissertaÃÃo apresenta a caracterizaÃÃo e previsÃo de sÃries de dados de irradiaÃÃo solar, registradas nos perÃodos de agosto de 2012 a julho de 2013, em ParnaÃba (PI), maio de 2012 a abril 2013, em Maracanaà (CE) e maio de 2012 a marÃo de 2013, em Petrolina (PE). Estes levantamentos constituem-se como sÃries temporais e, portanto, para suas previsÃes, necessitam de mÃtodos estatÃsticos especÃficos para o seu tratamento. Como a sazonalidade à uma caracterÃstica presente em dados de sÃries temporais de irradiaÃÃo solar, a caracterizaÃÃo e previsÃo sÃo feitas utilizando a componente de baixa sazonalidade da irradiaÃÃo solar, o Ãndice de transparÃncia atmosfÃrica, Kt. O uso desta componente justifica-se pelo fato de propiciar resultados de previsÃes mais precisos e confiÃveis, com baixa interferÃncia das componentes de tendÃncias, presentes nas sÃries de dados temporais, no processo de previsÃo. As previsÃes realizadas neste estudo utilizam o mÃtodo ARIMA, o mÃtodo de Alisamento Exponencial na modalidade Simples (AES) e o mÃtodo de MÃdias MÃveis (MA). Com adaptaÃÃo grÃfica dos dados e do mÃtodo de previsÃo entre a estaÃÃo seca e validaÃÃo do modelo (calibraÃÃo) em perÃodos de 30, 150 e 180 dias, na estaÃÃo chuvosa, obtÃm-se prognÃsticos de um perÃodo experimental de 30 dias para cada localidade. à realizada entÃo a avaliaÃÃo dos mÃtodos de previsÃo utilizados, sendo o mÃtodo ARIMA com previsÃo de 30 dias e validaÃÃo do modelo em 30 dias, o que apresenta os menores Ãndices de erro, com valores de Erro QuadrÃtico MÃdio de PrevisÃo (EQMP) de 0,008 para ParnaÃba (PI), 0,015 para Maracanaà (CE) e 0,010 para Petrolina (PE). AtravÃs das equaÃÃes de regressÃo, transformasse os valores de Kt obtidos com a previsÃo do mÃtodo ARIMA, obtÃm-se as previsÃes de 30 dias de mÃdias diÃrias de irradiaÃÃo solar de 6,4 kWh/m para ParnaÃba, 5,69 kWh/m para Maracanaà e 6,54 kWh/m para Petrolina / The use of solar resource, as a supplementary source in the countryâs energy matrix, requires a good forecast strategy that enables decision-making and strategic actions to keep the electrical potential generated in the national energy grid stable. Based on such premise, this dissertation presents the characterization and forecast of data series on solar irradiation registered at three locations in the Northeastern region of Brazil: from August 2012 to July 2013 in ParnaÃba (PI), from May 2012 to April 2013 in Maracanaà (CE), and from May 2012 to March 2013 in Petrolina (PE). Those surveys consist of time series and, therefore, they require specific statistical methods for their own treatment and forecast. As seasonality is a characteristic found in time series data of solar irradiation, the characterization and forecast are made by using the low seasonality component of solar radiation: the atmospheric transparency index, known as Kt. The use of this component is justified for providing more accurate and reliable forecast results, with low interference from trend components present in time series data within the forecast process. The forecasts made in this study have used the ARIMA method, the Simple Exponential Smoothing method (SES), and the Moving Average (MA) method. Forecasts are obtained from a 30-day trial period for each location, adapted graphically between the dry season, and validated within periods of 30, 150 and 180 days in the rainy season. Then, the evaluation of the forecast methods used is done, being the ARIMA method a 30-day forecast and in need of validation within 30 days, which shows the lowest error rates, with Root Mean Squared Error for Prediction values (RMSEP) of 0.008 for ParnaÃba (PI), 0.015 for Maracanaà (CE), and 0.010 for Petrolina (PE). Also, through the regression equations, by transforming the Kt values obtained with the ARIMA method forecast, one obtains a 30-day forecast of daily solar irradiation with averages of 6.4 kW/m for ParnaÃba, 5.69 kW/m for MaracanaÃ, and 6.54 kW/m for Petrolina

