Silvania Maria Silva (2018).pdf
Silvania Maria Silva (2018).pdf
Documento PDF (2.0MB)
Documento PDF (2.0MB)
UNIVERSIDADE FEDERAL DE ALAGOAS
INSTITUTO DE CIÊNCIAS ATMOSFÉRICAS
PÓS-GRADUAÇÃO EM METEOROLOGIA
ESTUDO DOS PARÂMETROS AERODINÂMICOS PARA MELHORIA DA
PREVISÃO DO VENTO NO ESTADO DE ALAGOAS
SILVANIA MARIA SANTOS DA SILVA
MACEIÓ - AL
AGOSTO - 2018
SILVANIA MARIA SANTOS DA SILVA
ESTUDO DOS PARÂMETROS AERODINÂMICOS PARA MELHORIA DA
PREVISÃO DO VENTO NO ESTADO DE ALAGOAS
Dissertação submetida ao colegiado do Curso de PósGraduação em Meteorologia no Instituto de Ciências
Atmosféricas da Universidade Federal de Alagoas - UFAL,
como parte dos requisitos necessários para obtenção do título
de Mestre em Meteorologia.
Orientador (a): Prof. Dr. Roberto Fernando da Fonseca Lyra
MACEIÓ - AL
AGOSTO - 2018
Catalogação na fonte
Universidade Federal de Alagoas
Biblioteca Central
Bibliotecária Responsável: Helena Cristina Pimentel do Vale – CRB4-661
S586e
Silva, Silvânia Maria Santos da.
Estudo dos parâmetros aerodinâmicos para melhoria da previsão do vento no
estado de Alagoas / Silvânia Maria Santos da Silva. – 2018.
66 f. : il. color., tabs.
Orientador: Roberto Fernando da Fonseca Lyra.
Dissertação (mestrado em Meteorologia) – Universidade Federal de Alagoas.
Instituto de Ciências Atmosféricas. Maceió, 2018.
Bibliografia: f. 62-66.
1. Ventos – Parâmetros aerodinâmicos. 2. Energia eólica – Alagoas. 3. Lei da
potência (α). I. Título.
CDU: 551.509(813.5)
DEDICATÓRIA
À minha família e amigos verdadeiros, DEDICO.
AGRADECIMENTOS
Primeiramente a Deus, criador de todas as coisas.
Aos meus pais Fernando Silva e Sonia Santos, pela educação e incentivo dados a mim,
contribuindo para o meu crescimento e formação. Às minhas irmãs, Silvia e Flávia, pelo apoio
desde sempre. A uma pessoa muito especial, Pedro Victor, que me faz muito feliz e me apoia
muito desde sempre.
Ao meu Orientador e Prof. Dr. Roberto Lyra, um grande profissional na área de
Micrometeorologia, por ter acreditado em mim, dando-me uma oportunidade de crescer no
curso com suas aulas e depois na iniciação científica, onde tiver oportunidade de aprender e
evoluir até a Pós-Graduação. Aos membros da banca, pessoas que tive o prazer de ter a
avaliação na minha defesa do TCC, agora mais uma vez, agradeço desde de já aos senhores
Drs. Rosiberto Salustiano e Washington Correia pelo convite aceito.
Aos amigos que fiz durante o curso e no Laboratório de Micrometeorologia, Nareida
Delgado, Sâmara Santos, Thais Paes. As minhas grandes companheiras de curso e colegas
meteorologistas, Sara Mota, Danielle Izídio, Carol Cavalcante e Thaíse Gomes, além dos
colegas de turma do mestrado, que se tornaram meus grandes amigos, Edmara Ramos, Ítalo
Januário, Osmar Toledo e Geiza Thamires, pessoas que tive o prazer de conhecer, conviver e
vou levar para resto da vida.
Ao amigo que a vida me deu, Edvaldo Brito, nunca esqueci que foi por uma prestação
de favor dele que eu por ventura ingressei na universidade.
A todos vocês, muito obrigada pelo suporte e por fazer parte da minha história.
RESUMO
O Objetivo deste trabalho foi desenvolver uma metodologia para melhorar a estimativa da
velocidade do vento a partir de dados de torres anemométricas, via implementação de uma
ferramenta para determinação dos parâmetros aerodinâmicos (d, Z0) e do expoente da equação
mais usada na engenharia eólica: lei da potência (α). Foram utilizados dados de velocidade do
vento medidos em 5 torres anemométricas localizadas nas 3 mesorregiões do Estado de
Alagoas. Os resultados mostraram que a velocidade e a direção do vento possuem um padrão
anual e que a velocidade no interior é maior do que no litoral. Os ventos são mais fortes na
estação seca e mais fracos na estação chuvosa, com direção predominante de SE. Foi
implementado um algoritmo para filtrar os dados de vento e melhorar a sua estimativa com a
altura em parque eólicos. Este algorítimo acabou se mostrando uma ferramenta importante
para o estudo do escoamento uma vez que o filtro revela os casos de comportamento atípico
do vento. No geral, foram constatados 53,77% de casos atípicos. O método desenvolvido
para estimar d e Z0 a partir de dados anemométricos, não apresentou resultados coerentes. Já
o modelo para melhorar a determinação do expoente α apresentou bons resultados. O erro foi
reduzido de 1,13% para 0,01% e verificou-se ainda, que ele varia de um local para outro e
sazonalmente.
Palavras-chave: Vento, Energia Eólica, Parâmetros Aerodinâmicos, Lei da Potência.
ABSTRACT
The objective of this work was to develop a methodology to estimate the wind speed using
anemometric data and to implement a numeric model to determine the aerodynamic
parameters (d, Z0) and the exponent (α) of the most used equation in wind power engineering:
power law. Wind data from 5 anemometric towers were used. The tower was located in 3
mesoregions of the Alagoas State (Brazil): “Litoral- coast” (Roteiro and Maragogi), “agreste
-midle” (Craíbas and Girau do Ponciano) and “Sertão -West” (Água Branca). The results
showed that wind velocity and direction have an annual pattern and that the velocity in the
agreste and sertão is higher than in the litoral. The winds are stronger in the dry season and
weaker in the rainy season, with predominant direction of SE. The algorithm developed to
filter the wind data and improve best estimation of the wind velocity at wind farms reveals the
cases of atypical wind behavior was 53,8%. The method developed to estimate d and Z0 from
anemometric data did not present consistent results. The model used to determine the
exponent presented good results. The error was reduced from 1.13% to 0.01%. It has also
been found that it varies from place to place and seasonally.
Keywords: Wind, Wind Power, Aerodynamic Parameters, power law.
LISTA DE ILUSTRAÇÕES
Figura 1 – Perfil vertical da velocidade do vento. O comprimento da rugosidade (Z0) é a
altura onde a velocidade é nula.................................................................................................24
Figura 2 – Localização das TAs Do Convenio da Eletrobrás e a Torre de Craíbas, destacando
as três mesorregiões do estado de Alago..................................................................................31
Figura 3 – Torres ADT-AL (Água Branca, Girau do Ponciano, Maragogi e
Roteiro).....................................................................................................................................33
Figura 4 – Torre Anemométrica do Projeto PVPN em Craíbas e Conjunto de medição
próxima a torre..........................................................................................................................34
Figura 5 – Esquema de Perfil logarítmico ideal de acordo com os critérios exigidos na
metodologia...............................................................................................................................35
Figura 6 – Representação gráfica do perfil logarítmico do vento sobre: a) superfície sem
vegetação ou com vegetação de pequeno porte; b) superfície com vegetação de médio ou
grande porte...............................................................................................................................38
Figura 7 – Organograma do algoritmo de cálculo de d+Z0.....................................................40
Figura 8 – Organograma do método interativo para determinação do valor de ...................41
Figura 9 – Distribuição de frequência da velocidade do vento em Agua Branca, Girau do
Ponciano, Maragogi e Roteiro para todo o conjunto de dados (abr/08, jun/08, out/08 e
jan/09).......................................................................................................................................43
Figura 10 – Distribuições da velocidade do vento em cada sítio experimental para os quatro
meses relativos a cada estação do ano: abril/08 (outono), junho/08 (inverno), outono
(primavera) e janeiro/09 (verão) ..............................................................................................44
Figura 11 – Distribuição da frequência da direção do vento para os quatro sítios
experimentais: Água Branca (sertão), Girau do Ponciano (agreste) e o litoral de Maragogi e
Roteiro.......................................................................................................................................47
Figura 12 – Distribuições da direção do vento em cada sítio experimental para os quatro
meses relativos a cada estação do ano: Abril/08 (outono), junho/08 (inverno), outono
(primavera) e janeiro/09 (verão)...............................................................................................48
Figura 13 – Altura onde o vento é zero (d+Z0) em AB,GP, MG e RT nos meses de Abril/08
(outono),
junho/08
(inverno),
outono
(primavera)
e
janeiro/09
(verão).......................................................................................................................................51
Figura 14 – Perfil médio do vento em Craibas no período de 05/12/2014 a
13/01/2015................................................................................................................................53
Figura 15 – Determinação de “d” via método interativo.........................................................54
Figura 16 – Escoamento do vento em uma colina (esquema)...............................................57
Figura 17 – Valores médios do expoente nos meses de abril/08, junho/08, outubro/08 e
janeiro/09. Em AB, GP, MG e RT............................................................................................59
LISTA DE TABELAS
Tabela 1 – Localização das quatro torres do projeto ADT-AL cujos dados foram utilizados
neste trabalho............................................................................................................................32
Tabela 2 – Sensores e anemômetros usados no sistema da TA...............................................34
Tabela 3 – Classes de maior frequência em cada local e em cada estação do ano para AB, GP,
MG e RT...................................................................................................................................46
Tabela 4 – Valores de d+Z0 para cada local de estudo e cada estação do ano em Água Branca
(AB), Girau do Ponciano (GP), Maragogi (MG) e Roteiro (RT).............................................52
Tabela 5 – Valores de d+Z0 para todas as camadas em Craíbas, no período de 5 a 100
m................................................................................................................................................55
Tabela 6 – Total de casos de eliminações em cada critério nos quatro locais expressos em
percentual..................................................................................................................................56
Tabela 7 – Total de casos de eliminações, por período, em cada critério nos quatro locais
expressos em percentual............................................................................................................58
Tabela 8 – Erro absoluto da velocidade do mento em cada mes e cada local utilizando o
modelo original (MO) e o modelo desenvolvido (MD) nos meses de abril/08, junho/08,
outubro/08 e janeiro/09. Em AB, GP, MG e RT.......................................................................60
LISTA DE ABREVIATURAS E SIGLAS
ANNEL – Agência Nacional de Energia Elétrica
AB – Água Branca
ADT-AL – Atlas Eólico e Disseminação da Tecnologia Eólica no Estado de Alagoas
CHESF – Companhia Hidro Elétrica do São Francisco
CLA – Camada Limite Atmosférica
CLA2 – Centro de Lançamento de Alcântara
CLC – Camada Limite Convectiva
CLE – Camada Limite Estável
CLP – Camada Limite Planetária
CLS – Camada Limite Superficial
d – Deslocamento do Plano Zero
ELETROBRAS – Centrais Elétricas Brasileiras S/A
GP – Girau do Ponciano
GWEC – Global Wind Energy Council
LIA – Local de Instalação do Aerogerador
Li – Limite Inferior
LS – Limite Superior
MD – Modelo Desenvolvido
MG – Maragogi
MO – Modelo Original
OBS – Observado (dados)
ONS – Operador Nacional do Sistema Elétrico
PVPN – Previsão de Ventos para Parques Eólicos do Nordeste Brasileiro
RT – Roteiro
WAsP – Wind Atlas, Analysis and Application Program
WRF – Weather Research and Forecasting
Z0 – Comprimento de Rugosidade Superficial
u* – Velocidade de Fricção
SUMÁRIO
1 INTRODUÇÃO .................................................................................................................14
2 REVISÃO BIBLIOGRÁFICA
2.1 VENTO, VARIABILIDADE E CIRCULAÇÃO GERAL ATMOSFÉRICA……..........16
2.2 CAMADA LIMITE ATMOSFÉRICA (CLA)..................................................................17
2.3 ENERGIA RENOVÁVEL................................................................................................18
2.3.1 Energia Eólica ...............................................................................................................18
2.3.2 Aspectos Mundial e Nacional.........................................................................................19
2.3.3 Nordeste Brasileiro.........................................................................................................19
2.3.4 Alagoas...........................................................................................................................20
2.4 ESTIMATIVA E EXTRAPOLAÇÃO DO VENTO........................................................ 20
2.5 PARÂMETROS AERODINÂMICOS..............................................................................23
2.5.1 Comprimento de Rugosidade Aerodinâmica (Z0)..........................................................23
2.5.2 Velocidade de Fricção (u*)............................................................................................26
2.6 LEI DA POTÊNCIA E SISTEMA DE CONVERSÃO....................................................27
3 MATERIAIS E MÉTODOS
3.1 DADOS E REGIÃO DE ESTUDO...................................................................................30
3.2 FILTRAGEM DOS DADOS............................................................................................35
3.3 CÁLCULO DO COMPRIMENTO DE RUGOSIDADE (Z0)..........................................35
3.4 CÁLCULO DA VELOCIDADE DE FRICÇÃO (u*) .....................................................37
3.5 CÁLCULO DA SOMA DA ALTURA DO PLANO DO DESLOCAMENTO ZERO
COM
O
COMPRIMENTO
DE
RUGOSIDADE
(d+Z0)……….………….....................................................................………..........…38
3.6 MÉTODO ITERATIVO PARA OBTENÇÃO DO COEFICIENTE ALFA DA LEI DA
POTÊNCIA (α)............................................................................................................40
4 RESULTADOS E DISCUSSÃO
4.1 ESTATÍSTICA DO VENTO............................................................................................42
4.1.1 Velocidade.....................................................................................................................42
4.1.2 Direção ..........................................................................................................................46
4.2 PARÂMETROS AERODINÂMICOS.............................................................................50
4.2.1 Verificação do cálculo de “d+Z0”..................................................................................52
4.3 COMPORTAMENTO ATÍPICO DO VENTO................................................................55
4.4 ESTIMATIVA DO EXPOENTE DA LEI DA POTÊNCIA (α)......................................58
5 CONCLUSÃO....................................................................................................................61
REFERÊNCIAS....................................................................................................................62
14
1.
