Luan_ICAT-UFAL_Dissertacao_2026.pdf
Documento PDF (5.7MB)

Exibir conteúdo Baixar

                    UNIVERSIDADE FEDERAL DE ALAGOAS
CAMPUS A. C. SIMÕES
INSTITUTO DE CIÊNCIAS ATMOSFÉRICAS
PROGRAMA DE PÓS-GRADUAÇÃO EM METEOROLOGIA

LUAN SANTOS DE OLIVEIRA SILVA

AVALIAÇÃO ESPAÇO-TEMPORAL DA COMPLEMENTARIDADE ENTRE AS
ENERGIAS RENOVÁVEIS VARIÁVEIS PARA O NORDESTE DO BRASIL

Maceió, AL
Julho, 2026

LUAN SANTOS DE OLIVEIRA SILVA

AVALIAÇÃO ESPAÇO-TEMPORAL DA COMPLEMENTARIDADE ENTRE AS
ENERGIAS RENOVÁVEIS VARIÁVEIS PARA O NORDESTE DO BRASIL

Trabalho

de

Dissertação

apresentado

ao

Programa de Pós-Graduação em Meteorologia
da Universidade Federal de Alagoas, como
requisito à obtenção do título de Mestre em
Meteorologia.
Orientador: Prof. Dr. Rosiberto Salustiano da
Silva Junior.
Coorientador: Dr. Diogo Nunes da Silva Ramos.

Maceió, AL
Julho, 2026

Catalogação na fonte
Universidade Federal de Alagoas
Biblioteca Central
Divisão de Tratamento Técnico
Bibliotecária Myrtes Vieira do Nascimento CRB4/1680

S586a

Silva, Luan Santos de Oliveira.
Avaliação espaço-temporal da complementaridade entre as energias renováveis
variáveis para o Nordeste do Brasil / Luan Santos de Oliveira Silva. – 2026.
81 f.: il.
Orientação: Rosiberto Salustiano da Silva Junior.
Coorientação: Diogo Nunes da Silva Ramos.
Dissertação (Mestrado em Meteorologia) – Universidade Federal de Alagoas.
Instituto de Ciências Atmosféricas. Programa de Pós-Graduação em Meteorologia.
Maceió, 2026.
Referências: f. 70-81
1. Energias renováveis. 2. Energia eólica. 3. Energia solar. 4. Energia hidrelétrica.
5. Nordeste do Brasil. I. Título.
CDU: 551.5

AGRADECIMENTOS
•

Ao Professor Dr. Rosiberto Salustiano pela compreensão, incentivo, gentileza e paciência.
Suas orientações e discussões levantadas em laboratório contribuíram no desenvolvimento
pessoal e profissional.

•

A banca examinadora composta por Diogo Nunes da Silva Ramos, Jose Francisco de
Oliveira Junior e Fernando Ramos Martins, pelas sugestões e contribuições.

•

A minha família sempre estar presente e ter dado grande apoio ao longo da vida.

•

Aos meus queridos amigos pelo apoio, incentivo generosidade, cumplicidade e por serem
sinônimo de inspiração.

•

A UFAL e CAPES que não só viabilizaram minha permanência na universidade, mas
também possibilitou valiosas contribuições à comunidade científica.

•

Aos professores do ICAT por todos os ensinamentos e debates desenvolvidos nas aulas.

RESUMO
O uso crescente de fontes de energia renováveis variáveis (FERV) no setor elétrico brasileiro
amplia a necessidade de compreender como a variabilidade espaço-temporal dos recursos
naturais pode ser explorada de forma complementar, sobretudo em regiões com elevada
participação no país, como o Nordeste do Brasil (NEB). Nesse contexto, este estudo teve como
objetivo avaliar a complementaridade espaço-temporal entre as fontes hídrica, solar e eólica no
NEB, em escalas mensal e horária, a partir da regionalização de padrões meteorológicos
homogêneos e da análise de empreendimentos representativos de geração com foco na previsão
do dia seguinte. Na escala mensal, foram utilizados dados de velocidade do vento a 100 m e de
irradiação solar obtidos da reanálise ERA5, além de dados de precipitação provenientes do
produto MERGE/CPTEC. Esses dados foram combinados à técnica de análise de agrupamento
hierárquico para identificar regiões homogêneas quanto à disponibilidade de recursos
energéticos. A componente hídrica foi representada pela série do nível do reservatório de
Sobradinho, localizado no estado da Bahia, por sua importância estratégica no subsistema
nordeste. Com base nessas regionalizações, aplicou-se um índice de complementaridade
temporal entre três fontes para quantificar o grau de complementaridade entre diferentes
combinações regionais. Os resultados indicaram complementaridade forte nas combinações
entre as áreas de maior potencial eólico do litoral e da faixa de transição para o interior, o
reservatório de Sobradinho e as regiões homogêneas de irradiação solar situadas no setor
oriental do NEB e no sul da Bahia. As combinações dessas mesmas áreas eólicas com a região
homogênea de maior potencial solar, localizada predominantemente no interior do NEB,
apresentaram complementaridade moderada, enquanto valores inferiores foram observados nas
combinações com as demais regiões homogêneas de irradiação solar. Esses padrões refletem a
defasagem sazonal entre os recursos, com compensação entre os máximos eólicos, a
variabilidade da disponibilidade solar e a contribuição reguladora da fonte hídrica. Na escala
horária, as previsões do modelo WRF foram utilizadas para representar os recursos eólicos nos
parques Alegria I (RN) e Serra do Assuruá (BA) enquanto as previsões de irradiância solar do
MPAS representaram o recurso solar da usina fotovoltaica de São Gonçalo (PI). Assim, a
combinação entre Serra do Assuruá e São Gonçalo apresentou menor necessidade de
compensação hídrica idealizada associada à hidrelétrica de Sobradinho, em comparação com a
combinação entre Alegria I e o recurso solar. Esse resultado indica uma defasagem temporal
mais favorável entre os recursos eólico e solar no arranjo que envolve Serra do Assuruá,
sobretudo pela maior contribuição eólica nos períodos de baixa ou nula disponibilidade solar.
Em geral, a metodologia adotada em programação de compromisso mostrou-se adequada para
quantificar a interação temporal entre as FERV, e assim contribui para o planejamento
energético regional e para a operação de curto prazo ao fornecer subsídios para a operação
coordenada do sistema elétrico.
Palavras-chave: Complementaridade energética; energia eólica; energia solar; energia hídrica;
Nordeste do Brasil.

ABSTRACT
The growing use of variable renewable energy sources (VRES) in the Brazilian electricity sector
increases the need to understand how the spatiotemporal variability of natural resources can be
exploited in a complementary manner, especially in regions with a high share of the country's
generation, such as Northeast Brazil (NEB). In this context, this study aimed to assess the
spatiotemporal complementarity among hydropower, solar, and wind sources in NEB, at
monthly and hourly scales, based on the regionalization of homogeneous meteorological
patterns and the analysis of representative generation projects with a focus on day-ahead
forecasting. At the monthly scale, wind speed data at 100 m and solar irradiation data obtained
from the ERA5 reanalysis were used, in addition to precipitation data from the MERGE/CPTEC
product. These data were combined with hierarchical cluster analysis to identify homogeneous
regions in terms of energy resource availability. The hydropower component was represented
by the reservoir level series of Sobradinho, located in the state of Bahia, due to its strategic
importance in the Northeast subsystem. Based on these regionalizations, a temporal
complementarity index among three sources was applied to quantify the degree of
complementarity among different regional combinations. The results indicated strong
complementarity in combinations involving the areas with the highest wind potential along the
coast and the transition zone toward the interior, the Sobradinho reservoir, and the homogeneous
solar irradiation regions located in the eastern sector of NEB and in southern Bahia.
Combinations of these same wind areas with the homogeneous region of highest solar potential,
located predominantly in the interior of NEB, showed moderate complementarity, while lower
values were observed in combinations with the other homogeneous solar irradiation regions.
These patterns reflect the seasonal lag among the resources, with compensation between wind
maxima, variability in solar availability, and the regulating contribution of hydropower. At the
hourly scale, WRF model forecasts were used to represent wind resources at the Alegria I (RN)
and Serra do Assuruá (BA) wind farms while MPAS solar irradiance forecasts represented the
solar resource at the São Gonçalo (PI) photovoltaic plant. Thus, the combination of Serra do
Assuruá and São Gonçalo showed a lower need for idealized hydropower compensation
associated with the Sobradinho hydroelectric plant, compared with the combination of Alegria
I and the solar resource. This result indicates a more favorable temporal lag between wind and
solar resources in the arrangement involving Serra do Assuruá, particularly due to the greater
wind contribution during periods of low or zero solar availability. In general, the methodology
adopted in unit commitment proved suitable for quantifying the temporal interaction among
VRES, and thus contributes to regional energy planning and short-term operation by providing
support for the coordinated operation of the power system.
Keywords: Energy complementarity; wind energy; solar energy; hydropower; Northeast
Brazil.

