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

Kerolly Kedma Felix do Nascimento, Fábio Sandro dos Santos, Diego Alves Gomes, Jader da Silva Jale, Rayane Santos Leite, Tatijana Stosic, Tiago Alessandro Espínola Ferreira

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.


Palavras-chave


Energia eólica; MFDFA; Persistência; Potencial

Texto completo:

PDF

Referências


ABEEOLICA. Mais de 870 mil Paraibanos terão ‘Energia dos Ventos’ em 2018 (Correio da Paraíba). 2017. Disponível em: . Acesso em: 30 mar. 2019.

ABEEOLICA. Brasil avança em ranking de energia eólica com ventos entre os melhores do mundo (Reuters). 2018a. Disponível em: . Acesso em: 30 mar. 2019.

ABEEOLICA. Espanhola Iberdrola investe 1 bilhão de euros em complexo eólico no Brasil (Exame). 2018b. Disponível em: . 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: . 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 .