INTRODUÇÃO
O vento é uma das variáveis meteorológicas mais importantes, responsável pelo
transporte horizontal de calor latente (calor de transformação) e calor sensível (variação de
temperatura). Sua confluência, em níveis mais baixos, gera transporte vertical do ar para
níveis mais elevados da atmosfera e chuva sobre uma região. Além disso, também é
responsável pela difusão e transporte de poluentes na atmosfera (SILVA, 2016). Vale
salientar a sua importância no setor de transporte, engenharia civil, agricultura, etc.
O conhecimento do vento e dos parâmetros aerodinâmicos são de suma importância
para o setor de energia eólica. Assim, com a crescente demanda energética mundial
ocasionada pela melhoria nos padrões de vida, preocupações eminentes com as políticas de
planejamento energéticos são necessárias, sendo este um dos tópicos de maior importância na
atualidade (MARTINS et al.,2008).
No Brasil, a geração de energia elétrica é feita basicamente a partir de centrais
hidroelétricas (CARNEIRO, 2014). A geração eólica vem crescendo a cada ano e atualmente,
em capacidade Global instalada acumulada apenas em 2017, o Brasil já ocupava a oitava
posição com 12,7 GW (GWEC, 2018). O Nordeste é a região brasileira que apresenta maior
parte dos parques eólicos em atividade atualmente, a capacidade instalada de usinas eólicas
por subsistemas atualmente chegam a 9,6 MW (ONS, 2018).
O estado de Alagoas, já apresentava bom potencial para as atividades eólicas com os
estudos que elaboraram o Atlas Eólico de Alagoas, para áreas com ventos equivalentes ou
superiores a 7,0 m.s-1. Na altura de 100 metros o potencial chega a 649 MW. Além de vários
estudos envolvendo extrapolação do vento e potencial eólico feito em suas mesorregiões
(ELETROBRÁS, 2008).
A caracterização do potencial eólico de uma região requer o conhecimento da estrutura
do vento, e os fatores a afetam são de suma importância. Além disso, é necessário também o
conhecimento das grandezas físicas que são utilizadas para se caracterizar os recursos eólicos.
O potencial eólico da região está diretamente ligado à localização geográfica, relevo,
rugosidade do solo e microclima, podem afetar no regime e escoamento dos ventos naquela
região, interferindo no potencial e produção (MARTINS et al., 2008).
Uma vez detectado o potencial de uma área, a elaboração do projeto do(s) parque(s)
eólico(s) necessita, entre outras coisas, da estimativa da velocidade do vento em cada um dos
15
locais onde serão instalados os aerogeradores (LIA). Neste contexto, se faz cada vez mais
necessário o desenvolvimento de uma metodologia para a previsão de energia eólica de curto
prazo adequada ao território brasileiro.
Para fazer esta estimativa é necessário um amplo conhecimento das características da
superfície, principalmente dos parâmetros aerodinâmicos principalmente do comprimento de
rugosidade (Z0). Os parâmetros aerodinâmicos são de grande importância para o
aproveitamento eólico. O fato é que os referidos parâmetros são indispensáveis quando se
pretende, por exemplo, estimar a velocidade do vento em determinada altura a partir de um
valor e uma altura conhecida. Por exemplo, de posse de dados medidos a 50 m estimar o
vento a 100 m. Mais importante ainda seria, além de obter estes parâmetros, poder
acompanhar a sua variação sazonal principalmente em locais onde são cultivadas plantas de
porte alto como milho, cana-de-açúcar, etc.
Quando é necessário fazer a extrapolação vertical da velocidade do vento é comum
utilizar a lei da potência, que pode varia com altura, periodo do dia, estações do ano, terreno
entre outros (CAMELO et al.,2010). Neste modelo, as características da superfície são
representadas pelo expoente da equação ().
O objetivo deste trabalho é tentar desenvolver uma metodologia para melhorar a
estimativa da velocidade do vento a partir de dados de torres anemométricas através do
aperfeiçoamento da determinação dos parâmetros aerodinâmicos (d, Z0) e do expoente da Lei
da Potência ().
16
2.
2.1
REVISÃO DE LITERATURA
VENTO, VARIABILIDADE E CIRCULAÇÃO GERAL ATMOSFÉRICA
A origem dos ventos está diretamente ligada ao aquecimento das massas de ar
próximas a superfície. O sol, fonte única de radiação solar, aquece de forma desigual a
diferentes tipos de superfície, devido as mesma serem constituídas de materiais diferentes
com capacidade de absorver e refletir radiação de formas distintas. O ar próximo a essas
superfícies apresentam diferentes temperaturas, ocasionado os movimentos advectivos e
convectivos do ar. Numa região de temperatura mais elevada, a pressão atmosférica será
menor, pois a massa ar que se encontra naquela região, irá tornar-se mais leve e, por
conseguinte eleva-se para níveis mais elevados da atmosfera (movimento convectivo)
(SILVA, 2016).
Após a ascensão do ar, logo em seguida as massas de ar que não ascenderam devido a
sua densidade (mais vapor d’água) ocupam o espaço que foi deixado pelo ar menos denso, a
esse movimento, dá-se o nome de vento. O movimento advectivo do ar dá-se sempre de uma
zona de alta pressão para uma de baixa pressão atmosférica. A magnitude do vento se dá
quando, as isotacas (linhas de mesma intensidade do vento) maior será a variação gradativa de
pressão, tornando o vento mais intenso. Os gradientes de pressão se desenvolvem tanto em
escala global quanto local (BERNARDO e MOLION, 2000).
A variabilidade do vento ocorre através dos fenômenos de escalas temporal e espacial.
Na escala de temporal diária estão relacionados os sistemas de circulação em escala local. Os
Ventos locais estão envolvidos com as brisas (marítima e terrestre), aos ventos anabáticos,
que transportam ar devido o aquecimento por insolação da montanha ou encosta e ventos
catabáticos, que transportam o ar uma elevação descendo a encosta devido à ação da
gravidade. Os Ventos globais vão desde o Equador até os polos e estão agregados às células
de Hadley, Ferrel e Polar, que são constituídas devido a dinâmica da movimentação das
massas de ar a nível global (SANTOS et al., 2004).
Os Ventos globais vão desde o Equador até os polos e estão agregados às células de
Hadley, Ferrel e Polar, que são constituídas devido à dinâmica da movimentação das massas
de ar a nível global. A Circulação Geral depende do transporte de massas de ar pela advecção
do vento. São movimentos atmosféricos que ocorrem com finalidade de manter o balanço de
energia da Terra, através da distribuição de calor (SILVA, 2003).
17
Ainda segundo Silva (2003), o sol é a maior fonte de calor para esses movimentos
atmosféricos. O calor é absorvido pela atmosfera em baixas latitudes (30° N e 30° S)
enquanto que em outros lugares a absorção é menor. O calor de regiões com temperaturas
elevadas como o Equador é levado para regiões em que há uma maior necessidade, como os
polos, havendo assim maior distribuição de temperatura.
Ocorre em escala espacial e temporal, da menor (microescala) com fluxo de
momentum, calor e superfície, como também em escala maior (sinótica) com os sistemas
sinóticos com quilômetros de extensão (RAMOS (2012) apud AYOADE (1998)).
2.2
CAMADA LIMITE ATMOSFÉRICA (CLA)
A CLA é a parte da troposfera que esta diretamente ligada à superfície terrestre (com
altura de 1 km), onde ocorre uma significativa troca de momentum, calor/energia e massa e
responde as forçantes superficiais numa escala temporal de uma hora ou menos (STULL,
1988).
A CLA ou CLP (Camada Limite Planetária) desempenha um importante papel
umidade, calor e fluxo de ar para a atmosfera livre (MEHTA et al., 2017). Os processos de
interesse incluem poluição turbulenta do ar, meteorologia agrícola, hidrologia, mistura na
ABL, particularmente o papel da meteorologia aeronáutica, meteorologia de mesoescala,
fotoquímica, previsão do tempo e clima, entre outros (GARRAT, 1994).
Caracteriza-se por três camadas estruturais: Camada Limite Superficial (CLS) onde há
maior influência do cisalhamento do vento, Camada de Mistura e Camada de Transição ou
Zona de Entranhamento (KAIMAL et al., 1976).
A CLA apresenta grande variação, compondo ciclos diurnos e noturnos. No ciclo
diurno devido ao aquecimento, o ar próximo a superfície torna-se mais quente em relação a
atmosfera, fazendo com que o ar ascenda com facilidade e transporte com mais facilidade o
calor sensível de baixos para altos níveis da atmosfera, produzindo turbulência térmica,
caracterizada por Camada Limite convectiva (CLC) (MARONEZE, 2014) .
De acordo com Fedorovich et al., (2004), a CLC é um tipo particular de camada
forçada pelo fluxo vertical intenso do ar devido ao aquecimento da superfície terrestre, no seu
topo (pelo resfriamento radiativo de nuvens) ou em ambos.
Nos primeiros minutos após o pôr do sol, quando a temperatura cai, a turbulência
também cai e o que resta é apenas uma camada de ar, chamada Camada Residual (GUERRA,
18
2008). No ciclo noturno, devido ao resfriamento radiativo da superfície, o ar próximo a
superfície torna-se mais frio, o ar em altos níveis atmosféricos, torna-se mais quente. A
turbulência nessas condições torna-se menos evidente devido ao fluxo de calor negativo, se
mantendo apenas por forçantes mecânicas, formando o que se caracteriza por uma Camada
Limite Estável (MAGNAGO, 2002).
2.3
ENERGIA RENOVÁVEL
A energia tornou-se importante para existência e desenvolvimento do ser humano, um
dos recursos mais essenciais que se pode dispor. Em termos econômicos, a eletricidade
permitiu o crescimento da produção industrial, a criação de novas tecnologias e de novos
empregos (SILVA, 2016).
Energia renovável é aquela que possui a capacidade de regeneração (renovação), ou
seja, não se esgota. São recursos que são fornecidos e reabastecidos pela natureza através do
sol, vento, chuva, marés entre outros. Como exemplos de energia renovável, podemos citar:
energia solar, energia hidráulica (dos rios), biomassa (matéria orgânica), geotérmica (calor
interno da Terra) e mareomotriz (das ondas de mares e oceanos) e por fim a energia eólica
(dos ventos) (SILVA, 2016).
As energias renováveis ressurgiram a partir da crise do Petróleo da década de 70. De
um lado, o conflito de garantir a variedade e segurança na distribuição de energia e, por outro
lado, a preocupação de proteger o meio ambiente, onde a degradação é evidente pelo uso de
combustíveis fósseis, estímulo para o interesse pelas fontes renováveis (CASTRO, 2004).
2.3.1 Energia Eólica
Existem várias alternativas para produção de energia através de fontes renováveis e de
pequeno impacto ambiental. Neste contexto, a energia eólica, que está ligada diretamente aos
ventos, vem tornando-se de suma importância, sobretudo pela crescente demanda energia no
planeta e o aproveitamento por fontes de energias renováveis, tem sido adotada como parte da
solução do problema de suprimento energético e apresentou um crescimento muito grande
(LYRA et al., 2014).
