Modelagem multifractal da velocidade horária do vento no município de Patos, Paraíba

  • Kerolly Kedma Felix do Nascimento Universidade Federal Rural de Pernambuco
  • Fábio Sandro dos Santos Universidade Federal Rural de Pernambuco
  • Diego Alves Gomes Universidade Federal Rural de Pernambuco
  • Jader da Silva Jale Universidade Federal Rural de Pernambuco
  • Rayane Santos Leite Universidade Federal Rural de Pernambuco
  • Tatijana Stosic Universidade Federal Rural de Pernambuco
  • Tiago Alessandro Espínola Ferreira Universidade Federal Rural de Pernambuco
Palavras-chave: Energia eólica, MFDFA, Persistência, Potencial

Resumo

Nos últimos anos, as investigações acerca das propriedades da velocidade do vento têm se intensificado com o objetivo de alcançar um melhor aproveitamento dos ventos e redução de eventuais prejuízos decorrentes da instalação de parques eólicos em locais ineficazes à produção de energia eólica. Neste trabalho utilizamos o método Multifractal Detrended Fluctuation Analysis (MFDFA) aplicado aos registros horários de velocidade do vento durante o período de 21 de julho de 2007 a 30 de setembro de 2018 na cidade de Patos, sertão paraibano. Verificou-se uma velocidade média dos ventos de 3,367m/s, apontando que essa região apresenta um tímido potencial para geração de energia eólica, justificado, provavelmente, por sua localização vizinha ao município de Santa Luzia-PB, o qual apresenta características essenciais à instalação de uma usina eólica. Os resultados obtidos indicam comportamento de multifractalidade na base de dados analisada e persistência de longo alcance na velocidade do vento, sendo um indicativo para a necessidade de planejamentos que viabilizem a futura instalação de uma fazendo eólica em Patos.

Biografia do Autor

Kerolly Kedma Felix do Nascimento, Universidade Federal Rural de Pernambuco

Doutoranda em Biometria e Estatística Aplicada na Universidade Federal Rural de Pernambuco. Possui Mestrado em Biometria e Estatística Aplicada (2017), Especialização em Matemática e Física pela Faculdade de Juazeiro do Norte (2012) e Graduação em Licenciatura em Matemática pela Universidade Regional do Cariri (2011). Tem experiência nas seguintes áreas: Matemática, Física, Probabilidade e Estatística Aplicada.

Fábio Sandro dos Santos, Universidade Federal Rural de Pernambuco
Possui graduação em Estatística pela Universidade Estadual da Paraíba (2015). Atualmente é discente no Mestrado do Programa de Pós-Graduação em Biometria e Estatística Aplicada na Universidade Federal Rural de Pernambuco (UFRPE). Tem experiência na área de Probabilidade, Séries Temporais e Estatística, com ênfase em Probabilidade e Estatística Aplicada.
Diego Alves Gomes, Universidade Federal Rural de Pernambuco
Tem experiência na área de Probabilidade e Estatística, com ênfase em Modelagem Estatística em áreas multidisciplinares.
Jader da Silva Jale, Universidade Federal Rural de Pernambuco
Possui Bacharelado em Estatística pela Universidade Federal do Ceará (2008), Mestrado em Biometria e Estatística Aplicada pela Universidade Federal Rural de Pernambuco (2010) e Doutorado em Biometria e Estatística Aplicada pela Universidade Federal Rural de Pernambuco (2015). Atualmente faz Pós-Doutorado em Ciência da Computação na Universidade Federal Rural de Pernambuco. Tem experiência em Estatística e Ciência da Computação, atuando nas seguintes linhas de pesquisa: Desenvolvimento e Aplicações em Modelagem Computacional, Estatística Computacional, Inteligência Artificial, Processos Estocásticos, Programação Paralela, Séries Temporais, Econofísica e Modelagem Estatística.
Rayane Santos Leite, Universidade Federal Rural de Pernambuco
Possui Bacharelado em Estatística pela Universidade Estadual da Paraíba, Mestrado em Biometria e Estatística Aplicada pela Universidade Federal Rural de Pernambuco. Atualmente é Doutoranda em Biometria e Estatística Aplicada pela Universidade Federal Rural de Pernambuco.
Tatijana Stosic, Universidade Federal Rural de Pernambuco
Possui doutorado em Física Estatística pela Universidade de Belgrado, atualmente é Professora Associada III do Departamento de Estatística e Informática da Universidade Federal Rural de Pernambuco. Atua na Pós-Graduação em Biometria e Estatística Aplicada da UFRPE, onde promove aplicação de métodos de Física Estatística em diversas áreas fenomenológicas, para análise de dados de meio ambiente, hidrologia, economia e medicina. Tem experiência na área de Física Estatística e Estatística Aplicada, atuando principalmente nos seguintes temas: analise fractal, multifractal e de entropia das series temporais e dados espaciais, Econofísica, modelo de Ising.
Tiago Alessandro Espínola Ferreira, Universidade Federal Rural de Pernambuco
Possui graduação em Bacharelado em Física - Departamento de Física (1995), mestrado em Física pela Universidade Federal de Pernambuco (1998), doutorado em Ciências da Computação pela Universidade Federal de Pernambuco (2006). Atualmente é professor associado da Universidade Federal Rural de Pernambuco. É um dos fundadores do Programa de Pós-graduação em Informática Aplicada da UFRPE, onde encontra-se com coordenador. Também é membro permanente do Programa de Pós-Graduação em Biometria e Estatística Aplicada da UFRPE. Tem experiência na área de Ciência da Computação e Física, com ênfase em Inteligência Artificial, computação Quântica e computação científica, atuando principalmente nos seguintes temas: previsão, sistemas híbridos, algoritmos de busca, aprendizagem de máquina, séries temporais, redes neurais artificiais e econofísca. Bolsista de Produtividade CNPq.

