Anda di halaman 1dari 9

III Congresso Brasileiro de Energia Solar - Belm, 21 a 24 de setembro de 2010

PREVISO DE CURTO PRAZO DA GERAO ELIO-ELTRICA PARA


O NORDESTE BRASILEIRO POR REDES NEURAIS ARTIFICIAIS
Andr Rodrigues Gonalves andre.rodrigues@cptec.inpe.br
Enio Bueno Pereira enio.pereira@cptec.inpe.br
Fernando Ramos Martins fernando.martins@cptec.inpe.br
Instituto Nacional de Pesquisas Espaciais, Centro de Cincia do Sistema Terrestre
Resumo. A capacidade elica instalada vem crescendo consistentemente em diversos pases nos ltimos anos. Por se
tratar de uma forma de energia relativamente recente, seu desenvolvimento tecnolgico ocorre paralelamente
expanso da indstria de gerao elica. Devido a seu carter altamente varivel no espao e no tempo, um dos
grandes desafios impostos por esta fonte consiste em prever a potncia elica disponvel em um momento futuro, de
modo a otimizar o despacho de energia pelo rgo gerenciador do sistema eltrico. Apesar dos inmeros estudos
efetuados no exterior, pouco se avanou nesta rea no Brasil, onde a capacidade elica instalada vem atingindo
patamares significativos, predominantemente na regio Nordeste. Este trabalho se prope a desenvolver um modelo de
previso de potncia disponvel a curto-prazo para a regio Nordeste utilizando a tcnica de redes neurais artificiais
alimentada por dados das sadas operacionais do modelo de previso do tempo Eta20km do CPTEC/INPE.
apresentada uma discusso sobre a previso de vento a curto-prazo e avaliado o impacto dos erros atuais na previso
da potncia elica disponvel. Os resultados finais do trabalho devem corroborar a hiptese de que um ganho
significativo nas previses de vento pode ser alcanado a partir de um modelo de ajuste estatstico baseado em redes
neurais artificiais.
Palavras-chave: Energia Elica, Previso de Vento, Refinamento Estatstico, Redes Neurais Artificiais
1.

INTRODUO

Nas ltimas dcadas tm-se observado uma insero crescente da gerao elio-eltrica na matriz energtica
mundial e a perspectiva que esta seja ainda mais acentuada no futuro (WWEA, 2009). Este crescimento se justifica
principalmente pelo estgio de maturidade tecnolgica alcanado pela indstria elica, que possibilitou reduo do
custo da eletricidade produzida, aliado s metas mais ousadas de reduo das emisses de CO2 dada a presso
internacional para mitigar as possveis causas do aquecimento global.
A energia elica, assim como outras formas de energia dependentes da dinmica de nossa ecosfera como a solar e
das mars, apresenta grande variabilidade temporal, tornando necessrio que se desenvolva ferramentas de maior
confiabilidade para a previso de curto prazo da potncia disponvel. Estas ferramentas alm de permitirem um melhor
gerenciamento do sistema eltrico, auxiliam tambm na manuteno programada dos aerogeradores, reduzindo os riscos
de danos por ventos extremos e tornando a energia elica mais competitiva no mercado de eletricidade mundial.
Devido incerteza associada potncia disponvel, existe uma discusso na comunidade internacional sobre os
limites seguros para a penetrao da energia elica na matriz energtica de um pas (Landberg et al. 2003), sendo que
algumas economias j experimentam uma insero prxima dos 20%, o que torna o aprimoramento das ferramentas de
previso um fator determinante para a segurana energtica nacional.
As previses de vento a curto prazo tem implicaes tambm na capacidade de despacho de energia eltrica pelas
linhas de transmisso e, portanto, no gerenciamento do sistema eltrico. O vento um dos principais parmetros
meteorolgicos que controlam a capacidade de disperso do calor gerado devido ao aquecimento dessas linhas pelo
Efeito Joule.
1.1. A energia elica no Brasil
O Brasil possui um potencial elico estimado de 143GW (Amarante et al. 2001), no entanto este valor pode ser
ainda maior devido ao aumento das dimenses dos aerogeradores e possibilidade de explorao do potencial offshore.
Adicionalmente, projees de cenrios climticos futuros indicam que este potencial tende a aumentar, (Pes, 2010) o
que coloca o pas em uma posio privilegiada no cenrio mundial da energia elica. Tal abundncia se verifica
principalmente nas regies Nordeste, Sudeste e Sul, com predominncia das regies costeiras, o que se configura como
uma vantagem para a transmisso eltrica dada a maior densidade de linhas de transmisso para a gerao
descentralizada com grandes centros urbanos, e da malha viria, o que repercute favoravelmente no custo dos projetos
elicos.
A regio Nordeste brasileira possui ainda uma particularidade que a complementaridade hidro-elica, uma vez
que as vazes dos rios e o regime de ventos possuem um ciclo sazonal alternado, que somado ao despacho