Eólica é a energia cinética presente nas massas de ar em movimento (vento) e seu
aproveitamento ocorre por meio da conversão da energia cinética de translação em energia
19
cinética de rotação, com o uso de turbinas eólicas (aerogeradores) para a geração de energia
elétrica (ANEEL, 2002).
2.3.2 Aspectos Mundial e Nacional
Segundo o GWEC (Global Wind Energy Council) (2018), atualmente a energia eólica
é a mais competitiva tecnologia em desenvolvimento no mercado, competindo até mesmo
com os tipos de energia tradicionais. O gerenciamento de redes de armazenamento cada vez
mais refinadas e acessíveis, fazem do setor de energia, uma tecnologia inteiramente livres de
combustíveis fósseis. Foram acrescentado mais de 52 GW de energia eólica em 2017, no total
de 539 GW global.
Ainda, segundo o GWEC, o mercado norte-americano deverá permanecer forte até
2020, o Brasil continuará a dominar os mercados da America Latina, junto com um novo
concorrente, a Argentina. Na África e na Ásia, o mercado continuará crescendo, mas
continuará tendo com líder global a China. Nas projeções de mercado para o período de 20142018, o Brasil apresentará um crescimento ainda maior, liderando a performance da América
Latina, e passará a integrar, em termos mundiais, um dos dez maiores países produtores de
energia eólica.
2.3.3 Nordeste Brasileiro
A energia elétrica que é consumida no Nordeste Brasileiro, por muito tempo vem
sendo através de hidroelétricas. A Companhia Hidroelétrica do São Francisco (CHESF) tem
grande papel como empresa geradora de energia no Nordeste, e é a principal proprietária das
grandes hidrelétricas da região. Mas últimos anos, com reservatórios de água em níveis
críticos, o Nordeste brasileiro está vivendo de vento. Outras alternativas para produção de
energia vêm ganhando espaço e notoriedade na matriz energética da região, além da hídrica, a
eólica passou a fazer parte do subsistema da região (BEZERRA E SANTOS, 2017).
Ainda segundo Bezerra e Santos (2017), o gráfico de Evolução da participação das
fontes hidráulica, térmica e eólica na matriz de geração elétrica do Subsistema Nordeste, a
energia eólica apresenta uma média anual de 36,5 %, ainda maior que a térmica (34,1%) e
hídrica com apenas 29,5%. Embora as hidrelétricas sejam mais acessíveis no Nordeste, essa
20
fonte de energia pode se esgotar a qualquer momento, o que faz com que outras fontes, como
a energia eólica principalmente, seja incrementada aos poucos no cenário elétrico da região.
Os estados que geram energia eólica no Nordeste são: Rio Grande do Norte (RN),
Bahia (BA), Ceará (CE), Piauí (PI), Pernambuco (PE) e Maranhão (MA). No último boletim,
lançado em abril de 2018, RN liderava com 3,5 MW de potência instalada, em segundo vinha
Bahia com 2,4 MW, e Ceará em terceiro com 1,6 MW (ONS, 2018).
2.3.4 Alagoas
De acordo com o Atlas Eólico do Estado de Alagoas (ELETROBRÁS, 2008), o estado
apresenta potencial eólico propício (336 MW a 75m de altura, para áreas com ventos
equivalentes ou superiores a 7,0 m.s-1) e poderá ser aproveitado nos limites de inclusão do
sistema elétrico regional.
A construção de um parque eólico em uma determinada área requer estudos que
possam comprovar o potencial eólico para que haja certa segurança no investimento, uma vez
que a geração de energia irá depender quase que exclusivamente do vento. Para a avaliação da
área que se planeja fazer um parque eólico, é preciso que muitos estudos sejam feitos no local,
tanto estudos de caráter climatológico do regime dos ventos quanto de potencial eólico, como
por exemplo, mapeamento (JERVELL, 2008).
2.4
ESTIMATIVA E EXTRAPOLAÇÃO DO VENTO
A inserção segura e econômica dos recursos eólicos ao sistema elétrico está ligada a
previsões confiáveis da disponibilidade dos recursos eólicos (CEPEL, 2015). Na concepção
de tais previsões, pode-se mencionar uma grande diversidade de técnicas, entre os quais se
destacam o método de estimativa e extrapolação do vento. Neste tópico foram apresentados os
autores e seus respectivos trabalhos com a utilização de estimativa do vento e estatística.
Em seu estudo para avaliação do Modelo WRF na previsão do vento para a Região
Central de Alagoas (Craíbas), Silva et al., (2018) desempenhou bons resultados com as
ferramentas estatística para extrapolação do vento observado, para fins de aproveitamento
eólico em conjunto com dados simulados pelo WRF. Usando dados de velocidade e direção
do vento da Torre Anemométrica da área de estudo no nível de 50m. A metodologia
estatística usada mostrou bons resultados dessa avaliação do modelo e estimou bem as médias
21
mensais e diárias da velocidade do vento. Os desvios foram maiores nos meses secos (0,66
m.s-1) do que nos meses chuvosos. Ao longo de todo o ano o a diferença média (WRF –
OBS) foi de apenas 0,23 m.s-1 (6,14 m.s-1 versus 5,91 m.s-1), provando que este modelo é
uma ótima ferramenta para previsão do vento para fins de aproveitamento eólico, quando
utilizado junto a modelos estatístico de boa precisão.
Cruz (2017) estudou os padrões diários do vento e suas particularidades com ênfase no
aproveitamento eólico na região central de Alagoas (Craíbas) de abril de 2014 a março de
2015. Foram utilizados dados de velocidade e direção do vento dos três níveis de uma Torre
anemométrica da área de estudo (50,70,100m) para analisar o escoamento do vento e
influencia das rajadas em regiões vizinhas. Foi utilizado também análise com o WASP e a
analise estabilidade foi feita através do número de Richardson (Ri) e Classificação de
Pasquill-Girford-Turner. Também foram calculados os parâmetros de Weibull. Os resultados
mostraram velocidade média mensal a 100m foi de 6,73 m.s-1. A velocidade média anual foi
de 5,87 m.s-1 a 50m e 6,25 m.s-1 a 70m. Atmosfera foi predominantemente instável (49%),
com 31% de estabilidade e 20% neutra. Quanto aos Parâmetros de Weibull, que resultou em
velocidade média de 6,72 m.s-1, o parâmetro “k” de 3,45 e “A” equivalente a 7,5 m.s-1,
comprovando assim que Craíbas é uma área propícia ao aproveitamento e atividade eólica.
Moura et al., (2013) utiliza simulação de vento feita por modelo, para a cidade
alagoana de Palmeira do Índios, onde foram comparadas saídas do modelo WRF com
esquemas de parametrizações (PA e PB) para comparar com os dados observados do INMET.
Mostrou que com o esquema PA o WRF conseguiu simular a direção do vento, mas em PB a
velocidade teve valores parecidos com o observado. Por fim, a parametrização PA mostrou-se
melhor para simular a direção do vento, e PB mostrou-se melhor em simular a velocidade e
direção predominante do vento.
Ihadua et al., (2013), utilizou em seu estudo a fim de avaliar os padrões estatísticos do
vento também nas três regiões do estado de Alagoas de maior destaque de potencial eólico,
Água Branca (Sertão), Girau do Ponciano (Agreste) e Roteiro (Litoral). A análise foi baseada
na distribuição de Weibull e rosas do vento calculado no WASP com dados observados e
previstos pelo modelo WRF. Os resultados mostraram pouca variabilidade do vento e
direções predominantes (de Sudeste e Leste-Nordeste) em Girau do Ponciano e Roteiro. Em
água Branca a direção predominante foi apenas de Sudeste. Verificou ainda que
os
parâmetros de Weibull podem ser utilizados para a validação do modelo WRF, em regiões
com ausência de dados. Por fim, constatou que o modelo WRF apresentou bom desempenho
22
na determinação dos padrões do vento, indicando potencial eólico favorável para o interior de
Alagoas.
Tendo em vista a importância da descoberta do potencial eólico em Alagoas, Ramos et
al., (2011) com o objetivo de validar a velocidade do vento do modelo atmosférico WRF
(Weather Research and Forecasting Model) V3.2, obtida pelo perfil logaritmo do vento
usando a velocidade de fricção simulada do próprio modelo, constatou que o WRF conseguiu
representar de forma satisfatória os padrões e intensidades dos ventos em ambas estações
chuvosa e seca, reforçando a larga aplicação deste modelo para estudos da área eólica.
Com intuito de identificar áreas com potencial mais propicio para a atividade eólica,
Costa e Lyra (2012), fizeram um estudo onde comparavam os dados de velocidade e direção
do vento, medidos e registrados por Torres anemométricas presente em três regiões: litoral,
agreste e sertão. Os resultados mostraram que o Agreste e o sertão são as áreas mais propícias
para o aproveitamento eólico, pois apresentaram ventos com pouca variabilidade na direção
seguido do litoral. Comprovando também que as maiores velocidades se encontram no
interior do estado (sertão e agreste) por serem regiões elevadas.
A partir desse ponto, Ramos (2012) faz um estudo relacionado ao mapeamento eólico
no estado, onde foram utilizadas ferramentas computacionais e dados observados. O estudo
foi feito para seis sítios experimentais, onde estão distribuídas as seis torres anemométricas
relativas aos dados usados em seu trabalho, em três mesorregiões: Agreste (Girau do
Ponciano e Palmeira dos Índios), Sertão (Água Branca) e Litoral (Feliz Deserto, Roteiro e
Maragogi). Os resultados deste estudo mostraram que uma das ferramentas computacionais
(WRF) apresentou um bom potencial eólico anual (7 m.s-1 a 9 m.s-1 de magnitude). Já os
resultados do segundo modelo usado, WASP (Wind Atlas Analysis and Application
Program), apresentou uma boa semelhança aos mapas do Atlas Eólico do Estado de Alagoas.
Seus estudos concluem que esses modelos apresentaram bons resultados, com a adição de
alguns ajustes, mas a relevância de seu uso para estudos de potencial eólico na região é válida.
23
2.5
PARÂMETROS AERODINÂMICOS
2.5.1 Comprimento de Rugosidade Aerodinâmica (Z0)
O movimento do ar como as turbulências em seu fluxo, são fortemente influenciadas
pela rugosidade da superfície. Esta propriedade física nada mais é do que o efeito da
característica da superfície terrestre, como o relevo e a presença de obstáculos físicos que
levam redução da velocidade dos ventos (MARTINS et al., 2008).
Além dos efeitos sob o escoamento do ar, a rugosidade da superfície, também gera
impactos no comportamento do turbulento que advém das interações superfície-atmosfera.
Ainda segundo Martins (2008), outro aspecto a ser considerado com relação ao
comportamento do vento, está relacionado ao cisalhamento do vento.
No processo de definição dos processos de transporte turbulento, é importante ter um
conhecimento sobre esses parâmetros de rugosidade de superfície (LYRA, 2007).
Blumberg e Greeley (1993), afirmam a importância do estudo o comprimento de
rugosidade aerodinâmica na eólica e nos processos da camada limite. O comprimento de
rugosidade aerodinâmica (Z0), consiste na altura em que o vento, próximo à superfície,
assume valor zero, sendo dependente do relevo e obstáculos da superfície.
Segundo Stull (1988) tem relação com a medida da turbulência, que por sua vez é
estabelecida através da interação superfície-atmosfera e a sua aptidão em absorver
momentum. É proporcional, mas geralmente inferior à altura dos elementos de rugosidade, e
não deve variar com a velocidade ou direção do vento.
Geralmente, o termo Z0 é proveniente dos perfis de velocidade do vento dentro da
camada limite superficial (CLS). O comprimento de rugosidade aparece explicitamente na
equação da lei logarítmica do vento (Equação 3) (SAATEHI and RODRIGUEZ, 1990).
A camada limite superficial consiste em uma subcamada da camada limite planetária
(região situada entre a superfície terrestre e uma altitude de aproximadamente), sendo que está
não excede 150 m de altitude, medido a partir da superfície terrestre e onde atua forte
gradiente vertical de vento, umidade e temperatura (STULL, 1988 apud LIRA, 2009).
Ademais, na camada limite superficial, o módulo da velocidade do vento é caracterizado por
perfil vertical aproximadamente logarítmico (figura 1), onde Z0 é a altura em que o vento
começa a soprar de acordo com a caracteristica da superfície, no entanto quanto mais elevado
for o terreno, maior será o Z0 .
24
Figura 1 – Perfil vertical da velocidade do vento. O comprimento da rugosidade (Z0) é a altura onde a
velocidade é nula.
Fonte: Lira, (2009).
A equação 1, descreve a lei logarítmica para o perfil do vento que se encontra sobre
uma vegetação em condições de atmosfera neutra (BRUIN and MOORE 1984, apud MONIN
and YAGLOM, 1971).