LISTA DE FIGURAS
Figura 1 – Evolução das fontes renováveis matriz elétrica brasileira. ..................................... 20
Figura 2 – Informações dos setores de emissão. ...................................................................... 21
Figura 3 – Participação das fontes na matriz elétrica. .............................................................. 21
Figura 4 – Rede de transmissão do SIN, com destaque para as linhas de transmissão existentes
e a divisão espacial em subsistemas (Norte, Nordeste, Sudeste/Centro-Oeste e Sul). ............. 22
Figura 5 – Intercâmbio de energia elétrica no SIN, representado pela exportação líquida anual
(MWmed) dos subsistemas Norte, Nordeste, Sudeste/Centro-Oeste e Sul, no período de 2010 a
2024. Valores positivos indicam exportação líquida de energia, enquanto valores negativos
indicam importação líquida. ..................................................................................................... 23
Figura 6 – Geração de eletricidade de baixo carbono por tecnologia e participação no
fornecimento global de eletricidade, para o ano de referência de 2020. Participação na geração
total de eletricidade (eixo direito). ............................................................................................ 24
Figura 7 – Instalação fotovoltaica acumulada global por região .............................................. 25
Figura 8 – Desenvolvimento histórico das instalações totais (em GW). .................................. 27
Figura 9 – Representação dos principais sistemas atmosféricos em multiescala que influenciam
o NEB, em interação com a infraestrutura energética (usinas fotovoltaicas, parques eólicos e o
reservatório de Sobradinho) e com a bacia do rio São Francisco. ............................................ 29
Figura 10 – Conceito de complementaridade explicado usando uma onda senoidal. .............. 32
Figura 11 – Diagrama sistematizando possíveis análises de complementariedade entre fontes
renováveis assim como respectivas escalas de variabilidade ................................................... 33
Figura 12 – Representação dos principais sistemas atmosféricos em multiescala que
influenciam o NEB, em interação com a infraestrutura energética (usinas fotovoltaicas, parques
eólicos e o reservatório de Sobradinho) e com a bacia do rio São Francisco. .......................... 34
Figura 13 – Precipitação média (mm/mês) no NEB para cada trimestre climatológico (DJF,
MAM, JJA, SON), no período de 1999-2022 com base nos dados do MERGE...................... 39
Figura 14 – Irradiação solar no NEB para cada trimestre climatológico (DJF, MAM, JJA, SON),
no período de 1999 a 2022 com base nos dados de reanálise do ERA5................................... 40
Figura 15 – Velocidade média do vento a 100m de altura no NEB para cada trimestre
climatológico (DJF, MAM, JJA, SON), no período de 1999 a 2022 com base nos dados de
reanálise do ERA5. As setas indicam a direção do vento. ........................................................ 41
Figura 16 – Regionalização da precipitação no NEB baseada em análise de agrupamento
hierárquico, onde: (a) o dendrograma define as cinco regiões homogêneas a partir do corte de

distância euclidiana (linha tracejada); (b) os boxplots detalham o ciclo sazonal de cada região
(P1-P5), com a média (ponto preto), mediana (linha central), intervalo interquartil (caixa) e
outliers (pontos cinzas); e (c) o mapa espacializa esses grupos, destacando a localização do
reservatório de Sobradinho (H1) e a bacia do Rio São Francisco (área hachurada). ............... 42
Figura 17 – Nível médio do reservatório de Sobradinho, localizado no estado da Bahia, para o
período de 1999-2022. .............................................................................................................. 43
Figura 18 – Regionalização da irradiação solar no NEB baseada em análise de agrupamento
hierárquico, onde: (a) o dendrograma define as cinco regiões homogêneas a partir do corte de
distância euclidiana (linha tracejada); (b) os boxplots detalham o ciclo sazonal de cada região
(S1-S5), com a média (ponto preto), mediana (linha central), intervalo interquartil (caixa) e
outliers (pontos cinzas); e (c) o mapa espacializa esses grupos, destacando a localização das
usinas fotovoltaicas instaladas. ................................................................................................. 44
Figura 19 – Regionalização da velocidade do vento a 100 m no NEB baseada em análise de
agrupamento hierárquico, onde: (a) o dendrograma define as quatro regiões homogêneas a partir
do corte de distância euclidiana (linha tracejada); (b) os boxplots detalham o ciclo sazonal de
cada região (W1-W4), com a média (ponto preto), mediana (linha central), intervalo interquartil
(caixa) e outliers (pontos cinzas); e (c) o mapa espacializa esses grupos, destacando a
localização dos aerogeradores instalados. ................................................................................ 46
Figura 20 – Índice de complementaridade total para combinações eólica (W1/W2), solar (S1–
S5) e hídrica (H1). A linha tracejada vermelha indica o valor médio do período. O fundo
colorido reproduz a escala de interpretação adotada. ............................................................... 48
Figura 21 – Mapa do NEB com os principais agrupamentos selecionados (S1, S3, S5 e W1) e
localização do reservatório de Sobradinho (H1), juntamente com as séries temporais
climatológicas mensais (1999–2022) de irradiação solar, velocidade do vento a 100 m e nível
do reservatório de Sobradinho, apresentando as médias mensais e o respectivo desvio padrão
mensal, bem como o grau de complementaridade associado às combinações das FERV. ....... 50
Figura 22 – Distribuição mensal da Geração Não Realizada apurada (GNRa) no subsistema
Nordeste em 2025, em MWmed e percentual, segundo os componentes razão energética,
confiabilidade e indisponibilidade externa. .............................................................................. 51
Figura 23 – Representação esquemática da configuração temporal das previsões. ................. 53
Figura 24 – Mapa de uso e cobertura do solo da região de estudo, elaborado a partir dos dados
do MapBiomas e adaptado à classificação padrão MODIS. .................................................... 54

Figura 25 – Topografia da região de estudo e localização dos aerogeradores. Os pontos azuis
correspondem ao agrupamento 1 e os pontos verdes ao agrupamento 2. Os painéis ampliados à
direita destacam as áreas representativas de cada agrupamento............................................... 57
Figura 26 – Ciclo diurno do fator de capacidade médio para os parques eólicos Alegria I (RN)
e Serra do Assuruá (BA), para o mês de setembro de 2025. .................................................... 57
Figura 27 – Topografia da região Nordeste do Brasil e localização dos sítios analisados: Usina
Solar de São Gonçalo (PI), Reservatório de Sobradinho (BA), Parque Eólico Serra do Assuruá
(BA) e Parque Eólico Alegria I (RN). ...................................................................................... 58
Figura 28 – Diagramas de Taylor da irradiância solar para as previsões dos modelos GFS, WRF
e MPAS, em comparação com as observações do INMET. ..................................................... 61
Figura 29 – Igual à Figura 23, porém considerando a velocidade do vento a 10m. ................. 61
Figura 30 – Rosas dos ventos para as observações do INMET (a) e para previsões do GFS (b)
WRF (c) e MPAS (d), nos pontos correspondentes às estações meteorológicas do INMET
indicadas no mapa. ................................................................................................................... 62
Figura 31 – Mapas da irradiância solar média para o período de 05 a 09 de setembro de 2025,
obtidos a partir das previsões dos modelos GFS, WRF e MPAS. A caixa delimitada indica a
região de interesse onde se localiza a usina fotovoltaica representativa: S1 (São Gonçalo).... 63
Figura 32 – Mapas da velocidade média do vento a 10 m de altura para o período de 05 a 09 de
setembro de 2025, obtidos a partir das previsões dos modelos GFS, WRF e MPAS. As caixas
delimitadas indicam a região de interesse onde se localizam os parques eólicos representativos:
W1 (Alegria I) e W2 (Serra do Assuruá). ................................................................................. 63
Figura 33 – Séries temporais horárias normalizadas das componentes eólica (W1), solar (S1) e
hídrica idealizada (H1), no intervalo de 05/09/2025 a 08/09/2025. W1 representa o parque
eólico Alegria I (RN), S1 a usina solar de São Gonçalo (PI) e H1 a compensação hídrica
idealizada associada à hidrelétrica de Sobradinho (BA). O valor de k𝐜 indica o índice de
complementaridade temporal entre as FERV. ........................................................................... 64
Figura 34 – Séries temporais horárias normalizadas das componentes eólica (W2), solar (S1) e
hídrica idealizada (H1), no intervalo de 05/09/2025 a 08/09/2025. W2 representa o parque
eólico Serra do Assuruá (BA), S1 a usina solar de São Gonçalo (PI) e H1 a compensação hídrica
idealizada associada à hidrelétrica de Sobradinho (BA). O valor de k𝐜 indica o índice de
complementaridade temporal entre as FERV. ........................................................................... 65

LISTA DE TABELAS
Tabela 1 – Interpretação dos valores do índice de complementaridade. .................................. 38
Tabela 2 – Esquemas de parametrização física utilizados nas previsões. ................................ 53

LISTA DE ABREVIATURAS E SIGLAS
BEN

Balanço Energético Nacional

CC

Coeficiente de Correlação

CEPEL

Centro de Pesquisas de Energia Elétrica

CPTEC

Centro de Previsão de Tempo e Estudos Climáticos

DOLs

Distúrbios Ondulatórios de Leste

ECMWF

Centro Europeu de Previsões Meteorológicas de Médio Prazo

ENOS

El Niño-Oscilação Sul

EPE

Empresa de Pesquisa Energética

FERV

Fontes de Energia Renováveis Variadas

GDAS

Global Data Assimilation System

GEE

Gases de Efeito Estufa

GFS

Global Forecast System

INMET

Instituto Nacional de Meteorologia

MPAS

Model for Prediction Across Scales

NASA

National Aeronautics and Space Administration

nRMSE

Erro Quadrático Médio Normalizado

RMSD

Desvio Quadrático Médio

NEB

Nordeste do Brasil

ODP

Oscilação Decadal do Pacífico

ONS

Operador Nacional do Sistema Elétrico

SRTM

Shuttle Radar Topography Mission

SIN

Sistema Interligado Nacional

VCAN

Vórtices Ciclônicos de Altos Níveis

ZCAS

Zona de Convergência do Atlântico Sul

ZCIT

Zona de Convergência Intertropical

WRF

Weather Research and Forecasting

SUMÁRIO
1

INTRODUÇÃO ........................................................................................................ 14

2

OBJETIVOS ............................................................................................................. 17