III Congresso Brasileiro de Energia Solar - Belm, 21 a 24 de setembro de 2010

complementar das usinas termoeltricas permite o ajuste demanda de eletricidade garantindo a segurana da gerao
eltrica na regio. Este gerenciamento s possvel devido ao Sistema Interligado Nacional (SIN) que permite remanejo
das cargas pelo Operador Nacional do Sistema (ONS).
Embora com certa defasagem em relao expanso mundial, nos ltimos anos o pas vem experimentando um
forte crescimento no setor elico, impulsionado principalmente pelo PROINFA (Dutra e Szklo, 2007), onde projees
futuras indicam que a penetrao elica brasileira superar 1% at 2012 segundo dados do Balano Energtico Nacional
(BEN 2008). Neste contexto, se faz cada vez mais necessrio o desenvolvimento de uma metodologia para a previso
de energia elica de curto prazo adequada ao territrio brasileiro, que seja embasada nas previses numricas
disponibilizadas operacionalmente no pas e compatvel com o clima tropical, permitindo assim que as usinas elicas
adquiram maior competitividade e que o sistema eltrico seja gerenciado de forma otimizada.
1.2. Previso de gerao a curto-prazo
A previso de potncia elica disponvel est intimamente relacionada previso do vento prximo superfcie,
tratando-se, portanto de objeto de estudo das cincias atmosfricas. De maneira geral, se forem desprezadas perdas
devido instalao dos aerogeradores, que so caractersticas de cada parque, a potncia disponvel se torna uma funo
da velocidade do vento, conforme a curva de potncia de um aerogerador de 2,1 MW disponvel no mercado mostrada
na figura (1).

Figura 1. Curva de potncia tpica de uma aerogerador de 2,1 MW.


importante ressaltar que no intervalo operacional de ventos tpico do aerogerador a potncia disponvel funo
do cubo da velocidade do vento, de maneira que os erros na previso de vento so amplificados quando convertidos em
potncia e justificando assim a necessidade de previses de vento cada vez mais confiveis. (Burton et al. 2001). Esta
relao representada pela equao (1), onde A a rea de giro da p, a densidade do ar, U o vento, e P a potncia
final disponvel de um aerogerador. Conforme ilustrado o coeficiente de potncia Cp varia significativamente e
tambm uma funo da velocidade do vento.

P = Cp A U 3

(1)

No entanto os modelos de Previso Numrica de Tempo (PNT), disponveis operacionalmente foram


desenvolvidos tendo como principal objetivo a previso dos fenmenos fsicos em escalas maiores, como o
deslocamento de massas de ar e o avano de frentes, e possuem uma resoluo espacial da ordem de 10km, desprezando
ou simplificando atravs de parametrizaes alguns fenmenos micrometeorolgicos o que resulta em uma performance
degradada dentro da Camada Limite Atmosfrica (CLA), onde esto os aerogeradores. Nesta camada da atmosfera as
grandezas apresentam grande flutuao ao longo do tempo, devido turbulncia trmica e mecnica presente no
escoamento, e como este ainda no um processo fsico completamente compreendido existe grande dificuldade em sua
modelagem matemtica (Stull, 1988). A aproximao para o perfil vertical comumente adotada na camada superficial
corresponde a um perfil logartmico, como descrito pela equao (2), onde U* a velocidade de frico, Zo o
comprimento de rugosidade, k a constante de Von Karman e Z a altura do solo. No entanto vale ressaltar que U* varia
significativamente em funo da estabilidade atmosfrica, o que exige o desenvolvimento de aproximaes como a
teoria da similaridade de Monin-Obukhov, desenvolvida a partir de 1954 e implementada em diversos modelos
meteorolgicos (Focken, 2006).