𝒖(𝒛) =
𝒖∗
𝒌
𝐥𝐧
𝒛−𝒅
𝒛𝒐
(1)
Onde a velocidade horizontal do vento em altura z é dada por u(z), u* é a velocidade
de fricção, k é constante de Von Karman, d é o deslocamento do plano zero e Z0, o
comprimento de rugosidade (BRUIN and MOORE, 1984).
Apesar de ter grande pertinência para estudos climáticos e análise de interações
atmosféricas da terra-superfície, os dados e instrumentos para obtenção da rugosidade
aerodinâmica, ainda são limitados (SAATCHI and RODRIGUEZ, 1999).
Relativo a esta questão, é importante ressaltar trabalho de Lyra e Pereira (2007), onde
foi feito um estudo das dificuldades de estimativa dos parâmetros de rugosidade aerodinâmica
(Z0) pelo método convencional (estatístico) sobre vegetação esparsa em região semi-árida.
Neste estudo foi estimado, o (Z0) e o deslocamento do plano zero (d), que é somente usando
situações envolvendo vegetação, por alguns métodos com medidas Micrometeorológicas e da
cultura física de arbustos esparsos em região semiárida. Sendo a velocidade do vento medida
em quatro alturas acima da superfície. Os resultados mostraram certa restrição em obter esses
parâmetros sobre esse tipo de vegetação em atmosfera neutra, através desse método
convencional.
Ainda envolvendo cobertura vegetal, Toledo Filho et al., (2003) implementou em seu
estudo, o Z0, numa área de 12,5 ha de cultivo continuo de cana-de-açúcar, sob condições de
25
lavoura comercial, na Fazenda de Vila Nova, município de Pilar, Alagoas. O objetivo do
trabalho consistiu no ajuste dos parâmetros aerodinâmicos da cultura, Z0 e o deslocamento do
plano zero (d), que foram determinados a partir de perfis do vento em condições de atmosfera
neutra (Perfil Logaritmo do Vento) relacionados com a altura do dossel. Os resultados
encontrados evidenciam que os parâmetros aerodinâmicos da altura da cana-de-açúcar podem
ser estimados em função da altura do dossel vegetativo parametrizado neste trabalho, onde
foram obtidos os valores d+Z0= 1,60 m, um resultado satisfatório, tendo em vista que em uma
altura mínima a influência da superfície e seus obstáculos sobre o vento também será mínima.
Em lugares de difícil acesso a informações meteorológicas, a inclusão de ferramentas
de estudos é muito importante, como por exemplo, o Sensoriamento Remoto (SR). Pereira et
al. (2013), fez aplicação de SR as estimativas do comprimento de rugosidade superficial, para
10 cidades do Estado de São Paulo, usando dois métodos: Morfométrico e
Micrometeorológico. Foram comparadas estimativas de rugosidade feitas por imagens de alta
resolução nos 10 locais onde as torres anemométricas estavam instaladas (Morfométrico),
com as obtidas atravez de método anemométrico (micrometerológico). Os resultados indicam
que SR se mostrou útil para estimar o comprimento de rugosidade, para diferentes coberturas
de superfície. Embora a comparação entre os métodos não tenha mostrado similaridade entre
os mesmos, o uso do SR ajudou a entender a variabilidade do vento observada em diferentes
estações usadas nesse trabalho.
Sozzi et al., (1998), em seu estudo um dos objetivos era estimativa de um método para
cálculo do comprimento de rugosidade (Z0). Seus dados foram medidos através de um
anemômetro ultrassônico e utilizando apenas um nível de medição (10 m). É feito nada mais
que um procedimento iterativo onde os valores são inseridos como palpites de acordo com a
literatura. O método usado não requer outros níveis de velocidade do vento, podendo utilizar
dados medidos de um único anemômetro sônico na camada superficial sob qualquer condição
de estabilidade, simplificando as campanhas de medição e reduzindo custos. O método
fornecido obteve resultados positivos, confirmando assim a sua utilidade operativa.
Para Barthelmie et al., (1993), a escolha da técnica de como calcular o comprimento
de rugosidade (Z0) limitou-se apenas na disponibilidade dos dados de entrada. Em seu estudo
foi utilizados vários comprimentos de rugosidade produzidos através de métodos variados
calculados para o mesmo local a fim de avaliar seu impacto na previsão no Perfil Logarítmico
do Vento. Os dados foram coletados em 4 alturas durante três anos para Sítio experimental no
Norte de Norfolk. Os métodos usados para calcular os valores de comprimento de rugosidade
26
(Z0) que foram avaliados em seu trabalho foram: a) método do Perfil; b) método do terreno; c)
método de Rajada; d) método do desvio. Chegou à conclusão que os Métodos do perfil e do
terreno são o que fornecem resultados semelhantes e os métodos de rajada e desvio padrão por
sua vez, fornecem valores muito mais baixos. Destacando que o do Perfil apresentou boa
estimativa se usada numa serie de dados de um mês.
2.5.2
Velocidade de Fricção (u*)
Dentro da CLA, encontra - se a CLS, onde há maior influencia dos obstáculos
relativos à superfície, com isso há maior cisalhamento vertical do vento e a fricção com a
superfície influencia no escoamento do vento. A medida da intensidade do cisalhamento
vertical do vento é dada pela velocidade de fricção. A velocidade de Fricção do vento aparece,
portanto como um aspecto significativo na caracterização do potencial eólico de uma região,
tendo em conta que se trata de um parâmetro que varia com a rugosidade do terreno
(MARTINS et al., 2008).
Para representar de forma empírica e teórica a variação da velocidade vento na vertical
em uma camada limite turbulenta uma expressão logarítmica foi desenvolvida por Prandtl,
conforme mostra a equação que se segue (LIRA, 2009):
𝒖(𝒛) =
𝒖∗
𝒛
𝐥𝐧 ( )
𝒌
𝒛𝒐
(2)
Segundo a equação 2, a variação da velocidade com a altura vertical z (uz) , é dada em
função da velocidade de fricção (u∗), da constante de Von Karmán (k), e do comprimento de
rugosidade (Z0).
Diante a importância da determinação deste parâmetro, encontram-se na literatura
muitos estudos que abordam diversas formas para sua obtenção, tanto pela estimativa por
meio de medidas reais, com estudos através de modelos. Dentre eles podemos citar Roballo e
Fisch (2008), que usaram dados coletados através de sensores de direção e velocidade do
vento, instalados em uma Torre Anemométrica (com seis níveis de medidas: 6, 10, 16,3, 28,5,
43 e 70 m), no período de 1995-1999, situada a 200 m da costa litorânea, posicionada
próximo à rampa de lançamento de foguetes. Sendo que além desses dados, os autores
utilizaram um conjunto de dados referentes ao período de 2004-2005 para analises de
validação. Foram utilizados para os cálculos a velocidade de fricção (u *) e o comprimento de
27
rugosidade (Z0). Os resultados mostraram os valores de u* e Z0 para os meses secos e
chuvosos, mostrando a sazonalidade destes parâmetros.
Outro estudo que merece destaque é o realizado por Ramos et al. (2012), que usaram
o método de extrapolação vertical do Perfil Logarítmico do vento para a menor altura das
medições da intensidade do vento, 30 m. O estudo foi realizado para o Estado de Alagoas,
mas especificamente em Girau do Ponciano, Região Agreste do estado. A aplicação deste
método foi feita de modo a considerar que a atmosfera possui um regime de estabilidade
neutra. Para este estudo, foram também utilizados a velocidade de fricção (u*) e o parâmetro
de rugosidade (Z0). Onde o valor de (u*) foi determinado através do modelo WRF (Weather
Research and Forecasting), este método se mostrou eficaz na validação com dados
anemométricos seja em período chuvoso ou seco, mostrou sazonalidade. O valor de (Z0) foi
atribuído para cada localidade investigada no trabalho citado.
Com objetivo de avaliar as estimativas da velocidade de fricção (u*) feitas pelo
modelo WRF, Silva et al. (2018), utilizou médias horárias de dados anemométricos do projeto
PVPN, para confrontar com dados simulados pelo modelo WRF. Os valores foram calculados
para os períodos seco e chuvoso da região, relativos ao ano de 2015. Com o método usado no
trabalho para o cálculo, utilizando a equação principal de u*, o modelo apenas superestimou
30%. Tanto nos valores de u* observado, quanto nos valores de u* simulados os maximos
ocorrem a noite, indicando particularidade do regime de ventos na região de Craíbas.
2.6
LEI DE POTÊNCIA E SISTEMA DE CONVERSÃO
Para estudar a velocidade do vento, são usados dados que são medidos através de um
anemômetro instalado em uma torre com determinada altura. Para o aproveitamento eólico
faz-se necessário uma avaliação das velocidades em pelos menos três diferentes alturas. No
Brasil, a legislação vigente exige o seguinte: 1) Parques eólicos interessados na
comercialização de energia, terão de apresentar medições anemométricas de no minimo 3
anos; 2) Estudos de micrositing, que traz diversas informações sobre o empreendimento, onde
possibilita o posicionamneto correto das turbinas para bom funcionamento do aerogerador.
Quando a medida do vento é feita em uma altura diferente da que vai ser instalada o
rotor da turbina eólica, é preciso que seja feita uma conversão na velocidade do vento que foi
medida, para que seja corrigida para a altura do rotor da turbina. Para isto, são utilizados dois
28
métodos de conversão: Lei da Potência (EUA) e Lei logarítmica (Europa) (DALMAZ, 2007).
No entanto, essas leis não apresentam tanta precisão, uma vez que escoamentos turbulentos e
definição de superfície são de caráter complexo (JERVELL et al., 2008).
A lei da Potência é definida pela equação (3), onde Uz1 e Uz2, são as velocidades
médias correspondente ao nível 1 (Z1) e nível (Z2), respectivamente. O coeficiente α
representa a rugosidade dos diversos tipos de superfície. De acordo com Jervell et al., (2008),
para o aproveitamento eólico, α é geralmente determinado através da velocidade do vento que
é medido em duas alturas do solo, sendo aplicada a lei da potência nesses dados de vento, é o
modelo mais simples e de fácil utilização.
𝒁𝟐 ∝
𝑼𝒛𝟏
= ( )
𝑼𝒛𝟐
𝒁𝟏
(3)
Já a Lei Logarítmica é definida pela equação (4), onde representa a variação de
velocidade média com a altura z em torno de 100 m acima de uma superfície rugosa
(LINARD, 2010).
𝒗(𝒛) =
𝒖∗
𝒛
𝒍𝒏 ( )
𝒌
𝒛𝒐
(4)
Em que u* é a velocidade de atrito (m.s-1), k é a constante de Von Karman, igual a 0,4
e Z0 é o comprimento de rugosidade (m).
Kikumoto et al., (2017) fez um estudo observacional da aproximação da lei de
potência de perfis de vento dentro de uma camada limite urbana, usando um sistema de lidar
Doppler e um anemômetro ultrassônico, que foram usados para medir os perfis de vento e
estatísticas de turbulência na camada limite urbana de Tóquio, Japão, no período de sete
meses. A lei da Potencia (LP) foi usada nesse estudo em modelagem para aproximar os perfis
de vento medidos e foi discutida a precisão aproximada para várias condições de vento,
especialmente em termos de velocidade do vento e tempo de média. Esta pesquisa discute os
limites da aplicação do LP para perfis de vento em condições de baixa velocidade. A precisão
da LP diminui para perfis com baixas velocidades e intervalos de tempo médios curtos, uma
vez que, para velocidades de vento baixas, a diferença na direção do vento com a altura é
significativa, tornando difícil determinar a direção predominante do vento e levantou a
hipótese de que a LP poderia ter sido usada em perfis de vento com altas velocidades (> 6
m.s-1).
Camelo et. al, (2010) utilizou métodos de Extrapolação da velocidade do vento para
áreas litorâneas do nordeste Brasileiro, mas especificamente em Paracuru e Camocim, litoral
29
oeste do Ceará. Foram utilizados métodos de extrapolação que levassem dados de vento ao
menor erro quadrático médio e o expoente da lei da Potência. Em seus resultados, o período
em que a velocidade média do vento mostra os valores mais altos é a estação seca (para
ambos os locais). Mostrando que essa estimativa tem importância significativa na geração de
eletricidade.
Já no estudo de Roballo e Fisch (2006), foi feita uma análise das variações dos
parâmetros meteorológicos que caracterizam o perfil logaritmo do vento na região do Centro
de Lançamento de Alcântara (CLA). Utilizando dados da Torre Anemométrica localizada no
CLA e a 50 metros da costa litorânea, seis níveis (com alturas de 6,0, 10,0, 16,3, 28,5, 43,0 e
70,0 metros). A análise do coeficiente alfa da Lei de Potência mostra pouca variação vertical e
temporal situando, praticamente, no intervalo de 0,2-0,25 (adimensional). O conjunto de
dados independentes foram validados com os valores de alfa, mostrou que o ajuste
logarítmico é melhor nos níveis mais baixos e próximos do nível 2 (10,0 m), diminuindo a
capacidade de representar as observações com a altura, uma vez que no nível 6 (70,0 m)
apresentou valores próximos a 0,9.