2.1

Gerais.......................................................................................................................... 17

2.2

Específicos.................................................................................................................. 17

3

JUSTIFICATIVA ...................................................................................................... 19

4

REVISÃO BIBLIOGRÁFICA ................................................................................ 20

4.1

A matriz elétrica brasileira ......................................................................................... 20

4.2

O recurso hidroelétrico ............................................................................................... 23

4.3

O recurso solar............................................................................................................ 25

4.4

O recurso eólico.......................................................................................................... 26

4.5

A integração das energias renováveis variáveis ......................................................... 27

4.6

Sistemas meteorológicos e fenômenos climáticos atuantes no NEB ......................... 28

4.7

A complementaridade entre as fontes renováveis ...................................................... 31

5

COMPLEMENTARIDADE MENSAL HIDRO-EÓLICA-SOLAR ................... 34

5.1

Metodologia................................................................................................................ 34

5.1.1

Área de estudo ............................................................................................................ 34

5.1.2

Dados meteorológicos e hidrológico .......................................................................... 35

5.1.3

Identificação de padrões dos recursos hídrico, eólico e solar .................................... 36

5.1.4

Complementaridade hídrica-eólica-solar ................................................................... 37

5.2

Resultados e Discussão .............................................................................................. 39

5.2.1

Distribuição espacial dos recursos das FERV ............................................................ 39

5.2.2

Variabilidade espaço-temporal da precipitação e do recurso hídrico......................... 41

5.2.3

Variabilidade espaço-temporal da irradiação solar .................................................... 44

5.2.4

Variabilidade espaço-temporal da velocidade do vento a 100m ................................ 46

5.2.5

Complementaridade sazonal entre as FERV .............................................................. 47

6

COMPLEMENTARIDADE HORÁRIA HIDRO-EÓLICA-SOLAR ................. 51

6.1

Metodologia................................................................................................................ 51

6.1.1

Seleção estudo de caso ............................................................................................... 51

6.1.2

Modelos meteorológicos e configurações do WRF e do MPAS ................................ 52

6.1.3

Dados observados ....................................................................................................... 55

6.1.4

Métricas de desempenho ............................................................................................ 55

6.1.5
Seleção e caracterização dos empreendimentos representativos para análise dos
recursos eólico e solar............................................................................................................... 56
6.1.6

Modelagem da componente hídrica para maximização da complementaridade ........ 58

6.1.7

Análise da complementaridade diária ........................................................................ 59

6.2

Resultados e Discussão .............................................................................................. 60

6.2.1

Validação estatística ................................................................................................... 60

6.2.2

Complementaridade horária entre as FERV ............................................................... 64

7

CONCLUSÕES ........................................................................................................ 67

REFERÊNCIAS ..................................................................................................................... 70

14

1 INTRODUÇÃO
No atual cenário energético global, as fontes renováveis avançam significativamente,
impulsionadas por políticas de incentivo, tais como tarifas de apoio e subsídios, que aceleraram
sua difusão e ainda favorecerem a substituição de combustíveis fósseis por tecnologias de
menor intensidade de carbono (Qi et al., 2023; Szendrei et al., 2025). Essa transição tem
relevância estratégica porque o uso de energia responde por parcela substancial das emissões
de gases de efeito estufa (GEE) (Crippa et al., 2025; EPE, 2025) e, ao mesmo tempo, pode
ampliar o acesso à energia limpa e acessível, e assim gerar impactos positivos adicionais para
a segurança hídrica (Borba et al., 2025; Luiz-Silva et al., 2022). Em 2023, as energias
renováveis já responderam por mais de 27% da geração elétrica mundial, com quase 11%
provenientes de eólica e solar (IEA, 2024). A integração de sistemas híbridos associa‑se a
ganhos sociais (empregos e saúde), econômicos (eficiência, custos menores e segurança) e
ambientais (descarbonização, resiliência e conservação hídrica) (Farghali et al., 2023). Esses
resultados são particularmente pertinentes diante da demanda elétrica brasileira projetada acima
de 1.605 TWh em 2050 (EPE, 2020).
O Sistema Interligado Nacional (SIN), operado pelo Operador Nacional do Sistema
Elétrico (ONS), estrutura‑se em quatro subsistemas interligados: i) Norte, ii) Nordeste, iii)
Sudeste/Centro‑Oeste e iv) Sul, o que viabiliza o intercâmbio de energia entre regiões com
perfis hidrológicos e de carga distintos. No subsistema Nordeste, a Bacia do Rio São Francisco
se destaca por abrigar o reservatório de Sobradinho, reconhecido como o principal na
regularização hídrica e no suporte à operação das usinas ao longo do rio (Campos et al., 2021).
A operação desse reservatório contribui para atenuar as variações sazonais entre os períodos
úmido e seco e para reforçar a confiabilidade do suprimento no subsistema (Ekhtiari et al.,
2017). Ressalta-se também o papel essencial das hidrelétricas para equilibrar a oferta e a
demanda e garantir a estabilidade da rede, em virtude da crescente expansão de fontes variáveis
como a solar e a eólica (IEA, 2021; IRENA, 2025). Essa oscilação observada decorre da própria
natureza das fontes eólica e solar, cuja produção depende de vento e irradiância, recursos que
não podem ser armazenados (Pedruzzi et al., 2023).
A fonte eólica representa a 2ª maior geradora de energia na matriz elétrica brasileira,
pois contribui com cerca de 16% da energia elétrica gerada em 2024 (ABEEólica, 2025).
Especificamente, o Nordeste do Brasil (NEB) é o principal polo de geração eólica do Brasil,
onde se concentra a maioria dos parques eólicos devido à predominância dos ventos fortes e
constantes, e assim proporciona elevada geração de energia (de Jong et al., 2017; Pes et al.,

15

2017; Souza et al., 2022). Já a expansão da energia solar no NEB é favorecida pela proximidade
do Equador, com índices elevados de radiação solar e baixa variabilidade anual do recurso em
comparação com outras nações onde a tecnologia fotovoltaica é mais difundida (Pereira et al.,
2017). Impulsionada pelo imenso potencial solar, a geração distribuída apresenta forte
tendência de crescimento e espera-se que esse modelo continue a expandir-se
significativamente até 2050 (EPE, 2020).
A crescente inserção de fontes de energia renováveis variáveis (FERV) é tema central
para a transição energética, mas sua intermitência impõe desafios à estabilidade e à
confiabilidade dos sistemas elétricos. As FERV são definidas como uma categoria que engloba
a geração eólica, solar e hidrelétrica (Jurasz et al., 2020). Atualmente, as FERV estão cada vez
mais expostas à variabilidade climática e condições sinótica, o que impõe desafios
significativos no planejamento operacional para aumentar a participação destas renováveis nas
redes elétricas (Jurasz et al., 2024; Prasad; Taylor; Kay, 2017). A complementaridade configura
uma solução efetiva para lidar com a variabilidade das FERV (Campos; Nascimento; Rüther,
2020; Gallardo; Ríos; Ramírez, 2020; Rosa; Christo; Costa, 2020; Weschenfelder et al., 2020).
Sistema híbridos que combinam eólica, solar e hidrelétrica, com infraestrutura compartilhada
de armazenamento, transmissão e distribuição, elevam a confiabilidade do sistema e a eficiência
do suprimento renovável (Jurasz et al., 2024).
Estudos de complementaridade usam diferentes escalas temporais conforme o objetivo.
As escalas horária e diária atendem ao planejamento de curto prazo e à operação, como previsão
e despacho para o dia seguinte. As escalas mensal e anual servem ao planejamento de longo
prazo. Em geral, períodos curtos capturam fenômenos locais, como o ciclo diurno e as brisas,
enquanto períodos sazonais e interanuais, embora menos comuns na literatura, são essenciais
para avaliar a complementaridade sob a influência de fenômenos de alcance regional e global
(Henao et al., 2020). Do ponto de vista diagnóstico, a correlação entre totais diários de geração
eólica e solar reduz o efeito do ciclo dia e noite e oferece uma medida de complementaridade
de médio prazo, ao passo que a correlação entre totais mensais é um bom indicador dos efeitos
sazonais (Monforti et al., 2014). Assim, correlações anuais fortemente negativas costumam
sinalizar períodos do ano em que a geração eólica aumenta quando a geração solar diminui e
vice-versa, por exemplo invernos com ventos mais intensos alternando com verões mais
calmos, a depender da região.
Para avaliar o grau da complementaridade entre as fontes de energia renovável, uma
variedade de índices de complementaridade pode ser empregada. Os índices de
complementaridade mais utilizados baseiam-se na análise de anticorrelação entre séries