III Congresso Brasileiro de Energia Solar - Belm, 21 a 24 de setembro de 2010

U=

U* Z
ln
k
Z0

(2)

Nos ltimos anos muitos estudos foram realizados utilizando tcnicas diversas visando a otimizao destas
previses de vento, desde modelagem fsica em microescala (Lange, 2006) at ferramentas estatsticas diversas (Fan et
al., 2009). Comumente opta-se por uma combinao entre estas tcnicas para uma melhor performance das previses
(Costa et al., 2006), (Ernst et al., 2007).
No Brasil foram efetuados alguns estudos nesta rea como, por exemplo a extrapolao de sries temporais de
vento (Oliveira, 2008), a qual apresenta limitaes para horizontes de previso superior a 24 horas. H exemplos
tambm de trabalhos onde variveis meteorolgicas prognsticas como temperatura e presso foram includas como
preditores para um modelo estatstico (Dalmaz, 2007). Entretanto os resultados obtidos at o momento ainda so
modestos quando comparados a modelos desenvolvidos em outros pases (Guenard et al., 2007), o que o que abre um
leque de oportunidades e desafios para pesquisa nessa rea.
Este trabalho apresenta uma metodologia que utiliza sadas operacionais do modelo ETA acoplado a um esquema
de redes neurais artificiais com o fim de desenvolver um aplicativo de previso de produo de energia elica. A rede
foi treinada para com base em dados anemomtricos de torres localizadas em uma rea-teste na regio Nordeste do pas.
1.3. Redes Neurais Artificiais
As redes neurais artificiais (RNA) surgiram como uma ferramenta para representar uma relao entre um conjunto de
variveis de entrada e sada, que at ento desconhecida, a partir de um conjunto de dados de treinamento. Se
corretamente empregada possui a capacidade de representar fenmenos fsicos complexos, e por isso ultimamente vm
sendo largamente empregada nas geocincias propiciando grande avano na modelagem (Mendes e Marengo, 2009).
Sua principal vantagem em relao s regresses lineares mltiplas justamente a capacidade de representar processos
no-lineares. Neste estudo especificamente, devido ao carter turbulento das variveis meteorolgicas no interior da
CLA, as componentes no-lineares das equaes de Navier-Stokes no podem ser desprezadas, justificando assim a
melhor performance dos modelos de RNAs em relao regresso linear mltipla para representao dos fenmenos
micrometeorolgicos. A principal vantagem das RNAs em relao modelagem fsica o custo computacional
extremamente baixo. No entanto, a RNA apresenta desvantagens como a especificidade espacial, isto , baixa
capacidade de generalizao, e a necessidade de uma base de dados observados suficientemente grande para representar
as diferentes condies do processo fsico a ser modelado.
Diversas so as possibilidades de estruturao de uma RNA, uma vez que necessrio selecionar o tipo de
neurnio, o nmero de parmetros de entrada, o nmero de camadas ocultas, o tipo de treinamento, sendo que testes
com diferentes configuraes so geralmente empregados para a definio de sua arquitetura (Haykin, 1997). Para se
desenvolver um modelo de RNA necessrio que se tenha um conjunto de parmetros de entrada, ou preditores, e um
conjunto de sada, ou preditando. Esses conjuntos sero subdivididos para uso em duas etapas diferentes: treinamento
da rede e validao das estimativas produzidas. A correta seleo dos preditores fundamental para um bom
desempenho do modelo (Mori e Umezawa, 2009).
2.