30
3.
MATERIAIS E MÉTODOS
3.1
DADOS E REGIÃO DE ESTUDO
Os dados utilizados neste trabalho foram obtidos em duas campanhas experimentais
em torres anemométricas de 50 e 100m de altura:
Projeto Atlas Eólico e Disseminação da Tecnologia Eólica no Estado de Alagoas
(ADT-AL), com medições em seis locais Água Branca (Sertão), Girau do
Ponciano e Palmeira dos Índios (Agreste), Feliz Deserto, Maragogi e Roteiro
(Litoral), entre 2007 e 2008;
Projeto Previsão de Ventos para Parques Eólicos do Nordeste Brasileiro (PVPN)
com medições em Craíbas entre dezembro de 2014 a 13 de janeiro de 2015.
A Figura 2 mostra onde está localizada fisicamente cada uma das cinco torres
anemométricas no Estado de Alagoas. Duas na região Agreste Girau do Ponciano e Craíbas.
No sertão, está a torre de Água Branca. E por fim as torres situadas no Litoral, nos municípios
de Maragogi, e Roteiro.
No presente estudo foram utilizados dados do projeto ADT-AL, apenas para as
localidades de Água Branca, Girau do Ponciano, Maragogi e Roteiro, por serem as únicas
séries de dados que apresentavam 100% de disponibilidade. O período de estudo visa às
estações do ano: Abril/08 (outono), Junho/08 (inverno), Outubro/08 (primavera) e Janeiro/09
(verão).
31
Figura 2 – Localização das Torres Anemométricas (TA) do Projeto ADT-AL (em preto) e do Projeto
PVPN (em vermelho), destacando as três mesorregiões do estado de Alagoas.
Fonte: Autor, (2018).
Na Tabela 1 são apresentadas as coordenadas geográficas das 4 torres do projeto
ADT-AL. Todas elas continham 50m de altura (Figura 3), com dois níveis de medição: 30m
(velocidade) e 50m (velocidade e direção) . Uma descrição detalhada da instrumentação e
aquisição de dados foi feita por (COSTA, 2009).
32
Tabela 1 – Localização das quatro TAs do projeto ADT-AL cujos dados foram utilizados neste
trabalho.
Município
Água Branca
Girau do Ponciano
Maragogi
Roteiro
Coordenadas
Geográficas
09°14'59,10"S; 37°56'33,29” O;
09°45'58,50"S; 36°47'06,43” O;
08°59'08,16"S; 35°12'02,16” O;
09°56'29,62"S; 35°58'32,66” O;
Fonte: Autor (2018), apud Ramos (2012).
Os dados do Projeto PVPN foram utilizados, com objetivo de comprovar se o cálculo
de comprimento de rugosidade (Z0) pode ser feito em torres de altura superior (100m). A TA
de 100m foi instalada no Município de Craíbas (09° 40' 03.4'' S 36° 50' 40.2'' W), que fica no
agreste alagoano.
A região foi escolhida de forma alternativa, mas os estudos anteriores (SILVA et al.,
2018; CRUZ, 2017; COSTA, 2009;RAMOS, 2012) apresentaram grandes resultados com
essa região, além das características do terreno serem bem favoráveis às medições (topografia
plana e com vegetação rasteira).
A TA tem oito níveis de medição (5,10,14,19,30,50,70 e 100 m) como mostra a Figura
4, e conta com um conjunto de medição (estação) próxima a torre, para medidas de alta
frequência do vento, temperatura, umidade, fluxos turbulentos (calor sensível, latente e
quantidade de movimento) e concentração de CO2 e vapor d’água LYRA (2014).
As medições da velocidade do vento utilizadas no presente trabalho foram feitas a
cada 15 segundos e armazenadas em médias de 10 minutos em um datalogger CR1000
(Campbell Scientific Inc.- USA).
33
Figura 3 – Torres ADT-AL (Água Branca, Girau do Ponciano, Maragogi e Roteiro).
Fonte: Autor, (2018).
34
Figura 4 – Torre Anemométrica do Projeto PVPN em Craíbas e Conjunto de medição próxima a torre.
Fonte: Autor, (2018).
Na Tabela 2, encontram-se as especificações técnicas da instrumentação utilizada na torre
anemométrica.
Tabela 2 – Sensores e anemômetros usados no sistema da TA.
Instrumentos
Fabricante
Modelo
Anemômetro
Campbell
Scientific Inc.
Sensor de Direção
do vento
(Windwane)
Anemômetro/
Sensor de Direção
do vento
(Wind Sensor Set)
País
de Origem
Níveis
(m)
A100LK-L150
A100LK-L210
A100LK-L300
UK
100, 70 e 50
Met One - Inc.
Wind Direction
024A
USA
100, 70 e 50
Met One - Inc.
034B
USA
30, 19,14,10 e 5
35
Fonte: Autor, (2018).
3.2
FILTRAGEM DOS DADOS
Para calcular os parâmetros aerodinâmicos foi usada como base a equação do perfil
logarítmico do vento a qual parte do princípio que a velocidade aumenta com a altura.
Perturbações no escoamento modificam o perfil do vento fazendo com que, em certas
ocasiões, a o perfil do logarítmico não se verifique. Por conta disso, foram estabelecidos
critérios para filtrar os dados antes dos cálculos eliminando as situações atípicas:
I-
Velocidade do nível inferior (U1) igual ou superior a do nível superior (U2);
II -
Atmosfera muito estável (u* 0,56);
III -
Atmosfera muito instável (u* 0,24).
Os valores limite para u* foram estabelecidos tomando como base um percentual de
40% do valor padrão de u* (0,4) que corresponde a 0,16.
No caso do critério I na realidade não existe perfil logarítmico, pois o vento ou
permanece constante ou diminui com a altura. Nos casos dos critérios II e III é estabelecida
uma faixa onde os valores acima ou abaixo dela são eliminados (Figura 5).
Figura 5 – Esquema de Perfil logarítmico ideal de acordo com os critérios exigidos na metodologia.
Fonte: Autor, (2018).
36
3.3
CÁLCULO DO COMPRIMENTO DE RUGOSIDADE (Z0)
O cálculo foi feito através de uma equação desenvolvida a partir da equação do perfil
logarítmico do vento (Equação 5).
𝒖∗
𝒁
𝒖(𝒛) = 𝒌 𝒍𝒏 (𝒁𝟎)
(5)
U(z) – Velocidade do vento na altura z (m.s-1);
u*– Velocidade de fricção (m.s-1);
z0 – Comprimento de rugosidade aerodinâmica (m);
k – Constante de Von Karman (igual 0,4 e adimensional);
z – Altura (m).
Partindo da equação 5 podemos obter as equações para calculo da velocidade em
qualquer altura. Por exemplo, para as alturas “z1” e “z2” as equações correspondentes serão:
𝒖∗
𝒁𝟏
𝒖∗
𝒁𝟐
𝒖𝟏 = 𝒌 𝒍𝒏 (𝒁𝟎)
𝒖𝟐 = 𝒌 𝒍𝒏 (𝒁𝟎)
(6)
(7)
Z1 - altura correspondente aos níveis de medição 1 (m);
Z2 - altura correspondente aos níveis de medição 2 (m);
u1 - Velocidades do vento no nível 1 (m.s-1);
u2 - Velocidades do vento no nível 2 (m.s-1);
Se dividirmos a equação 6 pela equação 7 teremos:
𝒖(𝟐)
𝒖(𝟏)
=
𝒖∗
𝒁𝟐
𝒍𝒏(𝒁𝟎)
𝒌
𝒖∗
𝒁𝟏
𝒍𝒏(𝒁𝟎)
𝒌
(8)
O termo u*/k é eliminado na divisão, então:
𝒖(𝟐)
𝒖(𝟏)
𝒁𝟐
=
𝒍𝒏(𝒁𝟎)
𝒁𝟏
𝒍𝒏(𝒁𝟎)
(9)
37
Tendo em vista a propriedade do logaritmo (logaritmo do quociente), então:
𝒖𝟐
𝒖𝟏
𝒁𝟐
𝒁𝟏
= 𝒍𝒏 (𝒁𝒐) − 𝒍𝒏 (𝒁𝒐)
(10)
Logo,
𝐮𝟐
𝐙𝟐
𝐙𝟏
𝒖𝟐
𝒁𝟐−𝒁𝟏
𝒆𝒙𝒑 ( ) = ( ) − ( )
𝐮𝟏
𝐙𝐨
𝐙𝐨
𝒆𝒙𝒑 ( ) =
𝒖𝟏
(11)
(12)
𝒁𝒐
Isolando Z0 na equação anterior teremos:
𝒛𝒐 =
3.4
𝒁𝟐−𝒁𝟏
(13)
𝒖𝟐
𝐞𝐱𝐩(𝒖𝟏)
CÁLCULO DA VELOCIDADE DE FRICÇÃO (u*)
Se ao invés de dividir, subtrairmos as velocidades (u2 e u1), podemos obter o valor de
u* a partir da diferença entre elas nas duas alturas (u) :
∆𝒖 = 𝒖𝟐 − 𝒖𝟏
(14)
Substituindo u1 e u2 (equações 6 e 7). Teremos:
∆𝒖 =
𝒖∗
𝒌
𝒁𝟐
𝒖∗
𝒁𝟎
𝒌
𝒍𝒏 ( ) −
𝒁𝟏
𝒍𝒏 ( )
𝒁𝟎
(15)
Baseado na propriedade do logaritmo (do cociente), podemos escrever:
∆𝒖 =
𝒖∗
𝒌
𝒁𝟐
𝒁𝒐
𝒁𝟏
𝒁𝒐
𝒍𝒏 ( )
(16)
Ou ainda,
∆𝒖 =
𝒖∗
𝒌
𝒁𝟐
𝒍𝒏 ( )
𝒁𝟏
(17)
Finalmente,
𝒖 ∗=
𝒌 ∆𝒖
𝒁𝟐
𝒁𝟏
𝒍𝒏( )
(18)
38
3.5
CÁLCULO DA SOMA DA ALTURA DO DESLOCAMENTO DO PLANO ZERO
COM O COMPRIMENTO DE RUGOSIDADE (d+Z0)
Em locais de vegetação de pequeno porte o perfil do vento permite obter o
comprimento de rugosidade (Z0). Ele representa a altura a partir da qual a velocidade começa
a aumentar com a altura. Plotando a velocidade versus o logaritmo natural da altura teremos
uma reta cujo intercepto será Z0 (Figura 6a). Em locais com vegetação de médio e grande
porte o intercepto representa a soma de Z0 com a altura do deslocamento do plano zero (d), ou
seja, é igual a Ln (d+Z0) (Figura 6b).
Figura 6 – Representação gráfica do perfil logarítmico do vento sobre: a) superfície sem vegetação ou
com vegetação de pequeno porte; b) superfície com vegetação de médio ou grande porte.
a
39
b
Fonte: Autor, (2018).
Desta forma, a equação 13 sofre uma pequena alteração ficando da forma a seguir.
𝒅 + 𝒁𝒐 =
𝒁𝟐−𝒁𝟏
𝐞𝐱𝐩(
𝒖𝟐
)
𝒖𝟏
(19)
Como mostra a figura 6, após o desenvolvimento da equação para calcular Z0 em uma
camada onde se conhece a velocidade na base (u1) e no topo (u2), foi e elaborado um
algoritmo onde os valores de velocidade dos ventos nos níveis de Z1 e Z2 (U1i e U2i), foram
inseridos, respeitando um limite que foi pré-estabelecido. O limite teve como objetivo
eliminar os casos muito estáveis e muito instáveis. O valor estabelecido foi 40% do valor de
referência para atmosfera neutra (u*=0,4), ou seja, Li=0,231 e Ls=0,569).
Conforme mostra a Figura 7, quando o valor de u* atende a condição é feito o cálculo
de D+Z0. Caso contrário, o valor de i é incrementado (i=i+1) e um novo par de valores (U1i,
U2i) é buscado no banco de dados.
40
Figura 7 – Organograma do algoritmo de cálculo de d+Z0.
Fonte: Autor, (2018).
Vale salientar que quando existe vegetação o calculo de “d” é somado ao cálculo de Z0.
3.6
MÉTODO INTERATIVO PARA OBTENÇÃO DO COEFICIENTE ALFA DA LEI
DA POTÊNCIA
A lei da Potência é muito usada na área de engenharia eólica para estimar o a
velocidade do vento a partir de uma série de dados existente. A partir do valor em uma altura
visando obter o melhor expoente para a lei da potência (equação 20) foi desenvolvido um
método interativo. O princípio adotado foi: o melhor valor de alfa é aquele que corresponde a
menor diferença entre o observado e o estimado.