Referências

ABEEOLICA. Mais de 870 mil Paraibanos terão ‘Energia dos Ventos’ em 2018 (Correio da Paraíba). 2017. Disponível em: <http://abeeolica.org.br/noticias/brasil-avanca-em-ranking-de-energia-eolica-com-ventos-entre-os-melhores-do-mundo-reuters/>. Acesso em: 30 mar. 2019.

ABEEOLICA. Brasil avança em ranking de energia eólica com ventos entre os melhores do mundo (Reuters). 2018a. Disponível em: <http://abeeolica.org.br/noticias/mais-de-870-mil-paraibanos-terao-energia-dos-ventos-em-2018correio-da-paraiba/>. Acesso em: 30 mar. 2019.

ABEEOLICA. Espanhola Iberdrola investe 1 bilhão de euros em complexo eólico no Brasil (Exame). 2018b. Disponível em: <http://abeeolica.org.br/noticias/espanhola-iberdrola-investe-1-bilhao-de-euros-em-complexo-eolico-no-brasil-exame/>. Acesso em: 30 mar. 2019.

DUTTA, S.; GHOSH, D.; SAMANTA, S.; DEY, S. Multifractal parameters as an indication of different physiological and pathological states of the human brain. Physica A: Statistical Mechanics and its Applications, Elsevier, v. 396, p. 155-163, 2014.

GUIGNARD, F.; LOVALLO, M.; LAIB, M.; GOLAY, J.; KANEVSKI, M.; HELBIG, N.; TELESCA, L. Investigating the time dynamics of wind speed in complex terrains by using the Fisher-Shannon method. Physica A: Statistical Mechanics and its Applications, v. 253, p. 611-621, 2019.

INVESTIMENTOS E NOTÍCIAS. Geração de energia eólica cresce 17,8% em 2018. 2018. Disponível em: <http://www.investimentosenoticias.com.br/noticias/negocios/geracao-de-energia-eolica-cresce-17-8-em-2018>. Acesso em: 29 mar. 2019.

JUNIOR, S. F. A. X., STOSIC, T., STOSIC, B.; JALE, J. D. S.; XAVIER, E. F. M. A brief multifractal analysis of rainfall dynamics in Piracicaba, São Paulo, Brazil. Acta Scientiarum. Technology, Editora da Universidade Estadual de Maringá-EDUEM, v. 40, p. e35116, 2018.

KANTELHARDT, J. W., KOSCIELNY-BUNDE, E., RYBSKI, D., BRAUN, P., BUNDE, A.; HAVLIN, S. Long-term persistence and multifractality of precipitation and river runoff records. Journal of Geophysical Research: Atmospheres, Wiley Online Library, v. 111, n. D1, 2006.

KANTELHARDT, J. W.; ZSCHIEGNER, S. A.; KOSCIELNY-BUNDE, E.; HAVLIN, S., BUNDE, A.; STANLEY, H. E. Multifractal detrended fluctuation analysis of nonstationary time series. Physica A: Statistical Mechanics and its Applications, Elsevier, v. 316, n. 1-4, p. 87-114, 2002.

KAVASSERI, R. G.; NAGARAJAN, R. A multifractal description of wind speed records. Chaos, Solitons & Fractals, Elsevier, v. 24, n. 1, p. 165-173, 2005.

LAIB, M.; GOLAY, J.; TELESCA, L.; KANEVSKI, M. Multifractal analysis of the time series of daily means of wind speed in complex regions. Chaos, Solitons & Fractals, Elsevier, v. 109, p. 118-127, 2018.

LEITE, A. P.; FALCÃO, D. M.; BORGES, C. L. Modelagem de usinas eólicas para estudos de confiabilidade. Sba: Controle & Automação Sociedade Brasileira de Automática, SciELO Brasil, v. 17, n. 2, p. 177-188, 2006.

STOSIC, T.; STOSIC, B. D. Multifractal ananysis of human retinal vessels. IEEE transactions on medical imaging, v. 25, n.8, p. 1101-1107, 2006.

TELESCA, L.; LOVALLO, M. Analysis of the time dynamics in wind records by means of multifractal detrended fluctuation analysis and the Fisher-Shannon information plane. Journal of Statistical Mechanics: Theory and Experiment, IOP Publishing, v. 2011, n. 07, p. P07001, 2011.

YUAN, Y.; ZHUANG, X. T.; JIN, X. Measuring multifractality of stock price fluctuation using multifractal detrended fluctuation analysis. Physica A: Statistical Mechanics and its Applications, Elsevier, v. 388, n. 11, p. 2189-2197, 2009.

R CORE TEAM. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. 2012. ISBN 3-900051-07-0, URL <http://www.R-project.org/>.

Publicado
29-07-2019