Conselho Nacional de Desenvolvimento CientÃfico e TecnolÃgico / In recent years wind energy is becoming increasingly competitive on the world stage, making their participation in the electricity generation matrix presents a strong growth expectation. This dissertation initially presents an analysis of the behavior of wind at three locations in Northeast Brazil (Maracanau-CE, Petrolina-PE e Parnaiba-PI). In a second step, statistical analyzes are researched to the most appropriate behavior patterns of the observed wind resource in the three localities. In conclusion, the impact of the statistical analyzes used in the production of electricity from wind turbines is identified. In this study,historicaldata of speed and direction of wind collectedare used, during periods of: February 2012 to January 2013, to Maracanau; August 2012 to July 2013, for Parnaiba; and May 2012 to March 2013, for Petrolina. The Weibull distribution is applied to approximate the histograms of wind speed using different horizons of applications (annual, semiannual) and four different numerical methods (Empirical, Momentum, Energy Pattern Factor and Equivalent Energy) for estimation of the form and scale parameters. In addition to evaluating the application of Weibull, other frequency distributions (Normal, Gamma and Log-Normal)are analyzed, in order to obtain the best possible fit. In a last step, with the aid of RETScreen program,annual production of electricity, delivered to the grid from wind turbines,is calculated. The optimum wind speed occurred in Parnaiba (10 and 11 m / s), followed by Petrolina (8 and 9 m / s). Among all different numerical methods that was evaluated, the Equivalent Energy method presented the best performance, unlike the Energy Pattern Factor method, that presented the worst. The Weibull distribution showed good potential for setting wind data in Maracanau and Parnaiba, both located along the coastline. However, based on the wind data recorded, in Petrolina, which is located further inland, the performance was inferior. Among all the different frequency distributions that were verified, only normal distribution had an fit as good as Weibull distribution. Based on the annual electricity production estimation, Parnaiba is the city that has the best potential for energy production. / Nos Ãltimos anos a energia eÃlica tem se tornando cada vez mais competitiva no cenÃrio mundial, fazendo com que sua participaÃÃo na matriz elÃtrica apresente uma forte expectativa de crescimento. A presente dissertaÃÃo apresenta inicialmente uma anÃlise do comportamento do vento em trÃs localidades no Nordeste do Brasil (Maracanaà (CE), Petrolina (PE) e ParnaÃba (PI)); numa segunda etapa, sÃo pesquisadas anÃlises estatÃsticas mais adequadas aos padrÃes de comportamento do recurso eÃlico observado nas trÃs localidades e, concluindo, à identificado o impacto das anÃlises estatÃsticas utilizadas na produÃÃo de eletricidade de aerogeradores. Neste estudo sÃo utilizados dados histÃricos de velocidade e direÃÃo do vento coletados durante os perÃodos de: fevereiro de 2012 - janeiro de 2013 para MaracanaÃ, Agosto de 2012 - Julho de 2013 para ParnaÃba, maio de 2012 - marÃo 2013 para Petrolina. A distribuiÃÃo de frequÃncia de Weibull à aplicada para aproximar os histogramas de velocidade do vento, utilizando diferentes horizontes de aplicaÃÃes (anual, semestral) e quatro diferentes mÃtodos numÃricos (EmpÃrico, Momento, Fator PadrÃo de Energia e Energia Equivalente) para a estimaÃÃo dos parÃmetros de forma e escala. AlÃm de avaliar a aplicaÃÃo de Weibull, sÃo analisadas outras distribuiÃÃes de frequÃncia (Normal, Gama e Log-Normal) objetivando obter o melhor ajuste possÃvel. Numa Ãltima etapa, com o auxÃlio do programa RETScreen,à calculada a produÃÃo de eletricidade anual entregue à rede a partir de aerogeradores. Os melhores valores de velocidade do vento ocorreram em ParnaÃba (10 e 11 m/s), seguido de Petrolina (8 e 9 m/s). Dos diferentes mÃtodos numÃricos avaliados, o mÃtodo de energia equivalente apresentou o melhor desempenho e o mÃtodo fator de padrÃo de energia foi o mÃtodo com o pior desempenho. A distribuiÃÃo de Weibull demonstrou bom potencial para o ajuste de dados de vento em Maracanaà e ParnaÃba, ambas localizadas ao longo do litoral. No entanto, em Petrolina, que està situada mais para o interior, foi verificado um desempenho limitado a partir dos dados de vento registrados. Das diferentes distribuiÃÃes de frequÃncias testadas, apenas a distribuiÃÃo normal apresenta um ajuste aproximado ao que Weibull permite desenvolver. Com base nas estimaÃÃes da produÃÃo de eletricidade anual, ParnaÃba à a cidade que apresenta o melhor potencial para o aproveitamento eolioelÃtrico.