𝑼𝟐
𝑼𝟏
𝒁𝟐 𝜶
=( )
𝒁𝟏
(20)
41
Z1 – Altura do nível 1 (m);
Z2 – Altura do nível 2 (m);
U1- velocidade do vento no nível 1 (m.s-1);
U2- velocidade do vento no nível 2 (m.s-1);
α – expoente (adimensional).
Uma vez dispondo da velocidade do vento em duas alturas é possível obter o valor
fazendo variar o valor do expoente da (equação 20), até encontrar o melhor ajuste. Ou seja,
qual o valor de que permite chegar mais próximo da igualdade conforme mostra a Figura 8.
̅1 e
Para tal foram utilizados os valores médios da velocidade após a filtragem dos dados (𝑈
̅2) e fornecidos um valor inicial para o desvio (DR) e de (p). Em seguida o valor de p é
𝑈
incrementado de 0,1 até chegar a 0,35. O valor de será aquele que corresponder ao menor
desvio.
Figura 8 – Organograma do método interativo para determinação do valor de .
Fonte: Autor, (2018).
42
4.
RESULTADOS E DISCUSSÕES
4.1
Estatística do vento
Com finalidade de dar suporte as posteriores análises dos dados será apresentado a seguir
o resultado da estatística da velocidade e da direção do vento nos quatro sítios experimentais e
nas quatro estações do ano.
4.1.1
Velocidade
Com o intento de investigar a variação espacial do vento serão apresentadas a seguir as
distribuições de frequência da velocidade em 15 classes, nos quatro locais (Figura 9).
Verifica-se que existem dois padrões, um no litoral e um no interior. No litoral as maiores
frequências são nas classes de 5-6 m.s-1 e 6-7 m.s-1. Já no interior os ventos são mais
frequentes nas classes 7-8 m.s-1 e 8-9 m.s-1
.
Os picos de frequencia em cada local foram: 15,04% na classe 7-8 m.s-1 em Água
Branca; 17,51% na classe 8-9 m.s-1 em Girau do Ponciano, 17,07% na classe 5-6 m.s-1 para
Maragogi e Roteiro com 24,12% na classe 5-6 m.s-1. A velocidade do vento é claramente
maior no interior e menor no litoral.
Vale salientar que apesar de semelhantes os padrões não são iguais e cada local
apresenta uma característica própria.
43
Figura 9 – Distribuição de frequência da velocidade do vento em Agua Branca, Girau do Ponciano,
Maragogi e Roteiro para todo o conjunto de dados (abr/08, jun/08, out/08 e jan/09).
Fonte: Autor, (2018).
Para verificar a existência ou não de variação temporal serão comparadas a seguir, em
cada local, as distribuições em quatro meses cada um deles relativo a cada estação do ano
(Figura 10). Os resultados mostraram que existe variação temporal/sazonal observado nos
quatro locais. Apesar de haver certa semelhança entre os padrões das estações em alguns
locais, existe sempre uma diferença.
De uma maneira geral os ventos são mais fortes na estação seca (primavera/verão) e
mais fracos na estação chuvosa (outono/inverno).
44
Figura 10 – Distribuições da velocidade do vento em cada sítio experimental para os quatro meses
relativos a cada estação do ano: abril/08 (outono), junho/08 (inverno), outono (primavera) e janeiro/09
(verão).
45
Fonte: Autor, (2018).
Para melhor interpretar a figura 9 foi feita uma tabela onde são indicadas as classes de
maior frequência em cada local e em cada estação do ano (Tabela 3). Nela fica evidente a
diferença entre as duas regiões (litoral e interior). No litoral (MG e RT), com exceção do
inverno, as classes são as mesmas: 4-5 m.s-1 no outono, 5-6 m.s-1 no verão e 6-7 m.s-1 na
46
primavera. Na verdade, o que ocorreu em MG no inverno (maior frequência na classe 7-8 m.s1
) foi excepcional.
De acordo com Costa e Lyra (2012), as estações do Litoral sofrem com os efeitos dos
ventos alisios e brisas terrestre, o que causa maior variabilidade do vento. Durante o inverno
no litoral de Alagoas, o vento sopra a maior parte do tempo na direção SE, ou seja, a
influência dos ventos alísios são maiores que as brisas neste período, isso explica os ventos
mais intensos no inverno nessa região.
No interior, só houve coincidência no inverso onde, em ambos os locais, no inverno, a
classe de máxima frequência foi 7-8 m.s-1. Outro ponto em comum foi o fato de ser na
primavera a classe de maior velocidade. Mesmo assim em AB foi 9-10 m.s-1 e em GP 8-9 m.s1
. No outono e no verão o máximo em GP foi sempre na classe imediatamente superior à de
AB.
Tabela 3 – Classes de maior frequência em cada local e em cada estação do ano para AB, GP, MG e
RT.
CLASSE DE MAIOR FREQUENCIA (m.s-1)
LOCAL
4-5
5-6
6-7
7-8
8-9
9-10
LEGENDA
AB
Primavera
GP
Verão
MG
Outono
RT
Inverno
Fonte: Autor, (2018).
4.1.2
Direção
A variação espacial da direção do vento foi averiguada através da distribuição de
frequência para todo o conjunto de dados, nos quatro locais (Figura 11). Como no caso da
velocidade, verifica-se que os padrões são diferentes sendo que não só por grande região
(litoral e interior) mas para cada um dos quatro locais.
De uma maneira geral, o vento predominante no Estado de Alagoas é de SE por está
localizado na região de influencia dos alísios. A predominância é mais marcante no interior,
47
principalmente em AB. Os resultados de Costa e Lyra (2012) são semelhantes, onde a maior
predominância dos ventos de SE, foi para AB (79,2%).
Figura 11 – Distribuição da frequência da direção do vento para os quatro sítios experimentais: Água
Branca (sertão), Girau do Ponciano (agreste) e o litoral de Maragogi e Roteiro.
Fonte: Autor, (2018).
Para facilitar a comparação em termos de predominância serão confrontados a seguir a
soma das duas classes com maior frequência em cada local.
Água Branca apresentou predominância na direção do vento em duas direções, SE (38,
62 %) e ESE (35,23%). A soma da frequencia nestas duas classes é igual a 73,85%. Em
Girau do Ponciano, a soma das duas classes principais foi de 53,42%, sendo a primeira E
(30,62%) e a segunda ENE (22,80%). Em Maragogi a soma das duas classes principais não
representa a maioria (41,41%). As duas classes em questão foram SE (21,94%) e ESE
(19,47%). Para o segundo local no litoral (Roteiro) a predominância foi praticamente a mesma
de Maragogi, onde soma das duas classes principais foi de 44,54%, sendo 24,88% de SE e
19,66% de E.
Comparando, em cada local, as distribuições em cada um dos 4 meses (Figura 12)
verificamos que há variação sazonal sendo menos pronunciada em Água Branca.
48
Figura 12 – Distribuições da direção do vento em cada sítio experimental para os quatro meses
relativos a cada estação do ano: Abril/08 (outono), junho/08 (inverno), outono (primavera) e
janeiro/09 (verão).
49
Fonte: Autor, (2018).
Em Água Branca, os resultados mostram que, com exceção de abril/08, os demais
meses tiveram suas direções predominantemente de SE: 43,31% em Junho/08, 50,67% em
outubro/08 e 32,48% em janeiro/09. Já em abril/08 a direção predominante foi de ESE
(38,15%).
50
Em Girau do Ponciano dois meses tiveram ventos predominantes de E: Abril/08
(30,14%) e outubro/08 (43,77%). Em junho/08 os ventos foram de ESE (40,93%) e em
janeiro/09 de ENE com 34,24%.
Em Maragogi, a direção variou de estação para estação. Em Abril/08 a predominância
foi ESE (19,79%), em junho/08 de SSE (28,01%), em outubro/08 de SE (32,41%) e em
janeiro/09 de ESE (21,95%).
Em Roteiro, os meses de abril/08, outubro/08 e janeiro/09 tiveram como direção
predominante E (31,62%, 31,72% e 30,24% respectivamente). No mês de junho/08 a
predominância foi de SE (34,93%).
4.2
PARÂMETROS AERODINÂMICOS
Neste item serão apresentados e discutidos os resultados referentes aos parâmetros
aerodinâmicos a partir dos dados das quatro torres anemométricas (AB, GP, MG e RT). O
propósito foi de desenvolver uma ferramenta capaz de calcular estes parâmetros utilizando
apenas os dados obtidos em duas alturas.
Tendo em vista que as medidas foram realizadas a 30 m e 50 m e que em todos havia
vegetação de porte médio-alto: canavial em MG e RT, caatinga em GP e AB. Portando o
valor encontrado representava d+Z0 (ver item 3.5).
Os resultados obtidos são mostrados na Figura 13. Nela constatamos que há uma
variação sazonal com aumento na estação chuvosa e diminuição na estação seca. Existe uma
diferença significativa entre os padrões entre outubro e junho onde verifica-se um aumento
em RT e GP e uma diminuição em AB e MG. Em média, há uma variação de 0,66 m no ano.
Quando comparados os valores de cada local no mesmo mês verificamos que a
diferença é muito pequena. Este resultado é muito importante porque indica que o método
adotado aparentemente não é adequado.
Em seus estudos Lyra e Pereira (2007), também destacaram as dificuldades em
estimativas dos parâmetros aerodinâmicos em locais com vegetação esparsa, o método
utilizado (metodo de ajuste estatístico) apresentou valores inconsistentes de d e Z0. No
presente trabalho, as vegetações dos sitios experimentais são de portes variados como dito
anteriormente, porém o método utilizado também apresentou valores inconsistentes e altos.
51
Figura 13 – Altura onde o vento é zero (d+Z0) em AB, GP, MG e RT nos meses de abril/08 (outono),
junho/08 (inverno), outono (primavera) e janeiro/09 (verão).
Fonte: Autor, (2018).
Na Tabela 4 são apresentados os valores médios para cada mês, a média geral e o
desvio padrão, para os quatro meses que usamos como representantes de cada estação do ano.
Nela verificamos que, apesar da diferença entre o tipo de vegetação, os valores são muito
próximos. Em termos de média geral, Girau do Ponciano apresentou o maior valor em relação
aos demais (6,61 m), Roteiro apresentou o menor valor (6,42 m). Os desvios padrões também
são próximos variando entre 0,29 (AB) e 0,36 (GP).
Quando comparados os valores de cada local no mesmo mês verificamos que a
diferença é muito pequena (da ordem de 0,2m).
A não constatação de variação espacial implica em dizer que, apesar de utilizar uma
formulação fisicamente adequada, o método não produz o resultado esperado: determinar os
parâmetros aerodinâmicos a partir de dados de torres anemométricas para fins eólicos com 2
níveis de medição. Certamente, isto ocorre porque nestas torres os níveis de medição ficam
muito distantes da superfície (30m ou mais). Nesta altura, a escoamento já está praticamente
livre da influencia da rugosidade superficial.
Uma prova do não funcionamento do método é o valor de d obtido por Toledo et al.,
(2003), utilizando o método do perfil para um cultivo contínuo de cana-de-açucar, no
52
município de Pilar, Alagoas, onde seu método obteve resultados satisfatórios de d=1,30 m e
Z0=0,30 m (d+Z0= 1,60 m).
Tabela 4 – Valores de d+Z0 para cada local de estudo e cada estação do ano em Água Branca (AB),
Girau do Ponciano (GP), Maragogi (MG) e Roteiro (RT).
LOCAL
AB
MG
RT
GP
abr/08
6,27
6,18
6,07
6,28
jun/08
6,43
6,32
6,18
6,32
d + Zo
out/08
jan/09
6,89
6,79
6,81
6,70
6,72
6,73
6,90
6,93
Média
6,59
6,50
6,42
6,61
Desvio
0,29
0,30
0,35
0,36
Fonte: Autor, (2018).
4.2.1 Verificação do cálculo de “d+Z0”
Para comprovar a hipótese levantada (primeiro nível de medição muito alto)
utilizamos a torre do projeto PVPN que contava com 8 níveis de medição do vento (5, 10, 14,
19 e 30, 50, 70 e 100 metros). Os níveis mais altos foram descartados e foram usados os 5
inferiores: 5, 10, 14, 19 e 30 metros). O perfil médio obtido após a filtragem dos dados é
mostrado na Figura 14.
53
Figura 14 – Perfil médio do vento em Craibas no período de 05/12/2014 a 13/01/2015.
Fonte: Autor, (2018).
Inicialmente foi feito o cálculo de “d” utilizando o método iterativo (ver item 3.5).