16

temporais de dados de recursos energéticos renováveis. Entre os principais exemplos destacamse os coeficientes de correlação de Pearson (Cantão et al., 2017), de Kendall (Sun et al., 2023)
e de Spearman (Magaña-González; Rodríguez-Hernández; Canul-Reyes, 2023). Quando os
perfis de geração de duas fontes renováveis apresentam comportamento anticorrelacionado, o
coeficiente de correlação de Pearson assume valores negativos. Portanto, quanto mais negativo
for o coeficiente, maior será o grau de complementaridade entre as fontes analisadas, indicando
que períodos de baixa geração em uma fonte coincidem com períodos de alta geração na outra.
Embora esses índices sejam eficazes para análises bivariadas, a avaliação de
complementaridade em sistemas com múltiplas fontes requer abordagens mais abrangentes.
Nesse sentido, Canales et al. (2020) desenvolveram no sul da Polônia uma metodologia
precursora para quantificar a complementaridade temporal simultânea entre três fontes
renováveis, utilizando uma combinação de coeficientes de correlação e programação de
compromisso para superar as limitações de métricas que analisam apenas pares de fontes.
Paralelamente, Rosa et al. (2020) expandiram a análise ao propor o uso da análise fatorial para
agrupar séries temporais com comportamentos climáticos semelhantes nas regiões sudeste e
centro-oeste do Brasil, mitigando distorções de variabilidade espacial em grandes territórios e
utilizando modelos de otimização quadrática para determinar o mix ideal de fontes que
minimize a variabilidade do sistema. Recentemente, a aplicação do coeficiente de estabilidade
generalizado permitiu focar na redução da variância da geração total frente a uma base de
referência, proporcionando uma visão mais prática para o dimensionamento de sistemas
combinados (Canales; Jurasz, 2025). Essa estratégia coordenada não apenas suaviza perfis de
geração, como também se mostra fundamental na adaptação às mudanças climáticas, mitigando
riscos de corte de energia (curtailment) e aumentando a confiabilidade do sistema (Cheng et
al., 2022). Contudo, apesar da diversidade de métricas disponíveis, não existe um indicador
único capaz de capturar todas as dimensões da complementaridade, sendo recomendada a
utilização conjunta de índices estatísticos para uma validação robusta (Jonasson; Temiz, 2026).
Jurasz et al. (2020) classificam a análise de complementaridade energética em três
categorias distintas: temporal, espacial e espaço-temporal. A abordagem temporal concentra-se
exclusivamente na variabilidade ao longo do tempo entre duas FERV em uma localização
específica, examinando o equilíbrio entre seus perfis de geração. A abordagem espacial, por sua
vez, investiga a distribuição geográfica da complementaridade mediante a análise da produção
média de duas FERV em múltiplos sítios ao longo de um período determinado, permitindo a
identificação de regiões com maior potencial complementar. Já a abordagem espaço-temporal

17

integra ambas as dimensões, possibilitando a identificação de localidades que apresentam
simultaneamente elevada complementaridade temporal e vantagens geográficas.
2 OBJETIVOS
Este estudo tem por finalidade analisar a dinâmica espaço-temporal das FERV no NEB.
Nesse contexto, busca-se avaliar e caracterizar a complementaridade entre as fontes hídrica,
solar e eólica, considerando diferentes escalas temporais e sua contribuição para o planejamento
energético a longo e curto prazo, conforme apresentado nos objetivos a seguir.
2.1 Gerais
•

Avaliar a complementaridade espaço-temporal entre as FERV (hídrica, solar e eólica)
no NEB, nas escalas mensal e horária, a partir da identificação de padrões regionais
homogêneos dos recursos meteorológicos.

•

Verificar a análise de combinações representativas de geração, com intuito de subsidiar
o planejamento e a operação do setor elétrico regional.

2.2 Específicos
•

Regionalizar o NEB com base em dados de precipitação, irradiação solar e velocidade
do vento, por meio de análise de agrupamento hierárquico, a fim de identificar zonas
homogêneas associadas ao comportamento espaço-temporal desses recursos.

•

Aplicar uma metodologia de complementaridade entre três fontes para quantificar o
potencial complementar entre os recursos hídrico, solar e eólico.

•

Identificar e analisar as combinações regionais com maior e menor potencial de
complementaridade mensal entre as FERV, de modo a beneficiar a segurança energética
do subsistema do Nordeste.

•

Avaliar a capacidade dos modelos atmosféricos WRF e MPAS, no horizonte de previsão
do dia seguinte, de representar na escala horária as variáveis meteorológicas associadas
aos recursos eólico e solar.

18

•

Selecionar empreendimentos representativos das fontes eólica, solar e hídrica e
quantificar o grau de complementaridade horária, visando ao apoio ao planejamento
operacional de curto prazo.

19

3 JUSTIFICATIVA
A matriz elétrica brasileira, historicamente estruturada sobre a geração hidrelétrica, vem
passando por um processo de transformação associado à crescente inserção das FERV,
especialmente a eólica e a solar. Embora essa diversificação amplie a participação de fontes
limpas na oferta de eletricidade, ela também impõe desafios relacionados à variabilidade
temporal dos recursos energéticos e à vulnerabilidade do sistema em períodos de escassez
hídrica. Nesse contexto, a complementaridade entre as fontes hídrica, eólica e solar emerge
como uma estratégia relevante para reduzir a intermitência da geração, aumentar a
confiabilidade do suprimento e subsidiar decisões de expansão e operação do sistema elétrico.
Apesar da relevância do tema, ainda são limitados os estudos que investigam, de forma
integrada, a associação entre essas três fontes a partir de diferentes escalas temporais e
fundamentada na variabilidade climática regional. Em geral, a literatura científica concentra-se
em análises pontuais, frequentemente restritas a duas fontes, a recortes espaciais específicos ou
a uma única escala temporal, o que dificulta a compreensão mais abrangente de onde, quando
e em que intensidade a complementaridade se manifesta. Essa lacuna é extremamente
importante no NEB, onde coexistem elevado potencial eólico e solar, além da influência
estratégica da geração hidrelétrica associada ao reservatório de Sobradinho, configurando um
cenário propício para investigações sobre a articulação temporal e espacial entre os recursos
energéticos.

20

4 REVISÃO BIBLIOGRÁFICA
4.1 A matriz elétrica brasileira
O Brasil se destaca por ter uma matriz elétrica com significativa participação de fontes
renováveis, aproximadamente 87% da oferta de energia elétrica do SIN foi proveniente de
fontes renováveis em 2025, valor significativamente superior à média global, que foi de cerca
de 30% em 2023. Conforme visto na Figura 1, a geração hidrelétrica sempre teve participação
preponderante no fornecimento de energia para o País. Até o início dos anos 2000, a matriz
elétrica brasileira era essencialmente hidrotérmica, baseada principalmente na geração
hidráulica, complementada por fontes térmicas e nucleares (Dranka; Ferreira, 2018). Em 2001,
a combinação de seca severa e insuficiência de investimentos na expansão da geração e da
transmissão resultou na crise energética conhecida como “apagão de 2001”, caracterizada por
racionamento de energia por cerca de oito meses (Hunt.; Stilpen; Freitas, 2018). Em resposta à
crise, houve retomada do planejamento e ampliação dos investimentos no setor elétrico, com a
inserção e ampliação de outras fontes, como eólica, solar, térmicas a gás natural, que hoje
respondem por parcela relevante da capacidade instalada brasileira (Lima et al., 2020; Werner;
Lazaro, 2023).
Figura 1 – Evolução das fontes renováveis matriz elétrica brasileira.

Fonte: EPE, 2026.

Segundo o Balanço Energético Nacional (BEN) de 2026, produzido pela Empresa de
Pesquisa Energética (EPE) e que consolida os dados de 2025, o país tem avançado na
descarbonização da matriz energética, no uso de fontes renováveis na indústria e no setor
residencial, na eletrificação do transporte, na diversificação dos biocombustíveis e na expansão
das fontes solar e eólica na geração de eletricidade. A maior participação de fontes renováveis
na geração de energia elétrica, mostram como o Brasil tem avançado para reduzir ainda mais

21

as emissões de carbono na geração elétrica brasileira. Cerca de 70% da maior parte das emissões
de GEE do Brasil se concentram nos setores de agropecuária e mudanças no uso da terra,
enquanto o setor de energia, é responsável por 20,5% do total inventariado em 2022 (ver Figura
2). Embora o setor de energia seja responsável por 75,8% das emissões líquidas de GEE no
mundo, o Brasil apresenta um perfil diferenciado devido à elevada participação de fontes
renováveis em sua matriz energética.
Figura 2 – Informações dos setores de emissão.

Fonte: EPE (2026).

Enquanto a matriz energética representa o conjunto de fontes de energia utilizadas para
movimentar os carros, preparar a comida no fogão e gerar eletricidade, a matriz elétrica é
formada pelo conjunto de fontes utilizadas apenas para a geração de energia elétrica. Dessa
forma, podemos concluir que a matriz elétrica é parte da matriz energética. O Brasil aumentou
a renovabilidade da sua matriz elétrica em 2025 totalizando 86,8% de participação no Sistema
Interligado Nacional (SIN), onde o percentual das fontes hidráulica, eólica e solar tiveram a
maior participação. Como pode ser visto na Figura 3, o destaque são as fontes eólica e solar que
passaram de 14,1% para 14,9% e de 9,3% para 11,3%, respectivamente.
Figura 3 – Participação das fontes na matriz elétrica.

Fonte: EPE (2026).