DADOS

2.1. Dados de Campo


Os dados observacionais disponveis para este trabalho so oriundos da rede SONDA, alm de dados coletados no
estado de Alagoas cedidos por colaboradores (Costa, 2009). Os dados foram coletados em torres anemomtricas com
diversos nveis de medio e constitudos por sries de intensidade e direo do vento conforme descrito na Tabela 1. A
aquisio de dados possui resoluo temporal de 10 minutos, mas a base de dados foi convertida para mdias horrias
devido limitao na resoluo dos preditores, originrio dos modelos meteorolgicos.
Adotou-se o Nordeste brasileiro como zona de treinamento, por se tratar da regio de maior concentrao de
potencial elico no Brasil. Foi observada a distribuio geogrfica das torres para uma melhor representao do
territrio, de modo que 3 torres se localizam no litoral e outras 4 torres no interior do continente como ilustra a Figura 2.
O perodo dos dados varia em funo de cada torre, no entanto todas possuem pelo menos 12 meses completos e
ininterruptos, possibilitando que o modelo desenvolvido identifique as variaes sazonais do vento. Os dados que
excedem este perodo podem ser usados para validao do modelo uma vez que lacunas nas sries no influenciam a
habilidade de previso da RNA depois de treinada. Cabe ressaltar que todos os dados esto compreendidos no intervalo
de Agosto de 2006 a Abril de 2009 e foram qualificados de acordo com a metodologia de controle de qualidade
desenvolvida para a rede SONDA e descrita em http:\\sonda.cptec.inpe.br.

III Congresso Brasileiro de Energia Solar - Belm, 21 a 24 de setembro de 2010

Tabela 1. Caractersticas das torres anemomtricas


ESTAO
gua Branca - AL
Alcntara - MA
Girau do Ponciano - AL
Maragogi - AL
Petrolina - PE
Roteiro - AL
So Joo do Cariri - PB

SIGLA
AGB
ALT
GRP
MRG
PTR
RTR
SJC

ALTITUDE
718m
30m
410m
50m
387m
60m
486m

ALTURA TORRE NVEIS DE MEDIO


50m
30m/50m
70m
10m/28,5m/43m/70m
50m
30m/50m
50m
30m/50m
50m
10m/25m/50m
50m
30m/50m
50m
10m/25m/50m

Figura 2. Localizao das torres


2.2. Dados provenientes do modelo Eta/CPTEC
O Eta um modelo de mesoescala de previso numrica de tempo que vm sendo desenvolvido
internacionalmente para fins operacionais e de pesquisa meteorolgica h mais de 20 anos. Sua principal inovao em
relao a outros modelos de mesoescala foi a introduo da coordenada vertical eta () em substituio usual
coordenada sigma (), pois enquanto esta acompanha o contorno do relevo a primeira discretiza o relevo em degraus, o
que tem por objetivo reduzir erros no clculo dos gradientes horizontais (Black, 1994) e (Chou, 1996).
No Brasil, o Eta roda operacionalmente desde 1996 pelo Centro de Previso do Tempo e Estudos Climticos
(CPTEC/INPE) e vm sendo constantemente aperfeioado e adaptado para uma melhor performance nas previses de
tempo sobre o continente Sul-americano, sendo denominado Eta/CPTEC. Apesar do avano contnuo nos modelos
meteorolgicos estes ainda apresentam limitaes em sua utilizao para previses prximas da superfcie pois sua
resoluo horizontal constituda de grades de algumas dezenas de kilmetros, no captando adequadamente aspectos
micrometeorolgicos de cada regio. Alm disso, muitas variveis dentro da CLA no so parametrizadas dada a
dificuldade de estimar seus valores em funo da turbulncia atmosfrica, o que acarreta erros significativos para
determinadas condies atmosfricas (Janjic, 1994).
Desde 2006 o modelo Eta est operacional na resoluo espacial de 20x20 km onde so disponibilizadas sadas a
cada 6 horas para um horizonte de previso de 7 dias. Estas sadas constituem um total de 58 variveis sendo 9
dispostas em 19 nveis de presso, totalizando um grande volume de dados. Para alguns pontos de grade so gerados
meteogramas com resoluo horria, permitindo assim a verificao detalhada do ciclo dirio. Para este estudo foram
selecionados e utilizados dados de sada do modelo Eta/CPTEC como preditores para a RNA fornecidos para o mesmo

III Congresso Brasileiro de Energia Solar - Belm, 21 a 24 de setembro de 2010

perodo de disponibilidade dos dados de campo. Para os pontos com resoluo temporal de 6 horas, os valores
intermedirios foram interpolados criteriosamente tendo como referncia a grade mais prxima com resoluo temporal
horria. Cabe ainda ressaltar que as estimativas de vento do modelo Eta/CPTEC so disponibilizados para 10m de altura
acima da superfcie enquanto que as observaes apresentam-se em diversos nveis.
3.