CoordenaÃÃo de AperfeiÃoamento de Pessoal de NÃvel Superior / Para melhorias do sistema rodoviÃrio, tanto no que se refere à infra-estrutura quanto à operaÃÃo, à necessÃrio a realizaÃÃo de estudos e planejamento, buscando a melhor utilizaÃÃo dos recursos existentes. Para tanto, faz-se o uso de uma importante medida de trÃfego, o volume veicular. Os dados de trÃfego sÃo coletados por meio manuais ou eletrÃnicos, porÃm, ambos podem apresentar falhas e nÃo coletar os dados em sua totalidade. No caso dos equipamentos eletrÃnicos de contagem, a coleta contÃnua pode formar uma sÃrie histÃrica, que, devido a nÃo coleta, gera falhas ao longo da base de dados, as quais podem comprometer os estudos embasados nestas informaÃÃes. Este trabalho busca, portanto, realizar anÃlises de mÃtodos empregados para estimaÃÃo destes valores faltosos, buscando conhecer o modelo mais eficaz para a variÃvel Volume MÃdio DiÃrio dos dados obtidos pelos postos de contagem contÃnua instalados nas rodovias estaduais do CearÃ. Os modelos de estimaÃÃo aplicados neste trabalho sÃo os modelos ARIMA de anÃlise de sÃries temporais, e modelos simples, que apresentam aplicaÃÃo menos complexa e processamento mais rÃpido, enquanto que o ARIMA demanda maior conhecimento especÃfico do profissional que o utiliza. Assim, o mÃtodo mais eficaz aqui considerado foi o que obteve menores erros apÃs aplicaÃÃo do modelo. Para estas aplicaÃÃes foram selecionados quatro postos permanentes, de acordo com o percentual de dados vÃlidos e sua localizaÃÃo, buscando a utilizaÃÃo de postos em pontos representativos do estado. O melhor modelo encontrado foi o ARIMA (1,0,1)7 (com erro mÃdio de 1,816%), porÃm, um dos modelos simples, o MS2, obteve resultados prÃximos aos do ARIMA (erro mÃdio 1,837%), e tambÃm pode ser considerado satisfatÃrio para aplicaÃÃo na imputaÃÃo de valores faltosos. / In order to improve the road system, with regard to its infrastructure and operation, it is necessary to perform studies and planning, by seeking the best use of existing resources. Therefore an important traffic measure is used, i.e., vehicle volume. Traffic data is collected either manually or electronically; however both ways can fail and not collect all data. In the case of electronic counting equipment, the continuous data collection may form a time series, which produces failures in the database due to non-collection, which can compromise the studies based on this information. Therefore this work aims to perform analysis of methods used to estimate these missing values, by trying to know the most effective model for the Average Daily Volume variable of the data obtained by the continuous counting stations installed in the state highways of CearÃ. The estimation models used in this work are the ARIMA models for time series analysis, and simple models, which present a less complex application and a faster processing, while the ARIMA requires more specific knowledge of the professional who uses it. The most effective method considered herein was the one that obtained smaller errors after the application of the models. Four permanent counting stations were selected for these applications, according to the percentage of valid data and its location, by seeking the use of stations in representative points of the state. The best model found was ARIMA (1,0,1)7 (with an average error of 1.816%), however one of the simplest models, MS2, produced results similar to those of ARIMA (an average error of 1.837%), and it can also be considered suitable for application in the allocation of missing values.