22

O SIN desempenha papel fundamental na segurança e na confiabilidade do suprimento
de energia elétrica no Brasil, ao integrar eletricamente diferentes regiões do país por meio de
uma extensa rede de linhas de transmissão de alta tensão, conforme ilustrado na Figura 4. Essa
infraestrutura possibilita o intercâmbio de energia entre os subsistemas Norte, Nordeste,
Sudeste/Centro-Oeste e Sul, permitindo que excedentes gerados em uma região sejam
transferidos para outra com maior demanda ou menor disponibilidade momentânea de recursos
energéticos. Tal integração é especialmente relevante em um país de dimensões continentais e
com forte dependência de fontes renováveis, cuja variabilidade espacial e temporal pode ser
significativa. Assim, o SIN atua como um mecanismo de compensação geográfica, reduzindo
riscos associados a eventos climáticos adversos, otimizando o despacho das usinas e
aumentando a flexibilidade operativa do sistema elétrico, o que se torna ainda mais importante
diante da crescente inserção de fontes intermitentes, como a eólica e a solar.
Figura 4 – Rede de transmissão do SIN, com destaque para as linhas de transmissão existentes e a divisão
espacial em subsistemas (Norte, Nordeste, Sudeste/Centro-Oeste e Sul).

Fonte: EPE (2025).

A Figura 5 evidencia o papel crescente do subsistema Nordeste no intercâmbio de
energia elétrica do SIN, destacando sua posição como exportador líquido nos anos mais
recentes. Esse comportamento está diretamente associado à forte expansão das FERV na região,
especialmente a geração eólica e, mais recentemente, solar fotovoltaica. O território nordestino,
devido às suas condições climáticas favoráveis, como regimes de vento persistentes e elevados

23

níveis de irradiância solar, tornou-se um dos principais polos de geração dessas fontes no Brasil.
Como resultado, o subsistema passou a contribuir de forma significativa para o suprimento de
outras regiões do país, reforçando o papel estratégico da complementaridade espacial no SIN.
Assim, a crescente participação das FERV no NEB não apenas diversifica a matriz elétrica, mas
também amplia a flexibilidade operativa do sistema, permitindo o atendimento da demanda em
regiões deficitárias e contribuindo para a segurança energética em escala nacional.
Figura 5 – Intercâmbio de energia elétrica no SIN, representado pela exportação líquida anual (MWmed)
dos subsistemas Norte, Nordeste, Sudeste/Centro-Oeste e Sul, no período de 2010 a 2024. Valores
positivos indicam exportação líquida de energia, enquanto valores negativos indicam importação
líquida.

Fonte: EPE (2025).

4.2 O recurso hidroelétrico
A energia hidrelétrica é a principal fonte de eletricidade de baixo carbono do mundo,
tendo fornecido um sexto da geração global em 2020, mais do que todas as outras renováveis
combinadas (ver Figura 6). Embora sua participação na matriz elétrica global tenha diminuído
ligeiramente desde os anos 2000 devido ao avanço da energia eólica, solar e do gás natural, a
hidroeletricidade continua sendo fundamental para a segurança e flexibilidade dos sistemas
elétricos (IEA, 2021). Com a crescente expansão de fontes variáveis como a solar e a eólica, a
capacidade das usinas hidrelétricas de ajustar a produção de forma rápida e armazenar energia
a longo prazo torna-se cada vez mais valiosa. Atualmente, as hidrelétricas, incluindo as de
reservatório e as de bombeamento, fornecem quase 30% da capacidade global de fornecimento
flexível, desempenhando um papel essencial para equilibrar a oferta e a demanda e garantir a
estabilidade da rede (IEA, 2021; IRENA, 2025).

24

Figura 6 – Geração de eletricidade de baixo carbono por tecnologia e participação no fornecimento
global de eletricidade, para o ano de referência de 2020. Participação na geração total de eletricidade
(eixo direito).

Fonte: IEA (2021).

O sistema hidrelétrico brasileiro, coordenado pelo SIN, utiliza diversos reservatórios
para regular a vazão entre os períodos chuvoso e seco e otimizar o fornecimento de energia com
base na heterogeneidade hidrológica das bacias. Neste contexto, a Bacia do Rio São Francisco,
onde se localiza o estratégico reservatório de Sobradinho, desempenha um papel crítico no
planejamento operacional. No entanto, a ocorrência de chuvas reduzidas por longos períodos,
principalmente na estação chuvosa, pode levar ao racionamento de energia e ao acionamento
de fontes mais caras e poluentes, como as termelétricas (Luiz-Silva et al., 2022).
Historicamente, o setor energético brasileiro tem sido afetado por múltiplos desafios de
diferentes durações e alcances geográficos, como os eventos críticos dos anos de 1924, 1944,
1955, 1964, 1986, 2001 e 2014 (Hunt et al., 2022). Em grande parte dos casos, os episódios de
instabilidade energética estiveram relacionados a condições climáticas adversas, as quais
afetam diretamente o sistema hidrelétrico, historicamente predominante na matriz elétrica
brasileira.
A energia hidroelétrica é ideal para balancear outras fontes intermitentes em escalas
diárias e sazonais dependendo de sua capacidade de armazenamento. No entanto é pouco efetiva
no balanceamento da geração em períodos interanuais dadas as limitações a capacidade dos
reservatórios. Trabalhos diversos identificaram padrões de variabilidade na escala do El NiñoOscilação Sul (ENOS) com a variabilidade da precipitação observada nas vazões das bacias
localizadas no NEB (De Azevedo et al., 2018; Gomes; Lima; de Medeiros, 2025; Luiz-Silva et
al., 2022; Marengo et al., 2013). Por isso, estudos sobre a variabilidade hídrica são importantes,
principalmente em escala interanual.

25

4.3 O recurso solar
A energia solar continua a ser a fonte de energia que mais cresce em capacidade instalada
anualmente em todo o mundo (ver Figura 7). Historicamente, a competitividade da energia solar
fotovoltaica tem sido impulsionada por uma forte tendência de queda nos custos dos módulos,
que diminuíram cerca de 90% na última década (IRENA, 2025). A tecnologia também
demonstrou uma das mais altas taxas de aprendizado entre as energias renováveis, e diversos
fatores continuam a aprimorar sua competitividade a longo prazo. Entre esses fatores, destacamse a melhoria contínua na eficiência dos equipamentos de fabricação, a otimização da produção
por meio de processos mais eficientes, o uso mais eficaz de materiais, a padronização dos
tamanhos dos módulos e inovações constantes no design (Garlet et al., 2019). Como resultado
desses avanços, a energia solar fotovoltaica tornou-se a fonte de eletricidade mais barata em
muitos países.
Figura 7 – Instalação fotovoltaica acumulada global por região

Fonte: Fraunhofer (2025).

Diferentemente de outras fontes, a energia solar possui seu recurso disperso de maneira
relativamente homogênea no território nacional, e a disponibilidade do recurso primário é
virtualmente infinita. Outra vantagem das usinas solares fotovoltaicas é a vida útil longa (mais
de 30 anos), bem como são rápidas e fáceis de construir. Onde os painéis são fabricados em
outro lugar e facilmente conectados com estruturas de fixação pré-fabricadas, e os inversores
para usinas solares estão prontos para instalação dentro de seus contêineres, necessitando
apenas do investimento inicial, a colocação no local da instalação solar e a baixa manutenção
(Tapia Carpio, 2021).

26

O Brasil acompanha a tendência global de expansão da energia solar, apresentando
vantagens geográficas significativas. Devido à sua localização próxima à linha do Equador, o
país possui elevados índices de radiação solar em comparação com nações onde a tecnologia
fotovoltaica é mais difundida (Pereira et al., 2017). Essa insolação é distribuída de forma
relativamente uniforme por todo o território nacional, o que viabiliza o desenvolvimento de
projetos de energia solar em diversas regiões.
A modularidade da tecnologia fotovoltaica é um fator determinante para sua expansão
no Brasil, pois permite o desenvolvimento de projetos em duas escalas distintas e
complementares: a centralizada e a distribuída (Tapia Carpio, 2021). Por um lado, a geração
centralizada, composta por grandes usinas solares, geralmente se localiza distante dos centros
de consumo, exigindo a implementação de linhas de transmissão para transportar a energia
produzida. Por outro lado, a geração distribuída, que tem registrado um crescimento expressivo
no país, aproveita essa modularidade em menor escala, sendo caracterizada principalmente pela
instalação de sistemas fotovoltaicos em telhados, próximos aos locais de consumo (EPE, 2025).
Impulsionada pelo imenso potencial solar brasileiro, a geração distribuída apresenta forte
tendência de crescimento e espera-se que este modelo continue a expandir significativamente
nos próximos anos (EPE, 2020).
4.4 O recurso eólico
O

aproveitamento

da

energia

eólica

para

geração

elétrica

tem

crescido

exponencialmente no mundo nos últimos anos, atingindo 1136 GW em 2024, conforme
ilustrado pela Figura 8. A maior parte dos parques eólicos está instalada em terra firme
(onshore). Ressalta-se também nos últimos 10 anos, como o cenário global de energia eólica
em alto mar (offshore) tem registrado uma expansão acelerada, consolidando esse tipo de
instalação uma fronteira decisiva para o desenvolvimento energético. Este fator positivo se dá
devido à diminuição de locais apropriados na faixa continental para novos empreendimentos,
bem como, demonstrarem um elevado potencial na região marítima, apesar dos maiores custos
para instalação.

27

Figura 8 – Desenvolvimento histórico das instalações totais (em GW).

Fonte: GWEC (2025).