METODOLOGIA

Primeiramente foram extrados os dados do modelo Eta para os pontos de grade mais prximos de cada torre
anemomtrica atravs do software GrADS. Este procedimento gerou arquivos que armazenam apenas as variveis
potencialmente de interesse para a previso de vento foram mantidas: 41 variveis de superfcie e 7 nveis de presso.
A fim de se avaliar a habilidade do modelo Eta em prever o vento em superfcie, foram feitas comparaes entre o
vento previsto e o observado para as diversas estaes com horizonte de previso de 24 horas. Os dados foram dispostos
em forma de disperso e foi calculado o coeficiente de correlao (R), o erro mdio (ME) ou vis, e a raiz do erro mdio
quadrtico (RMSE) todos para o nvel de 10m. As equaes (3), (4) e (5) descrevem o mtodo de clculo de cada um
destes ndices, onde P so dados previstos e O dados observados.
N

(P P )(O O )
i

R=

(3)

i =1
N

(P P )
i

i =1

ME =

RMSE =

(O O )
i

i =1

1 N
(Pi Oi )
N i =1
1 N
(Pi Oi )2

N i =1

(4)

(5)

Nesta primeira anlise optou-se por no fazer comparaes em nveis mais elevados uma vez que a extrapolao
vertical da sada do modelo poderia introduzir outros tipos de erro na anlise. Posteriormente, procedeu-se a avaliao
do modelo na previso da potncia elica disponvel ao longo do tempo, onde foi efetuada a converso do vento
observado em potncia elica observada a 50m empregando a Equao 1. Neste caso, o vento estimado pelo modelo Eta
foi extrapolado atravs dos perfis verticais observados experimentalmente at a altura de 50m e tambm convertido em
potncia elica disponvel. A curva de potncia utilizada para a converso dos dados de vento foi a mesma ilustrada na
Figura 1, que corresponde a de um gerador elico tpico com potncia nominal de 1,5 MW. Os ndices utilizados para a
avaliao das previses de potncia foram os mesmos utilizadas nas previses de vento e ambas anlises foram
efetuadas para dois perodos caractersticos, um ms seco e um ms chuvoso da regio nordeste. Cabe ressaltar que
algum estudos discutem que os ndices a serem minimizados variam em funo do tipo de acordo de compra e venda de
energia estabelecido entre o gerador e o comprador (Ravn, 2006), no entanto optou-se por manter os mesmos ndices
usados para avaliao do vento para permitir a avaliao do impacto deste sobre a energia produzida.
No desenvolvimento do modelo de previso por RNA est sendo realizada inicialmente a seleo dos preditores,
que a princpio pode ser qualquer conjunto das variveis de interesse previamente selecionadas das sadas do modelo
Eta/CPTEC. interessante que se reduza ao mximo o nmero de preditores na RNA para evitar instabilidades devido
ao nmero excessivo de pesos ajustveis na rede e assegurar um bom processo de aprendizado mesmo para sries
curtas. A primeira anlise realizada a separao por conjuntos utilizando a tcnica de clustering (Wilks, 2006), uma
vez que alguns preditores podem apresentar uma forte correlao entre si, tornando desnecessria a incluso de ambos.
O prximo passo consiste no teste da correlao entre as sries de preditores (variveis do modelo) e o preditando, que
no caso a intensidade do vento a 50m. Estes testes so executados para defasagens temporais distintas entre preditando
e preditores para garantir a eliminao de qualquer atraso que possa existir entre observao e modelo. Cumprida esta
etapa, as entradas da RNA esto definidas, no entanto foi preciso assegurar que a resoluo temporal de todas as sries
fosse a mesma, interpolando os valores para as variveis com resoluo temporal menor de forma a se obter dados
horrios.
O tipo de arquitetura inicialmente definida para a RNA de Perceptrons de Mltiplas Camadas (Multilayer
Perceptron-MLP), pois trata-se de uma RNA no-recorrente, com uma ou mais camadas ocultas capaz de implementar
qualquer funo contnua e por isso bastante usada em diversas reas da cincia (Braga, 1996). O treinamento adotado
o algoritmo Rprop que parece levar a tempos menores de treinamento em relao ao algoritmo de retropropagao
(Guarnieri, 2006). O nmero de camadas ocultas ser definido em funo dos resultados obtidos para cada
configurao. A ferramenta computacional adotada para o desenvolvimento do modelo o Neural Network Toolbox do
MATLAB. A rede est sendo treinada utilizando-se as previses para t+24 horas do modelo Eta/CPTEC, onde t o