Este método consiste em fazer uma regressão linear (XY) onde são plotados a velocidade no
eixo “X” e o logaritmo de (Z-d) no eixo “Y”. São feitas múltiplas interações até encontrar o
melhor ajuste. As interações foram feitas fazendo variar “d” a cada centímetro. O valor
encontrado para “d” foi 0,0 m o que já era esperado porque, no período, a região estava
sofrendo seca e a não havia vegetação envolta da torre.
A Figura 15 ilustra o ajuste a partir de 5 valores de “d” mostrando que a reta é obtida
quando “d” é igual a zero.
54
Figura 15 – Determinação de “d” via método interativo.
Fonte: Autor, (2018).
O valor de Z0 encontrado foi de 0,11m. tendo em vista que “d” foi zero, então
d+Z0=0,11m.
Em seguida foi calculado d+Z0 utilizando a metodologia empregada nos outros quatro
locais, na mesma camada (30 a 50m). Para este cálculo, foi utilizado apenas um mês com
todos os dados da segunda fase tendo em vista que um mês seria suficiente para comprovar se
há ou não eficiência no método.
O resultado encontrado foi 6,61 o qual é muito próximo daqueles encontrados nos
outros quatro locais. Isto comprova a validade da hipótese levantada.
Para ilustrar ainda melhor, foram calculados “d+Z0” para todas as camadas, para os 8
níveis de medição em Craíbas (Tabela 5). Os valores encontrados foram bem superiores ao
correto (0,11m). É interessante notar que a razão (d+Z0)/d permanece praticamente constante.
55
Tabela 5 – Valores de d+Z0 para todas as camadas em Craíbas, no período, altura de 5 a 100 m.
Z1(m)
Z2(m)
d+Z0 (m)
dZ (m)
(d+Z0)/dZ
5
10
1,53
5
0,3
10
14
1,36
4
0,34
14
19
1,71
5
0,34
19
30
3,68
11
0,33
30
50
6,61
20
0,33
50
70
7,01
20
0,35
70
100
10,52
30
0,35
Fonte: Autor, (2018).
4.3
COMPORTAMENTO ATÍPICO DO VENTO
A importância das eliminações é para melhor compreensão e ajuste dos dados ao perfil
Logarítmico do vento, é de grande ajuda na filtragem de dados indesejados, para uma maior
precisão e facilidade em qualquer método estatístico que seja utilizado em estudos, além da
detecção de alguns fenômenos que influenciaram na perturbação do vento naquele momento
de registro, ajudando também na predição do regime dos ventos na região (SILVA, 2009).
Além de detectar se a região de estudo está apta às atividades eólicas, para um melhor
desempenho da turbina.
Neste item a estatística das eliminações de dados serão usados para tentar
compreender melhor o escoamento no local.
Para calcular os parâmetros aerodinâmicos foram estabelecidos critérios para filtrar os
dados antes dos cálculos eliminando as situações atípicas conforme descrito na metodologia:
I)
Perfil fora do padrão logarítmico (U1>U2);
II)
Atmosfera muito estável;
III)
Atmosfera muito instável.
56
Existem quatro situações que podem provocar o estabelecido no critério I: a)
turbulência; b) mudança de direção; c) transição CLC-CLN e vice-versa; d) fenômenos locais.
No caso dos critérios II e III o fator determinante é a estabilidade atmosférica.
Na Tabela 6 estão agrupados os casos de eliminações em cada local por cada um dos
três critérios expressos em percentual. No qual foram dados a cada 10 minutos em quatro
meses, ou seja, 17568 pares de dados (U1 e U2) em cada local (total de 70272). No geral
foram eliminados 53,77% dos casos: 8,44% pelo critério I, 18,32% pelo critério II e 27,01%
pelo critério III. O local com mais eliminações foi GP (66,69%) e com menos AB (44,29%).
É importante ressaltar que em GP, além de mais eliminações no geral, também teve o maior
número em cada um dos três critérios.
Nas eliminações pelo critério I, AB se destaca pelo número baixo (2,01%) e GP pelo
número elevado (13,27%). Na verdade, o esperado era encontrar uma semelhança entre AB e
GP em função da localização e da topografia. Por outro lado, o segundo maior número
(10,54%) ocorreu em MG. A explicação para isso é a localização das torres anemométricas.
Em MG a torre ficou na borda da falésia e em GP no vértice da colina. Em ambos os casos a
probabilidade de ocorrer um perfil logarítmico do vento é mais remota.
Tabela 6 – Total de casos de eliminações em cada critério nos quatro locais expressos em percentual.
CRITÉRIO
LOCAL
TOTAL
I
II
III
AB
2,01%
19,95%
22,33%
44,29%
GP
13,27%
24,73%
28,69%
66,69%
MG
10,54%
13,85%
29,80%
54,20%
RT
7,96%
14,74%
27,21%
49,91%
Fonte: Autor, (2018).
Segundo Silva (2011), o escoamento do vento terrenos mais complexos, dificulta a
medida do vento, que muitas vezes apresenta um perfil inverso, com superestimativas (o nível
inferior apresenta velocidade do vento maior que o nível inferior).
57
A Figura 16 representa o que acontece quando há presença de locais inclinados, como
no topo de um cume, onde há um aumento da velocidade do vento, devido ao topo do cume
atuar com um concentrador de linhas, além do mais quanto mais alto menos influencia da
rugosidade de superfície, o que contribui ainda mais (CUSTÓDIO, 2009).
Figura 16 – Escoamento do vento em uma colina (esquema ideal).
Fonte: Autor (2018) apud Ramos, (2012).
Pelo critério II verifica-se uma semelhança entre os locais litorâneos (MG com
13,85% e RT com 14,74%) e os semi-áridos (AB com 19,95% e GP com 24,73%).
No critério III, se destaca AB com o menor número de eliminações (22,33%) enquanto
que os demais ficam na casa dos 28%.
Visando compreender melhor a relação entre as eliminações e os fenômenos físicos
envolvidos serão analisadas as eliminações por período (dia e noite), mostrados na Tabela 7.
A primeira coisa que fica evidente é a supremacia da instabilidade durante o dia
(critério III) e da estabilidade durante a noite (critério II) com destaque para GP. Na verdade
era o esperado uma vez que a CLA é instável durante dia e estável à noite.
Um fato curioso é a pequena diferença entre dia e noite em termos de casos muito
estáveis em MG (5,29% versus 8,26%) que se destacou também pelo máximo de casos de
instabilidade a noite (7,84%).
Quando comparamos as eliminações pelo critério I (U2<U1) uma coisa fica evidente:
em AB e GP o fenômeno ocorre quase que exclusivamente à noite e muito pouco em AB. O
grande número de casos em GP está associado a topografia e a maior instabilidade durante o
dia (24,77%).
58
Tabela 7 – Total de casos de eliminações, por período, em cada critério nos quatro locais expressos
em percentual.
CRITÉRIO
LOCAL
I
II
III
dia
noite
dia
noite
dia
noite
AB
1,90%
0,11%
4,97%
14,98%
19,21%
3,12%
GP
13,00%
0,27%
4,63%
20,09%
24,77%
3,93%
MG
6,59%
3,96%
5,59%
8,26%
21,97%
7,84%
RT
5,64%
2,32%
4,14%
10,60%
23,54%
3,67%
Fonte: Autor, (2018).
4.4
ESTIMATIVA DO EXPOENTE DA LEI DA POTÊNCIA ()
Foi desenvolvido um modelo para calcular o expoente da equação 20 (lei da Potência).
Utilizando os mesmos critérios para o cálculo dos parâmetros aerodinâmicos (item 3.3) foram
obtidas as velocidades médias nos dois níveis (30 e 50m). Em seguida um algorítimo
interativo foi implementado para encontrar o melhor valor de . Ou seja, o valor o qual
permite estimar a velocidade no nível superior com o menor erro possível.
Os resultados obtidos são mostrados na Figura 17. Ela mostra que varia de um local
para outro e também ao longo do ano.
Ao longo do ano verifica-se que a tendência de α é crescer durante a estação seca a
partir de outubro e diminuir na estação chuvosa. Apenas em GP o pico de mínima não
ocorreu em outubro e sim em janeiro.
Um resultado bastante similar ao de Camelo et al., (2010) que foi feito com o método
de extrapolação da velocidade do vento utilizando lei da potência para as regiões litoraneas do
ceará (Paracuru e Camocim), que mostraram acréscimos nos valores de durante a estação
seca para as dois locais.
Em termos de variação espacial fica evidente a diferença entre o litoral e interior. No
interior é da ordem de 0,13 (0,137 em AB e 0,133 em GP). No litoral os valores médios
59
foram de 0,160 em MG e de 0,178 em RT. Tendo em vista que o valor padrão de é igual a
0,15, verificamos que no litoral é menor e que no interior ele é maior.
Figura 17 – Valores médios do expoente nos meses de abril/08, junho/08, outubro/08 e janeiro/09. Em
AB, GP, MG e RT.
Fonte: Autor, (2018).
Na Tabela 8 são apresentados os erros percentuais usando o modelo original (MO) e
modelo desenvolvido neste trabalho (MD). Ela nos mostra que o MD representa uma
melhoria siginificativa, com erro absoluto variando entre 0,0% e 0,2%. Já nas estimativas com
o MO o erro variou entre 0,11% e 2,98% com média de 1,13%. Vale salientar que a potencia
do aerogerador é proporcional ao cubo da velocidade e da área do rotor (equação 21).
Assim se tivermos, por exemplo, um aerogerador com rotor de raio igual a 70m (faixa de
3MW) e velocidade do vento de 15 m.s-1, a diferença de 1,13% fara esta velocidade passar a
ser de 15,17 m.s-1. Neste caso a potencia passará de 31.172.453,11W para 32.241.185,48W o
que representa uma diferença de 1.068.732,37W. Tendo em vista que os parques eólicos tem
vida util de cerca de 30 anos o erro na estimativa da energia gerada passa a ser enorme.
𝑷=
𝟏
𝟐
𝝆𝑨𝑽𝟑
(21)
60
Tabela 8 – Erro absoluto da velocidade do mento em cada mes e cada local utilizando o modelo
original (MO) e o modelo desenvolvido (MD) nos meses de abril/08, junho/08, outubro/08 e
janeiro/09. Em AB, GP, MG e RT.
LOCAL
MÊS
Água Branca
Girau do Ponciano
Maragogi
Roteiro
MO
MD
MO
MD
MO
MD
MO
MD
abr/08
0,63%
0,01%
0,35%
0,01%
2,13%
0,01%
2,98%
0,01%
jun/08
1,24%
0,00%
0,11%
0,01%
0,37%
0,02%
1,79%
0,01%
out/08
1,50%
0,01%
1,81%
0,01%
0,62%
0,00%
0,56%
0,00%
jan/09
0,59%
0,02%
2,18%
0,01%
0,83%
0,01%
0,37%
0,01%
Fonte: Autor, (2018).
Este resultado mostra que o uso do algoritmo desenvolvido para a lei da potencia, é
uma importante ferramenta para melhorar a estimar o vento a partir de dados anemométricos,
independente do conhecimento dos parâmetros aerodinâmicos. Ele necessita unicamente da
medida em do vento em pelo menos 2 níveis.
61
5.
CONCLUSÕES
Este trabalho foi realizado com o objetivo de desenvolver uma metodologia para
melhorar a estimativa da velocidade do vento a partir de dados de torres anemométricas, via
implementação de uma ferramenta para determinação dos parâmetros aerodinâmicos (d, Z0) e
do expoente da equação mais usado na Engenharia eólica: lei da potência (α).
Foi feita uma análise do comportamento do vento nos 5 locais estudados e constatouse que a velocidade do vento no interior é maior do que no litoral e que os ventos são mais
fortes na estação seca e mais fracos na estação chuvosa. A direção predominante é de SE e
também tem um ciclo anual. Em todo o Estado o escoamento é ditado pelos ventos Alísios.
Foi implementado um algorítimo para filtrar os dados de vento e melhorar a sua
estimativa com a altura em parque eólicos. Este algorítimo acabou se mostrando uma
ferramenta importante para o estudo do escoamento uma vez que o filtro revela os casos de
comportamento atípico do vento. No geral, foram constatados 53,77% de casos atípicos. O
local com mais casos GP (66,69%) e com menos AB (44,29%). No geral, a maior parte destes
casos atípicos ocorreu durante o dia.
O modelo desenvolvido para estimar d e Z0 a partir de dados anemométricos, não deu
resultados coerentes. A comprovação foi feita com os dados de Craibas onde foi possível
calcular os parâmetros em questão através do método clássico (método iterativo).
Foi também desenvolvimento um modelo para melhorar a estimativa do vento com a
altura através da determinação do exponte da lei da potência (). Os resultados obtidos foram
muito bons, pois o erro foi reduzido de 1,13% para 0,01%. Além disso, ficou evidente que
varia de acordo com o local e que, em cada local, ele varia com o tempo seguindo um ciclo
anual com crescimento na estação seca e diminuição na estação chuvosa.