O grande sucesso da exploração da energia eólica no Brasil ocorre desde a contratação
dos projetos onshore no Leilão de Energia de Reserva em 2009, fazendo que com a fonte eólica
fosse a segunda maior geradora de energia na matriz elétrica brasileira, contribuindo com cerca
de 16% de energia elétrica gerada em 2024 (ABEEólica, 2025).
A avaliação do potencial eólico no Brasil teve como marco inicial o "Atlas do Potencial
Eólico Brasileiro" de 2001, elaborado pelo Centro de Pesquisas de Energia Elétrica (CEPEL),
que estimou uma capacidade instalável de 143 GW para o país. Posteriormente, surgiram
estudos mais detalhados em nível estadual. Esses mapeamentos regionais foram desenvolvidos
com metodologias e premissas atualizadas, refletindo a viabilidade de projetos eólicos em locais
com velocidade do vento acima de 7m/s (EPE; MME, 2018). Atualmente, a região do NEB se
destaca como o principal polo de geração eólica do território brasileiro. A região concentra a
maioria dos parques eólicos pela predominância dos ventos fortes e constantes, que proporciona
uma alta capacidade de geração de energia (de Jong et al., 2017; Pes et al., 2017; Souza et al.,
2022).
4.5 A integração das energias renováveis variáveis
Frente a transição energética em curso a inserção de energias renováveis variáveis
(FERV) na matriz de geração elétrica já é uma realidade no Brasil e no mundo. A análise dos
planos e tendências de mercado apontam para uma participação crescente destas fontes de

28

energia. Esta constatação traz como consequência uma maior dependência do setor elétrico em
relação ao clima, reforçando a importância das pesquisas aplicadas a um campo em constante
expansão denominado “meteorologia da energia” (Gonçalves, 2021; Reindl et al., 2017).
Na matriz elétrica brasileira é possível dividir as principais fontes de geração em duas
categorias: as despacháveis e as intermitentes. As despacháveis são previsíveis e podem operar
em qualquer momento com uma potência definida, nesta categoria estão as usinas térmicas,
nucleares e hidrelétricas com reservatórios. As intermitentes não possuem essa mesma
previsibilidade, elas dependem dos fatores climáticos para gerarem a sua energia que nem
sempre é constante, como as hidrelétricas a fio d’água, as plantas fotovoltaicas e eólicas, sendo
as duas últimas com maior destaque no mercado de energia mundial.
As FERV são definidas como uma categoria que engloba a geração eólica, solar e
hidráulica (Jurasz et al., 2020). Nos últimos anos, estas fontes consolidaram-se como
alternativas economicamente viáveis e ambientalmente sustentáveis para redes elétricas, sejam
elas isoladas ou interligadas. Contudo, a principal barreira para sua ampla integração reside em
sua natureza intermitente e não despachável. Diferentemente das usinas convencionais, a
produção dessas fontes não pode ser controlada sob demanda, o que as impede de fornecer
sozinhas os serviços auxiliares mandatórios para a estabilidade e segurança da rede, limitando
sua função primária à entrega de volume de energia (Viviescas et al., 2019).
Essa flutuação na geração é uma característica intrínseca, pois tanto a fonte solar quanto
a eólica dependem de recursos naturais não armazenáveis, como a irradiância solar e o vento
(Pedruzzi et al., 2023). Embora seja possível estimar o comportamento médio desses recursos
ao longo de um ano, garantir sua previsibilidade em horizontes de curto prazo, como dias ou
horas, é um desafio consideravelmente maior (Engeland et al., 2017). Diante disso, tornou-se
fundamental aprofundar o conhecimento sobre os padrões de comportamento e a dinâmica de
geração das fontes de ERV, impulsionando investigações que buscam maneiras de otimizar sua
integração e garantir a confiabilidade dos sistemas elétricos.
4.6 Sistemas meteorológicos e fenômenos climáticos atuantes no NEB
A região do NEB sofre a influência de diversos sistemas meteorológicos de multiescala,
que atuam de forma interligada para definir as condições do tempo e do clima. A presença da
Zona de Convergência Intertropical (ZCIT), uma banda de nebulosidade que influencia o
regime de chuvas no norte do NEB. Já a Zona de Convergência do Atlântico Sul (ZCAS) se
posiciona de orientação noroeste/sudeste, impactando áreas do Sudeste e interior do NEB. A

29

dinâmica atmosférica na região em estudo também é modulada pela incursão de Frentes Frias
vindas do Sul, pela atuação constante dos Ventos Alísios que transportam umidade do oceano
para o continente, e por sistemas como os Distúrbios Ondulatórios de Leste (DOLs) e os
Vórtices Ciclônicos de Altos Níveis (VCAN), que se formam sobre o Oceano Atlântico e
influenciam a precipitação no litoral e no interior da região. Por fim, a circulação de brisa
marítima interage com o escoamento atmosférico de maior escala, podendo reforçar os ventos
alísios e intensificar o fluxo em direção ao continente, sobretudo nas áreas costeiras. A interação
entre esses mecanismos de diferentes escalas exerce papel relevante na modulação do regime
de ventos, do transporte de umidade e da distribuição espacial da precipitação no litoral e no
interior do NEB.
Figura 9 – Representação dos principais sistemas atmosféricos em multiescala que influenciam o NEB,
em interação com a infraestrutura energética (usinas fotovoltaicas, parques eólicos e o reservatório de
Sobradinho) e com a bacia do rio São Francisco.

Fonte: elaborado pelo autor (2026).

A estabilidade e a eficiência do setor elétrico brasileiro estão intrinsecamente ligadas à
atuação dos sistemas meteorológicos que atuam sobre o seu vasto território. Fenômenos como
a ZCIT, os DOLs e os ventos alísios podem ser considerados como forças motrizes que
influenciam diretamente a matriz elétrica brasileira.
A ZCIT, uma imensa banda de nuvens que circunda o globo na região equatorial, é a
principal responsável pela estação chuvosa em grande parte do Norte e Nordeste do Brasil
(Reboita et al., 2010). Formada pela convergência dos úmidos ventos alísios, seu

30

posicionamento e intensidade determinam o volume de água que abastecerá os reservatórios
das usinas hidrelétricas, sendo fundamentais para o SIN. A variabilidade da ZCIT é um fator de
grande atenção para o planejamento energético. O seu deslocamento mais ao sul, geralmente
entre fevereiro e maio, tende a resultar em um período chuvoso mais abundante para o semiárido
nordestino (Silva et al., 2024). Anos em que a ZCIT se mostra menos ativa ou se posiciona mais
ao norte podem levar a períodos de estiagem (Gomes; Lima; de Medeiros, 2025), reduzindo
drasticamente os níveis dos reservatórios e forçando o acionamento de usinas termelétricas, que
possuem um custo de geração mais elevado e são mais poluentes, impactando a segurança
energética e as tarifas de eletricidade (Luiz-Silva et al., 2022).
Atuando de forma mais concentrada na costa leste do Nordeste, os DOLs, também
conhecidos como Ondas de Leste, são sistemas que se formam a partir da perturbação dos
ventos alísios (Kouadio et al., 2012; Pontes da Silva; Fedorova, 2023). Eles são cruciais para o
regime de chuvas na região, especialmente entre os meses de maio e julho (Gomes et al., 2019,
2015). A passagem de um DOL pode provocar chuvas intensas e persistentes, contribuindo para
a recarga de reservatórios de hidrelétricas locais. No entanto, a intensidade desses eventos
também apresenta desafios: chuvas extremas associadas aos DOLs podem causar inundações e
deslizamentos de terra (Marengo et al., 2023), representando um risco para a infraestrutura da
rede elétrica, como torres de transmissão e subestações, podendo levar a interrupções no
fornecimento de energia.
Por outro lado, os ventos alísios são um pilar fundamental para a expansão da fonte de
energia eólica. A constância e a intensidade desses ventos, que sopram de forma contínua do
oceano em direção ao continente, especialmente no litoral do Nordeste, conferem à região uma
das maiores produtividades eólicas do mundo (de Jong et al., 2016). Essa característica
excepcional, com ventos fortes e unidirecionais, otimiza a operação dos aerogeradores e torna
os projetos de parques eólicos altamente competitivos. A compreensão do regime dos ventos
alísios é um fator estratégico para o planejamento da expansão da geração eólica, oferecendo
uma complementaridade sazonal em relação à geração hidrelétrica (Ávila et al., 2021).
Geralmente, os meses de ventos mais fortes (de junho a dezembro) coincidem com o período
de menor incidência de chuvas (Silva et al., 2016), permitindo que os reservatórios funcionem
como uma “bateria” para ajustar as gerações das fontes intermitentes (Tan et al., 2021).
A compreensão aprofundada da dinâmica e da previsibilidade desses sistemas
meteorológicos é, portanto, essencial para a gestão de riscos e para a tomada de decisões
estratégicas no setor elétrico brasileiro. O monitoramento contínuo permite ao ONS otimizar o

31

uso dos recursos hídrico, eólico e solar, garantindo maior segurança e estabilidade ao
fornecimento de energia para todo o país.
4.7 A complementaridade entre as fontes renováveis
No contexto das fontes de energia, a complementaridade refere-se à capacidade de
diferentes fontes operarem de forma a se completarem, melhorando o desempenho geral do
sistema (Chowdhury; Chowdhury; Farrok, 2025). Essa sinergia pode ocorrer em dimensões de
tempo, espaço ou em ambas simultaneamente, sendo crucial para lidar com a intermitência das
fontes renováveis (Jurasz et al., 2020). Em cenários idealizados, a falta de complementaridade
pode levar a um excesso de oferta ou a uma geração deficiente de energia, tornando o sistema
incapaz de satisfazer a demanda de forma consistente. As soluções para superar esses desafios
incluem o superdimensionamento do sistema, o uso de tecnologias de armazenamento de
energia e a distribuição espacial estratégica dos geradores, sendo que a combinação dessas
abordagens pode aumentar significativamente a confiabilidade do fornecimento energético
(Jiongwei et al., 2026). A Figura 10 ilustra graficamente esses conceitos, demonstrando como
diferentes níveis de complementaridade, tanto temporal quanto espacial, impactam a
capacidade do sistema em suprir a carga de energia de forma contínua.