III Congresso Brasileiro de Energia Solar - Belm, 21 a 24 de setembro de 2010

tempo inicial, implicando portanto que previses com maior antecedncia sejam afetadas apenas pela degradao na
acuracidade do prprio modelo Eta. As sries observacionais foram divididas em um parcela de treinamento e outra de
validao para cada torre, sendo que em mdia 2/3 dos dados sero utilizados no treinamento da RNA.
A performance do modelo de previso por RNAs ser avaliada de forma similar ao modelo Eta, com a diferena
que o modelo RNA gera as sadas de vento j a 50m do solo. Os mesmos ndices sero utilizados na anlise, porm ser
adicionado o clculo do Skill, que uma medida do ganho de um modelo em relao a outro para um determinado
ndice estatstico, conforme descrito na equao (6), onde no caso ser avaliada a reduo do RMSE do modelo RNA
em relao ao Eta para as previses de vento e potncia disponvel. Podero ainda ser feitas avaliaes dos modelos
para cada estao do ano, ou a avaliao cruzada entre modelos de torres distintas, para se analisar capacidade de
generalizao obtida.

Skill (RMSE, Eta ) =

4.

RMSERNA RMSEEta
RMSEEta

(6)

DISCUSSO

Conforme discutido anteriormente, os modelos de PNT apresentam dificuldades na previso de ventos prximo
superfcie. Alguns estudos avaliaram o desempenho do modelo Eta tanto no Brasil como no exterior. Lazic et al. (2009)
utilizando grades aninhadas de 3,5km para avaliao das previses de vento, onde as comparaes com dados
observados levaram a ME de 0,48 m/s, RMSE de 1,38 m/s e coeficientes de correlao de 0,79 a 10m do solo. No Brasil
foram realizados testes de sensibilidade no modelo Eta com intuito de se avaliar o ganho de acuracidade das previses
de vento (Lyra, 2008). Foi utilizada uma resoluo espacial de 5 km, e os melhores resultados levaram a ME de -0,98
m/s, RMSE de 2,08 m/s e coeficientes de correlao de 0.79 a 10m do solo. Cabe ressaltar que neste trabalho tambm
foram efetuadas comparaes para a torre de Alcntara, usada neste experimento, onde os resultados mais prximos
para o nvel de 50m apresentaram desvios elevados e coeficientes de correlao baixos indicando que o modelo Eta no
foi capaz de interpretar a dinmica atmosfrica local de maneira satisfatria.
A fim de verificar o comportamento do modelo Eta/CPTEC numa resoluo espacial menor (20km) em funo do uso
das rodadas operacionais no CPTEC/INPE foi realizada a validao das estimativas com as observaes obtidas na torre
de Roteiro-Al para o ms de novembro de 2007. Esta torre possui uma vantagem na execuo das comparaes pois
existem sadas do modelo Eta20km com resoluo horria para pontos de grade prximos torre. Para permitir a
comparao ao mesmo nvel do solo, as sadas do modelo, tipicamente a 10m, foram ajustadas para altura observada de
30m atravs de ajuste linear pela equao (2). Os resultados apresentaram ME de 2,59m/s, RMSE de 3,27 m/s e
coeficientes de correlao inferiores a 0.16 para as previses de vento. O grfico comparativo e a disperso para o vento
esto ilustrados nas Figura 3 e 4, respectivamente. Esta anlise preliminar sugere que o modelo Eta/CPTEC, utilizado
operacionalmente para a previso de tempo, tende a subestimar sistematicamente o valor de vento prximo a superfcie,
o que leva a subestimativas importantes na previso de energia gerada ao final de um dia. Este resultado est em acordo
com os obtidos pelos estudos anteriores. Esse procedimento de validao foi tambm realizado para as outras torres
anemomtricas listadas na Tabela 1, e apresentaram desvios incompatveis com o objetivo de previso de gerao elica
atravs das sadas operacionais diretas do modelo. Isso justifica o emprego de tcnicas de ajuste atravs de RNAs,
treinadas para cada regio de interesse, foco desse trabalho.
5.