62
REFERÊNCIAS BIBLIOGRÁFICAS
AMARANTE, O. A. C.; DA SILVA, F. J. L. Atlas do potencial eólico brasileiro. Camargo
Schubert Engenharia Eólica, Centro de Pesquisas de Energia Elétrica/CEPEL. Brasília, 2001.
ANEEL (Agência Nacional de Energia Elétrica). Atlas de energia elétrica do brasil.
Brasília, 2002.
ARAÚJO, M. A. A moderna construção sustentável. IDHEA-Instituto para o
Desenvolvimento da Habitação Ecológica, 2008.
BARTHELMIE, R. J.; PALUTIKOF, J. P.; DAVIES, T. D. Estimation of sector roughness
lengths and the effect on prediction of the vertical wind speed profile. Boundary-Layer
Meteorology, v. 66, n. 1-2, p. 19-47, 1993.
BERNARDO, S. O.; MOLION, L. C. B. Variabilidade do vento para a cidade de MaceióAL. XI Congresso Brasileiro de Meteorologia, 2000.
BEZERRA, F. D.; SANTOS, L. S. Potencialidades da Energia Eólica no Nordeste. Informe
Técnico do ETENE (Escritório Técnico de Estudos Econômicos do Nordeste), Ano II, Nº 5,
2017.
BLUMBERG, D. G.; GREELEY, R. Field studies of aerodynamic roughness length.
Journal of Arid Environments, Vol. 25, n. 1, p. 39-48, 1993.
BRITO, J. O. Carvão vegetal no Brasil: gestões econômicas e ambientais. Estudos
avançados, v. 4, n. 9, p. 221-227, 1990.
BRUIN, H. A. R. D.; MOORE, C. J. Zero-plane displacement and roughness length for
tall vegetation, derived from a simple mass conservation hypothesis. Boundary-Layer
Meteorology, Vol. 31, n. 1, p. 39-49, 1984.
CAMELO, H. N.; MARIA, P. H. S.; CARVALHO, P. C. M.; PEREIRA, T. B. Métodos de
Extrapolação de Velocidade do Vento para Regiões Litorâneas do Nordeste Brasileiro.
XVI Congresso Brasileiro de Meteorologia, 2010.
CARNEIRO, T. C. Caracterização de potencial eólico para fins de geração eólioelétrica:
estudo de caso para Maracanaú (CE), Parnaíba (PI) e Petrolina (PE). Dissertação de
Mestrado em Engenharia Elétrica, Universidade Federal do Ceará (UFC), 2014, 223 p.
CASTRO, R. M. G. Introdução à energia eólica. Portugal: Universidade Técnica de Lisboa
(2004).
COSTA, G. B.; LYRA, R. F. F. Análise dos padrões de vento no Estado de Alagoas.
Revista Brasileira de Meteorologia, v. 27, n. 1, p. 31-38, 2012.
63
CRUZ, N. S. D. Comportamento do vento e aproveitamnto eólicona região central de
Alagoas (Craíbas). Dissertação de Mestrado em Meteorologia, Universidade Federal de
Alagoas (UFAL): Instituto de Ciências Atmosféricas (ICAT), 2017. 75 p.
CUSTÓDIO, R. S. Energia eólica para produção de energia elétrica. Rio de Janeiro:
Eletrobrás, 2009. 280 p. ISBN 978-85-87083-09-8.
ELETROBRÁS. Atlas Eólico do Estado de Alagoas. 2008. Disponível
<http://Atlas%20Eólico%20de%20Alagoas_internet.pdf >. Acesso em: 13/09/2017.
em:
FEDOROVICH, E.; CONZEMIUS, R.; MIRONOV, D. Convective entrainment into a
shear-free, linearly stratified atmosphere: Bulk models reevaluated through large eddy
simulations. Journal of the Atmospheric Sciences, Vol. 61, p. 281–295, 2004.
GARRATT, J. R. The atmospheric boundary layer. Earth-Science Reviews, Vol. 37, n. 1-2,
p. 89-134, 1994.
GUERRA, T. Estudo sobre a turbulência na camada limite planetária. Monografia de
Bacharel em Física. Universidade Federal de Santa Maria (UFSM-RS), 76 p., 2008.
GWEC - GLOBAL WIND ENERGY COUNCIL (CONSELHO GLOBAL DE ENERGIA
EÓLICA). Status Global da Energia Eólica. Disponível em: http://gwec.net/globalfigures/wind-energy-global-status/. Acesso em: 16/06/2018.
IHADUA, I. M. T. J.; LYRA, R. F. F.; SILVA JÚNIOR, R. S.; RAMOS, D. N. S. Estudo
dos padrões de velocidade e direção do vento no nordeste brasileiro. (JNIC) 65ª Reunião
Anual SBPC (Congresso), 2013.
JERVELL, J. T. Estudo da influência das características do vento no desempenho de
aerogeradores. 2008.
KAIMAL, J. C.; WYNGAARD, J. C.; HAUGEN, D. A.; COTÉ, O. R.; IZUMI, Y.
Turbulence structure in the convective boundary layer. Journal of the Atmospheric
Sciences, Vol. 33, p. 2152–2169, 1976.
KIKUMOTO, H.; OOKA, R.; SUGAWARA, H.; LIM, J. Observational study of power-law
approximation of wind profiles within an urban boundary layer for various wind
conditions. Journal of Wind Engineering and Industrial Aerodynamics, Vol.: 164, p.: 13 a 21,
2017.
LIRA, M. A. T. Estimativa dos recursos eólicos no litoral cearense usando a teoria da
regressão linear. Dissertação Mestrado, Universidade Estadual do Ceara, Centro de Ciências
e Tecnologia de Fortaleza, 2009.
LYRA, R. F. F.; SILVA, R. S. J.; MOURA, M. A. L.; AMORIM, M. C. A. L. Prognóstico
da velocidade do vento utilizando o Modelo WRF na Região Central de Alagoas. Revista
Ciência e Natura, Vol. 36 N. 2, 2014.
64
LYRA, G. B.; PEREIRA, A. R. Dificuldades de estimativa dos parâmetros de rugosidade
aerodinâmica pelo perfil logarítmico do vento sobre vegetação esparsa em região semiárida. Revista Brasileira de Geofísica, Vol. 25, n. 2, p. 187-197, 2007.
MAGNAGO, R.; MAGNAGO, P.; ZIMMERMANN, H.; GIEHL, J.; ACEVEDO, O.;
MORAES, O. Evolução Temporal de RiB nos Períodos em que antecedem a morte da
Turbulência. XII Congresso Brasileiro de Meteorologia, Foz de Iguaçu-PR, 2002.
MARONEZE, R. Modelo para turbulência na camada limite atmosférica noturna
utilizando equações prognósticas para a energia cinética turbulenta e fluxo de energia
na forma de calor sensível. Monografia de Bacharel em Física. Universidade Federal de
Santa Maria (UFSM-RS), 44 p., 2014.
MARTINS, F. R.; GUARNIERI, R. A.; PEREIRA, E. B. O aproveitamento da energia
eólica. Revista Brasileira de Ensino de Física, Vol. 30, n. 1, p. 1304, 2008.
MEHTA, S. K.; OJHA, D.; ANAND, D.; RAO, D. N.; ANNAMALAI, V.; SALEEM, A.
Thermodynamic structure of the convective boundary layer (CBL) over the Indian
monsoon region during CAIPEEX campaigns. In Annales Geophysicae. Copernicus
GmbH, Vol. 35, No. 6, p. 1361, 2017.
MOURA, J. D. O.; LYRA, R. F. F.; RAMOS, D. N. S.; IHADUA, I. M. T. J. Comparação
entre dados de vento observados utilizando o modelo WASP. VIII Workshop Brasileiro de
Micrometeorologia, 2013.
(ONS) - OPERADOR NACIONAL DO SISTEMA ELÉTRICO. Boletim Mensal de
Geração
de
Energia
Eólica
no
Nordeste.
2018.
Disponível
em:
http://ons.org.br/AcervoDigitalDocumentosEPublicacoes/Boletim_abr_2018.pdf#search=Ener
gia%20eolica.
PEREIRA, R. R.; LOPES, V. S.; VILELA, R. B.; ASSIREU, A. T. Sensoriamento remoto
aplicado a estimativas de comprimento de rugosidade superficial. Anais XVI Simpósio
Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu-PR, Brasil, Instituto de
Pesquisas Espaciais (INPE), 2013.
RAMOS, D. N. S.; LYRA, R. F. F.; SILVA JÚNIOR, R. S.; SILVA, A. R. Validação da
velocidade do vento do modelo WRF com uso da velocidade de fricção u* simulada.
Ciência e Natura Ed. Suplementar, VII Workshop Brasileiro de Micrometeorologia Vol.:33
p.: 247-250, 2011.
RAMOS, D. N. S. Mapeamento eólico do estado de alagoas utilizando ferramentas
computacionais e dados observados. Dissertação de Mestrado em Meteorologia,
Universidade Federal de Alagoas (UFAL): Instituto de Ciências Atmosféricas (ICAT), 2012.
130 p.
65
ROBALLO, S. T.; FISCH, G. Estudo das características do perfil vertical do vento no
Centro de Lançamento de Alcântara (CLA). Anais do XIV Congresso Brasileiro de
Meteorologia. Florianópolis, Brazil, 2006.
ROBALLO, S. T.; FISCH, G. Escoamento atmosférico no Centro de Lançamento de
Alcântara (CLA): parte I - aspectos observacionais. Revista Brasileira de Meteorologia,
Vol. 23, n. 4, p. 510-519, 2008.
SAATCHI, S.; RODRIGUEZ, E. Relating Vegetation Aerodynamic Roughness Length to
Interferometric SAR Measurements. Conference: Geoscience and Remote Sensing
Symposium, 1999.
SANTOS, A. S. ; GOMES, H. B. ; AMORIM, R. F. C. ; AMORIM, R. C. F. ; PONTES, E. G.
S. ; MEDEIROS, F. C. . Estudo da climatologia dos ventos através dos dados de
reanálises: período 1970 2002, e sua relação com a precipitação para o estado de Alagoas
nos anos 1992/94. In: XIII Congresso Brasileiro de Meteorologia, 2004, Fortaleza CE.
Meteorologia e o Desenvolvimento Sustentável, 2004.
SIMAS, M.; PACCA, S. Energia eólica, geração de empregos e desenvolvimento
sustentável. Estudos avançados, v. 27, n. 77, p. 99-116, 2013.
SILVA, G. R. Características de Vento da Região Nordeste. Dissertação de Mestrado em
Engenharia Mecânica, Recife: Universidade Federal de Pernambuco, 2003.
SILVA, A. R. Caracterização do vento e potencial eólico no Estado de Alagoas.
Dissertação de Mestrado em Meteorologia, Maceió: Universidade Federal de Alagoas
(UFAL), 2011. 95 p.
SILVA, S. M. S. Avaliação do desempenho do Modelo WRF para Prognóstico do vento
na Região Central de Alagoas - Craíbas. 45 f. Trabalho de Conclusão de Curso
(Bacharelado em Meteorologia) – Universidade Federal de Alagoas (UFAL), Maceió, 2016.
SILVA, S. M. S; LYRA, R. F. F.; SILVA JÚNIOR, R. S.; CRUZ, N. S. D.; SANTOS SILVA,
S. Avaliação do desempenho do Modelo WRF para Prognóstico do vento na Região
Central de Alagoas - Craíbas. Ciência e Natura, Vol. 40, p. 187-192, 2018, Edição Especial:
X Workshop Brasileiro de Micrometeorologia , Campus de Santa Maria – RS (UFSM), 2018.
SILVA, S. M. S; LYRA, R. F. F.; SILVA JÚNIOR, R. S.; CRUZ, N. S. D.; SANTOS SILVA,
S. Avaliação da estimativa da velocidade de fricção pelo modelo WRF na região central
de Alagoas (Craíbas). Anais do X Workshop Brasileiro de Micrometeorologia, Santa MariaRS (UFSM), 2018.
66
SOZZI, R.; FAVARON, M.; GEORGIADIS, T. Method for estimation of surface
roughness and similarity function of wind speed vertical profile. Journal of Applied
Meteorology, Vol. 37, n. 5, p. 461-469, 1998.
STULL, R. B. An introduction to boundary layer meteorology. Dordrecht: Kluwer
Academic Pub, 1988. 680 p.
TOLEDO FILHO, M. R.; BERLATO, M. A.; LYRA, R. F. F. Parâmetros aerodinâmicos
associados a cultivo de cana-de-açúcar no estado de alagoas. Revista Brasileira de
Meteorologia, Vol. 18, n. 2, p. 207-212, 2003.