32

Figura 10 – Conceito de complementaridade explicado usando uma onda senoidal.

Fonte: Jurasz et al. (2020).

Para a compreensão da integração de fontes de energia, é fundamental definir os tipos
de complementaridade existentes. A seguir, são apresentadas as definições para os tipos de
complementaridade:
•

Complementaridade Espacial: pode ser observada entre um ou mais tipos de fontes
de energia. É uma situação em que os recursos energéticos se complementam numa
determinada região. A escassez de uma fonte de FERV na região "x" é compensada pela
sua disponibilidade na região "y" ao mesmo tempo. Um exemplo de complementaridade
espacial pode ser o efeito de suavização de geradores eólicos espacialmente
distribuídos, cujas tendências de produção de energia exibem um coeficiente de
correlação decrescente com o aumento da distância entre os locais.

33

•

Complementaridade Temporal: pode ser observada entre duas ou mais fontes de
energia na mesma região. É entendida como um fenômeno em que as fontes FERV
exibem períodos de disponibilidade que são complementares no domínio do tempo.
Como exemplo, é possível mencionar os padrões anuais de disponibilidade de energia
eólica e solar na Europa, onde a primeira é abundante no outono e inverno, enquanto a
segunda é abundante na primavera e verão.
A sistematização das análises deste trabalho é apresentada por meio do diagrama

ilustrado na Figura 11. Neste diagrama, as fontes de energia renovável e suas escalas temporais
de variabilidade são representadas por círculos, e as combinações entre elas, por caixas. A
estrutura proposta permite tanto a análise da complementaridade inerente a cada fonte quanto a
análise combinada, na intersecção das fontes. Ressalta-se que a fonte hidráulica limita qualquer
análise combinada à escala mensal, em função da resolução dos dados de vazão. Contudo, para
pequenas centrais hidrelétricas, cuja variabilidade diária de vazão é expressiva, uma análise em
escala diária seria justificável.
Figura 11 – Diagrama sistematizando possíveis análises de complementariedade entre fontes renováveis
assim como respectivas escalas de variabilidade

Fonte: Gonçalves (2021).

34

5 COMPLEMENTARIDADE MENSAL HIDRO-EÓLICA-SOLAR
5.1 Metodologia

5.1.1

Área de estudo

A área de estudo está situada no NEB, região marcada pela presença de
empreendimentos de geração hídrica, eólica e solar de importância estratégica para o setor
elétrico brasileiro. Conforme representado na Figura 12, observa-se a distribuição espacial de
usinas fotovoltaicas predominantemente no interior da região, especialmente em áreas
semiáridas, e de turbinas eólicas concentradas principalmente ao longo da faixa litorânea e em
setores próximos à costa. A região também inclui o reservatório de Sobradinho, localizado ao
longo do rio São Francisco, relevante para o abastecimento de água, a geração de energia e o
suporte às atividades produtivas e às populações locais. Além da infraestrutura energética, a
área é influenciada por sistemas atmosféricos característicos do nordeste brasileiro, como a
Zona de Convergência Intertropical (ZCIT), a Zona de Convergência do Atlântico Sul (ZCAS),
os ventos alísios, as brisas marítimas, frentes frias, Distúrbios Ondulatórios de Leste (DOLs) e
Vórtices Ciclônicos de Altos Níveis (VCAN), os quais contribuem para a configuração
climática regional e para a variabilidade espacial dos recursos energéticos.
Figura 12 – Representação dos principais sistemas atmosféricos em multiescala que influenciam o NEB,
em interação com a infraestrutura energética (usinas fotovoltaicas, parques eólicos e o reservatório de
Sobradinho) e com a bacia do rio São Francisco.

Fonte: elaborado pelo autor (2026).

35

5.1.2

Dados meteorológicos e hidrológico

Os dados meteorológicos usados neste estudo são oriundos da reanálise ERA5,
desenvolvida pelo Centro Europeu de Previsões Meteorológicas de Médio Prazo (ECMWF)
(disponível em: https://cds.climate.copernicus.eu/datasets), que integra observações de redes
globais de sensores a modelos numéricos baseados em física para representar o sistema terrestre
(Hersbach et al., 2020). O conjunto de dados abrange uma resolução espacial de 0,25° e
frequência horária, compreendendo o período de 1940 até o presente. O ERA5 constitui uma
ferramenta robusta para análises do setor energético, mitigando as limitações temporais e
espaciais das medições in situ, além de ter sido amplamente aplicado no território brasileiro
com resultados satisfatórios na representação climática regional (Felix et al., 2025; Ferreira;
Reboita, 2022; Gruber et al., 2022). Foram extraídas variáveis essenciais para a estimativa dos
recursos eólico e solar: a velocidade do vento a 100m e a irradiação solar global. A escolha do
vento a 100m justifica‑se pelo fato de o ECMWF já disponibilizar este dado nativamente, sem
necessidade de extrapolação vertical. Os valores de velocidade do vento foram processados em
médias mensais, enquanto a irradiação solar foi obtida a partir da média mensal dos totais
diários. As séries foram coletadas para toda a região do NEB, cobrindo o período de 1999 a
2022.
A análise da precipitação foi conduzida com base no produto MERGE (MERGECPTEC), uma base de dados combinada desenvolvida e mantida em operação pelo Centro de
Previsão

de

Tempo

e

Estudos

Climáticos

(CPTEC/INPE),

disponível

em:

https://ftp.cptec.inpe.br/modelos/tempo/MERGE/GPM/. Este produto integra estimativas de
precipitação do satélite GPM (Global Precipitation Measurement), especificamente o produto
IMERG-Early, com observações de uma densa rede de pluviômetros de superfície (Rozante et
al., 2020; Rozante; Rozante, 2024). O MERGE é disponibilizado em uma grade com resolução
espacial de 0,1° e diferentes resoluções temporais (horária, diária, mensal e anual), cobrindo
toda a América do Sul (AS). Sua metodologia de combinação prioriza a observação in situ,
onde os dados dos pluviômetros são georreferenciados para a grade e interpolados nas
proximidades das estações, enquanto a estimativa original do satélite é utilizada para preencher
as áreas sem cobertura de superfície. Essa abordagem resulta em um campo de precipitação
mais robusto, otimizando a representação dos regimes de chuva (Reboita et al., 2024; Silva et
al., 2022). Sendo assim, foi coletada a variável meteorológica de precipitação com resolução
temporal mensal, abrangendo o período de 1999 a 2022, a fim de cobrir a região do NEB.

36

Quanto ao dado hidrológico, foi utilizada a série histórica dos níveis de armazenamento
do reservatório da usina hidrelétrica de Sobradinho, localizado no estado da Bahia, foi utilizada
para avaliar o potencial de complementaridade entre as FERV no período de 1999 a 2022. Estes
dados foram obtidos junto ao ONS, que mantém um registro histórico fundamental para a gestão
da matriz energética nacional (disponível em: https://dados.ons.org.br/). A escolha de
Sobradinho justifica-se por sua importância estratégica na regulação hídrica do NEB e por seus
níveis de água serem diretamente impactados pela variabilidade climática e dos regimes de
precipitação (Ávila et al., 2021; Gomes; Lima; Medeiros, 2025; Martins et al., 2019),
estabelecendo um vínculo essencial entre as FERV e a disponibilidade de recursos hídricos.

5.1.3

Identificação de padrões dos recursos hídrico, eólico e solar

A técnica de análise de agrupamentos (AA) foi empregada para delimitar regiões
espaciais semelhantes a partir de dados meteorológicos gradeados. No estudo foi usada a
abordagem de agrupamento hierárquico por permitir a identificação objetiva de padrões
regionais por meio de medidas de similaridade entre séries temporais (Vichi; Cavicchia;
Groenen, 2022). Nessa abordagem, o processo de agrupamento ocorre de forma incremental,
em que cada ponto de grade é inicialmente tratado como um grupo isolado e, à medida que
aumenta o nível de similaridade entre eles, os elementos mais próximos, em termos estatísticos,
são unidos. Esse processo de união continua até que se forme uma organização hierárquica
completa, cuja estrutura é sintetizada graficamente em um dendrograma.
Neste estudo, adotou‑se especificamente o método de Ward, cuja função de ligação
busca minimizar a variabilidade interna dos grupos formados (Ward, 1963). A metodologia foi
aplicada aos campos mensais de precipitação, irradiação solar e velocidade do vento a 100m,
considerando, para cada variável, o cálculo das distâncias euclidianas entre os pontos da grade,
a geração do dendrograma correspondente e a definição de um limiar de similaridade
responsável por estabelecer o número de regiões homogêneas. Por fim, foram geradas séries
temporais representativas de cada agrupamento, as quais permitiram tanto a compreensão entre
a precipitação e a disponibilidade hídrica do reservatório de Sobradinho quanto a análise da
complementaridade espaço-temporal entre as FERV.