CONSIDERAES FINAIS

A previso de potncia elica disponvel j se mostrou essencial em pases onde o a penetrao desta forma de
energia significativa, estando relacionada segurana, competitividade e eficincia do setor elio-eltrico. No Brasil,
entretanto, esta ainda uma tecnologia incipiente com poucos estudos publicados. O principal objetivo do presente
trabalho a validao de uma metodologia passvel de implementao operacional para parques elicos no Nordeste
brasileiro. Para isso mostrou-se necessrio fazer um diagnstico da capacidade atual de previso de potncia disponvel,
onde os resultados preliminares indicam que a performance do modelo numrico operacional Eta/CPTEC bastante
limitada, justificando o desenvolvimento de metodologia que produza estimativas de maior confiabilidade. Os
resultados por vir devem corroborar a hiptese de que se pode obter ganhos significativos nas previses atravs do
acoplamento de modelos estatsticos baseados em RNAs s sadas operacionais, com resoluo espacial de 20km, do
modelo Eta/CPTEC.

III Congresso Brasileiro de Energia Solar - Belm, 21 a 24 de setembro de 2010

Figura 3. Comparao entre velocidade do vento modelada e observada para 30m do solo

Figura 4. Disperso entre velocidade do vento modelada e observada para 30m do solo

Agradecimentos
O autor agradece CAPES por financiar este trabalho atravs da concesso da bolsa de mestrado, ao INPE por
fornecer a estrutura necessria, ao Prof. Dr. Roberto Lyra da UFAL e ao Prof. Dr. Gilberto Fisch do IAE pela
colaborao ao ceder os dados anemomtricos, e aos membros do Grupo de Energias Renovveis do CCST-INPE pela
ajuda cotidiana .

