Impactos das variações e mudanças climáticas sobre os ventos extremos e seus efeitos no setor elétrico brasileiro

• Ano de defesa: 2015
• Autor(a) principal: Marcelo Pizzuti Pes
• Orientador(a): José Antonio Marengo Orsini, Enio Bueno Pereira
• Banca de defesa: Chou Sin Chan, Fernando Ramos Martins, María Cleofé Valverde Brambila
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Nacional de Pesquisas Espaciais (INPE)
• Programa de Pós-Graduação: Programa de Pós-Graduação do INPE em Ciência do Sistema Terrestre
• País: BR
• Resumo em Inglês: This study focuses on the aspects of the occurrence of extreme minimum and maximum winds at 10m, its probability distribution, return period and climate trends. The analyses are made use of wind speed time series observed at 10m from 42 stations belonging to DECEA - Brazilian Airspace Control Department as well as time series from the mesoscale regional circulation model (RCM) Eta HadCM3 for the period from 1960 to 1990 and future projections between 2010 and 2100. In order to reduce the uncertainty in results, we carried out a quality control process in the data series. Then, a cluster analysis was performed using the hierarchical method of Ward to identify homogeneous regions (RHs) of the study area. A total of six RHs were identified, among which the RH5 and RH6 have the highest maximum wind speed at 10m. To determine climatic trends in the wind series, we applied the Mann-Kendall test. The trend analysis for the minimum wind speed annual average indicated 50\% of non-significant trends, 28,5\% of negative trend and 21,4\% of positive trend. The analysis of maximum wind speed annual average indicated 35,7\% of non-significant trend, 19\% of negative trend and 45,2\% of positive trend. We applied three frequency distribution methods on the observed series: Gumbel, Weibull and GEV. To find the best fit of distributions models, we applied the Kolmogorov-Smirnov test and determined the standard error. Based on these two tests, the best fit was found by using the Gumbel model. For the maximum wind speed at 10m, the RH5 indicate the highest wind speed return period of 2 years for winds exceeding 19,68 m.s$^{-1}$and 20 years for winds exceeding 25 m.s$^{-1}$. The RH6 showed the second highest wind speed, in excess of 18,56 m.s$^{-1}$, for the 2-year return period. Thus, the RH5 and RH6 are the regions with higher risks for the structural integrity of wind turbines. To perform the trend analysis of the series from the predictions of the climate model, we performed a statistical refinement for the outputs of the RCM model using Artificial Neural Networks (ANN), training using the RCM model output as predictors and observed data at 10m as target. The ANN result in a significant improvement in minimum and maximum speed wind speed series, and the mean Pearson correlation increased from 0,16 to 0,76 and from 0,29 to 0,78, respectively. The gain (skill) of the average systematic error was 99,6\% to 99,3\% for the minimum and maximum wind speed, while the average RMSE gain was 85\% and 67\%, respectively. The results of trend analysis from RNA data series indicate an increase in the minimum wind speed along the Brazilian coast, mainly in the northeastern coast, and within the continent near the coast. By another hand, the maximum wind speed indicates increased within the North, Midwest and Southeast of Brazil.
• Link de acesso: http://urlib.net/sid.inpe.br/mtc-m18/2015/02.25.13.26

O presente trabalho investiga os aspectos relativos à ocorrência de ventos extremos mínimos e máximos a 10m, sua distribuição de probabilidade, período de retorno e tendência climática. Para isso são utilizadas séries temporais de velocidade do vento observado a 10m provenientes de 42 estações pertencentes ao DECEA, e simulações do modelo regional Eta climático rodado com as condições de contorno do modelo climático inglês \emph{HadCM3} compreendendo o período de 1960-1990 e projeções futuras entre 2010 e 2100 para o cenário de emissões A1B. Inicialmente, todos os dados passam por um processo de qualificação com o propósito de reduzir as incertezas dos resultados. Em seguida, é realizada a análise de agrupamento utilizando o método hierárquico de Ward a fim de identificar as regiões homogêneas (RHs) da área de estudo. Para determinar e quantificar as tendências climáticas nas séries de vento observado é aplicado o teste de Mann-Kendall. A análise de tendência das séries de médias mínimas anuais da velocidade do vento indicam 50\% de tendência não significativa, 28,5\% tendência negativa e 21,4\% de tendência positiva. Já as tendências das médias máximas anuais apresentam 35,7\% de tendência não significativa, 19\% de tendência negativa e 45,2\% de tendência positiva. Na etapa seguinte, são aplicados três métodos de distribuição de frequência às séries observadas: Gumbel, Weibull e GEV. A escolha do melhor ajuste das distribuições é feito pelo teste de Kolmogorov-Smirnov e pelo menor Erro Padrão. Com base nesses dois testes, o melhor ajuste é determinado pelo modelo de Gumbel. Em relação ao período de retorno da velocidade máxima do vento a 10m, a região homogênea RH5 apresenta os maiores valores de velocidade do vento para T= 2 anos, podendo ocorrer velocidades iguais ou acima de 19,68 m.s$^{-1}$ e a velocidade de 25 m.s$^{-1}$ pode ser superada uma vez a cada 20 anos. A RH6 representa o segundo maior valor de velocidade do vento em T=2, podendo ocorrer velocidades iguais ou acima de 18,56 m.s$^{-1}$. Para realizar o estudo de tendência climática das séries provenientes das projeções do modelo climático, é realizado o refinamento estatístico das saídas do modelo Eta-HadCM3 com o emprego de Redes Neurais Artificiais (RNAs), as quais são treinadas tendo como preditores as variáveis de saída do modelo e como alvo as séries de vento observado a 10m. Obtém-se com isso uma melhora significativa nas séries de velocidade mínima e máxima da velocidade do vento, sendo que a média da correlação de Pearson passou de 0,16 para 0,76 e de 0,29 para 0,78, respectivamente. O ganho (skill) médio em relação ao erro sistemático foi de 99,6\% para os mínimos e 99,3\% para os máximos de vento, enquanto que o ganho médio do RMSE foi de 85\% e 67\%, respectivamente. Com base nas análises de tendência climática das séries velocidade mínima e máxima do vento observado a 10m e do vento modelado pela RNA (projeções futuras 2010-2100), os resultados indicam aumento na velocidade mínima do vento ao longo da costa brasileira, principalmente na costa do Nordeste, e no interior do continente próximo à costa. Já os máximos de velocidade do vento indicam aumento no interior das regiões Norte, Centro-Oeste e Sudeste.