[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.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:68398 |
| Date | 21 October 2024 |
| Creators | RAFAEL ARAUJO COUTO |
| Contributors | PAULA MEDINA MACAIRA LOURO, PAULA MEDINA MACAIRA LOURO |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0022 seconds