III Congresso Brasileiro de Energia Solar - Belm, 21 a 24 de setembro de 2010

REFERNCIAS
Black, T. L. 1994. The new NMC mesoscale ETA-model: description and forecast examples, Weather Forecasting,
vol.9, n.2, pp. 265-278.
Braga, A. P.; Carvalho A. C. P. F.; Ludermir, T. B., 1998. Fundamentos de redes neurais artificiais, 11a Escola de
Computao/Universidade Federal do Rio de Janeiro.
Burton, T., Sharpe, D., Jenkins, N., Bossanyi, E., 2001. Wind Energy Handbook, John Willey & Sons.
Campbell, P.R.J., 2007. Short-Term Wind Energy Forecasting, IEEE Canada Electrical Power Conference, pp. 342-346
Costa, G. B., 2009. Anlise Numrica Espacial e Temporal do Vento no Estado de Alagoas, Dissertao de Mestrado,
UFAL, Macei.
Costa, A., Crespo, A., Navarro, J., Palomares, A., Madsen, H., 2006. Modelling the Integration of Mathematical and
Physical Models for Short-term Wind Power Forecasting, European Wind Energy Conference - EWEC, Athens,
Greece.
Chou, S. C., 1996. Modelo Regional Eta. Climanlise, Edio comemorativa de 10 anos,. Disponvel em:
<http://www.cptec.inpe.br/products/climanalise/>.
Dalmaz, A., 2007. Estudo do potencial elico e previso de ventospara gerao de eletricidade em Santa Catarina,
Dissertao de Mestrado, UFSC, Florianpolis.
Dutra, R. M. e Szklo, A. S., 2007. Incentive policies for promoting wind power production in Brazil: Scenarios for the
Alternative Energy Sources Incentive Program (PROINFA) under the New Brazilian electric power sector
regulation, Renewable Energy, vol. 33, pp. 65-76.
Ernst, B., Oakleaf, B., Ahlstron, M. L., Lange, M., Moehrlen, C., Lange, B., Focken, U., Rohrig, K., 2007. Predicting
the Wind, IEEE Power & Energy magazine, vol. 5, n. 6, pp. 78-89.
Fan, S., Liau, J. R., Yokoyama, R., Chen, L., Lee, W.J., 2009. Forecasting the Wind Generation Using a Two-Stage
Network Based on Meteorological Information, IEEE Transactions on Energy Conversion, vol. 24, n. 2.
Foken, T., 2006. 50 years of the Monin-Obukhov similarity theory, Boundary-Layer Meteorology, vol.119, pp. 431447.
Guarnieri, R. A., 2008. Emprego de redes neurais artificiais e regresso linear mltipla no refinamento das previses de
radiao solar do modelo ETA, Dissertao de Mestrado, PGMET, INPE, So Jos dos Campos.
Haykin, S., 1994. Neural networks: a comprehensive foundation, Macmillan College Publishing Company.
Landberg, L., Giebel, G., Nielsen, A., Nielsen, T., Madsen, H., 2003. Short-term Prediction - An Overview, Wind
Energy, Vol.6, pp. 273-280
Lange, M., Focken, U. 2006. Physical Approach to Short-Term Wind Power Prediction, Springer.
Lazic, L., Pejanovic, Zivkovic, M. 2009. Wind forecasts for wind power generation using the Eta model, Renewable
Energy, vol. 35, no.1 pp. 1236-1243.
Lyra, A. A., 2009. Testes de sensibilidade e avaliao do modelo Eta para a regio nordeste, Dissertao de Mestrado,
PGMET, INPE, So Jos dos Campos.
Janji, Z. L. The step-mountain Eta coordinate model: further developments of the convection, viscous sublayer, and
turbulence closure schemes, Monthly Weather Review, vol. 122, n.5, pp. 927-945.
Guenard, V., Kariniotakis, G., Marti, I., 2007. ANEMOS Advanced Wind Power Forecasting. Operational Challenges
and On-line Performance, European Wind Energy Conference EWEC, Milan, Italy.
Mendes, D., Marengo, J. A., 2009. Temporal downscaling: a comparison between artificial neural network and
autocorrelation techniques over the Amazon Basin in present and future climate change scenarios, Theoretical and
Applied Climatology, publicado on-line em ago/2009.
Ministrio de Minas e Energia (MME). Balano energtico nacional 2009 (BEN 2009). Disponvel em:
<http://ben.epe.gov.br/>
Ministrio de Minas e Energia (MME). PROINFA. Disponvel em: < http://www.mme.gov.br/programas/proinfa >
Mori, H. Umezawa, Y. 2009. Application of NBTree to Selection of Meteorological Variables in Wind Speed
Prediction, transmission & Distribution Conference & Exposition: Asia and Pacific, Seoul, Korea.
Oliveira, J. B., 2008. Sistemas inteligentes e wavelets para previso de vento e gerao elica. Dissertao de
Mestrado, UFPE, Recife.
Pes, M. P., 2010. Dissertao de Mestrado, PGMET, INPE, So Jos dos Campos.
Ravn, H. F., 2006. Short term wind power prognosis with different success criteria, 9th International Conference on
Probabilistic Methods Applied to Power Systems, Stockholm, Sweden.
SONDA - Sistema de Organizao Nacional de Dados Ambientais. Disponvel em: <http://sonda.cptec.inpe.br/>
Stull, R. B. 1988. An introduction to boundary layer meteorology. Dordrecht: Kluwer Academic Publishers.
Wilks, D. S., 2006. Statistical Methods in the Atmospheric Sciences, Elsevier.
World Wind Energy Association - WWEA, 2009. World Wind Energy Report. Disponvel em:
<http://www.wwindea.org/>

III Congresso Brasileiro de Energia Solar - Belm, 21 a 24 de setembro de 2010

SHORT-TERM WIND POWER FORECAST USING ARTIFICIAL NEURAL


NETWORKS FOR NORTHEAST BRAZIL
Abstract. The installed wind energy capacity is increasing significantly in many countries worldwide. Since it is a
relatively new energy source, its technology development occurs beside the wind industry expansion. Due to its highly
variable characteristic in space and time, one of the main challenges is to forecast the available wind power in the
future, in order to optimize the energy dispatch by electrical managing institutions. Despite all studies carried out
abroad, there are few advances in this subject in Brazil, where the installed wind energy capacity is achieving relevant
thresholds, predominantly in the northeast region. This study aims to develop a short-term wind power forecast model
from the outputs of CPTEC/INPE Eta20km weather forecast model, using artificial neural networks techniques. It is
presented a discussion over short-term wind forecast and the impact of current accuracy on the available wind power.
The final results are expected to support the hypothesis that a significant gain in wind forecast performance can be
achieved from a statistical adjustment model based on artificial neural networks.
Key words: Wind Energy, Wind Forecast, Statistical Downscaling, Artificial Neural Networks