37

5.1.4

Complementaridade hídrica-eólica-solar

Para a avaliação da sinergia entre as FERV deste estudo, foi adotado o método de
complementaridade temporal total, utilizando uma integração de coeficientes de correlação e
técnica de programação de compromisso (Canales et al., 2020; Canales; Jurasz, 2025).
Inicialmente, os Coeficientes de Correlação (CC) pareados são calculados para as séries
temporais das fontes eólica (w), solar (s) e hídrica (h), compondo os elementos de um vetor de
complementaridade (c) em um espaço tridimensional. Este vetor é definido como:
(1)

̂ + CCsh sh
̂
𝐜 = CCws ws
̂ + CCwh wh

A quantificação da complementaridade sistêmica é realizada por meio da Programação
de Compromisso, que mede a distância estatística entre o estado atual das fontes e uma “solução
ideal” em que ocorreria a complementaridade perfeita (correlação igual a -1 entre todos os
pares). Essa distância é estimada pela métrica Lp (𝐜) utilizando o parâmetro 𝑝 =1 para assegurar
uma avaliação linear e pesos iguais para cada combinação de fontes, resultando em um espaço
de solução onde Lp (𝐜) varia de 0,75 (complementaridade máxima viável) a 3 (similaridade
perfeita). Assim, a métrica Lp (𝐜) pode ser definida pela Eq. (2):
p 1/p
best
− 𝑓k (𝐜)
p 𝑓k
[∑ ak | best
| ]
𝑓k
− 𝑓kworst
k=1
n

Lp (𝐜) =

(2)

em que: 𝑓kbest é o valor ideal, e 𝑓kworst é o valor menos desejável. No caso da avaliação da
complementaridade usando coeficientes de correlação, o valor ideal é -1 e o oposto é 1. O
p

parâmetro ak denota os pesos dos coeficientes de correlação par a par. Se todos os coeficientes
p

de correlação forem considerados como igualmente importantes, ak =1 para todos os casos.
Para a normalização e interpretação dos resultados, este trabalho utiliza o índice k(𝐜),
proposto por Jonasson et al. (2023) como uma evolução necessária para corrigir a tendência de
superestimar o potencial de complementaridade observada na formulação original deste índice.
O cálculo é efetuado pela Eq. (3):

38

k(𝐜) =

3 − Lp (𝐜)
3

(3)

Diferente de outras métricas, o índice k(𝐜) opera em uma escala que varia de 0
(similaridade perfeita) a 0,75 (complementaridade máxima). Essa abordagem permite
identificar, de forma robusta, se a combinação das três FERV contribui efetivamente para a
redução da variabilidade do sistema híbrido. A interpretação qualitativa dos resultados segue
uma escala específica conforme detalhada na Tabela 1.
Tabela 1 – Interpretação dos valores do índice de complementaridade.
Comportamento
k(𝐜)
Interpretação

Similaridade

Complementaridade

0,00 ≤ k(𝐜) < 0,05

Semelhança muito forte

0,05 ≤ k(𝐜) < 0,20

Semelhança forte

0,20 ≤ k(𝐜) < 0,35

Semelhança moderada

0,35 ≤ k(𝐜) < 0,50

Semelhança fraca

0,50 ≤ k(𝐜) < 0,575

Complementaridade fraca

0,575 ≤ k(𝐜) < 0,65

Complementaridade moderada

0,65 ≤ k(𝐜) < 0,725

Complementaridade forte

0,725 ≤ k(𝐜) ≤ 0,75

Complementaridade muito forte

Fonte: elaborado pelo autor com base em Jonasson et al. (2023).

39

5.2 Resultados e Discussão

5.2.1

Distribuição espacial dos recursos das FERV

O regime pluviométrico na área de estudo é exibido na Figura 13. No NEB, o regime
climatológico de precipitação destaca-se por sua variabilidade espacial e sazonal. Destaque para
duas estações bem definidas no NEB: i) chuvosa e ii) seca. Os trimestres de dezembro-janeirofevereiro (DJF) e junho-julho-agosto (JJA) são marcados como estações de transição. A estação
chuvosa ocorre no trimestre de março-abril-maio (MAM), com maiores registros de
precipitação nas porções norte (N) e leste (L) do NEB, entre 130 e 290 mm/mês, ao contrário,
do semiárido nordestino (região central) com as menores médias, entre 30 e 70 mm/mês.
Já a estação seca é pronunciada entre os meses de setembro, outubro e novembro (SON),
quando a precipitação se restringe significativamente à porção sul do estado da Bahia, enquanto
grande parte da região entra em seu período seco, com limiares médios entre 10 a 30 mm/mês.
Tal variabilidade é governada por diferentes sistemas meteorológicos que atuam em
cada sub-região, conforme documentado na literatura: 1) a migração da ZCIT para uma posição
mais ao sul no trimestre de DJF (Shimizu; Anochi; Kayano, 2022); 2) a influência por DOL’s
nos ventos alísios e pela circulação de brisas no litoral leste no período de abril a julho (Gomes
et al., 2019; Marengo et al., 2023); e 3) a passagem de frentes frias elevando a precipitação
entre novembro a março no sul do estado da Bahia (Reboita et al., 2010).
Figura 13 – Precipitação média (mm/mês) no NEB para cada trimestre climatológico (DJF, MAM, JJA,
SON), no período de 1999-2022 com base nos dados do MERGE.

Fonte: elaborado pelo autor (2026).

A Figura 14 apresenta os mapas sazonais da irradiação solar global no NEB. Os padrões
espaciais são influenciados diretamente pela atuação de sistemas meteorológicos, que regulam

40

a variabilidade da cobertura de nuvens. A baixa precipitação (menor cobertura de nuvens) na
faixa central do NEB, confere ao semiárido nordestino os maiores índices de irradiação solar
incidente na superfície. Os valores máximos da irradiação solar são pronunciados nos trimestres
de SON e DJF, correspondentes ao período mais seco em todo o NEB. Como mencionado
anteriormente, a estação chuvosa ocorre no trimestre de MAM, acarretando menores índices de
irradiação solar, especialmente na porção norte, que apresenta os maiores registros de
precipitação.
Figura 14 – Irradiação solar no NEB para cada trimestre climatológico (DJF, MAM, JJA, SON), no
período de 1999 a 2022 com base nos dados de reanálise do ERA5.

Fonte: elaborado pelo autor (2026).

A dinâmica sazonal dos ventos sobre o NEB, conforme ilustrada na Figura 15, é
fortemente modulada pelo comportamento semiestacionário da ASAS, cujo centro se posiciona
no Oceano Atlântico entre as latitudes de 30ºS a 40ºS e longitudes de 15ºW a 0ºW. O período
de maior intensidade do recurso eólico ocorre nos trimestres de JJA e SON, quando a ASAS se
fortalece e se posiciona mais ao norte e oeste no Oceano Atlântico. Essa configuração
intensifica os ventos alísios de sudeste que sopram sobre o continente, resultando nas
velocidades mais elevadas do ano, predominantes no interior e litoral da região. Por outro lado,
durante os trimestres de DJF e MAM, a ASAS retrai-se para posições mais ao sul e leste,
enfraquecendo sua influência direta sobre o continente. Consequentemente, os ventos perdem
intensidade. Esse ciclo anual de fortalecimento e enfraquecimento da ASAS é, portanto, o
principal mecanismo que regula a variação do potencial eólico na região.

41

Figura 15 – Velocidade média do vento a 100m de altura no NEB para cada trimestre climatológico
(DJF, MAM, JJA, SON), no período de 1999 a 2022 com base nos dados de reanálise do ERA5. As setas
indicam a direção do vento.

Fonte: elaborado pelo autor (2026).

5.2.2

Variabilidade espaço-temporal da precipitação e do recurso hídrico

A análise de agrupamento hierárquico evidenciou padrões de similaridade espacial entre
os pontos de grade da área de estudo. O dendrograma obtido pelo método de Ward para a
variável de precipitação (Figura 16a), calculado com distância euclidiana, orientou a escolha
do número ótimo de grupos por meio de uma linha de corte (cutoff), resultando em cinco
agrupamentos. Para facilitar a interpretação dos boxplots mensais e do mapa (Figura 16b e
Figura 16c), os agrupamentos foram ordenados decrescentemente pela média de precipitação,
de modo que P1 apresenta os maiores valores médios e P5 os menores. Essa padronização
permitiu identificar diretamente as zonas de maior potencial pluviométrico.

42

Figura 16 – Regionalização da precipitação no NEB baseada em análise de agrupamento hierárquico,
onde: (a) o dendrograma define as cinco regiões homogêneas a partir do corte de distância euclidiana
(linha tracejada); (b) os boxplots detalham o ciclo sazonal de cada região (P1-P5), com a média (ponto
preto), mediana (linha central), intervalo interquartil (caixa) e outliers (pontos cinzas); e (c) o mapa
espacializa esses grupos, destacando a localização do reservatório de Sobradinho (H1) e a bacia do Rio
São Francisco (área hachurada).

Fonte: elaborado pelo autor (2026).

A regionalização da precipitação no NEB (Figura 16c) revelou cinco regimes sazonais
distintos, corroborados pelos boxplots mensais (Figura 16b). O P1, abrange o norte do
Maranhão, Piauí e Ceará, com variabilidade sazonal e uma estação chuvosa concentrada entre
os meses de fevereiro-abril, com destaque para março, em concordância com a intensificação e
o posicionamento meridional da ZCIT. O P3 (interior da Bahia, sul do Piauí, do Maranhão e do
Ceará) concentra sua estação chuvosa de novembro a março. Vale destaque a zona chuvosa no
sul do Ceará, onde um agrupamento de maiores registros de chuva contrasta com o semiárido
ao redor, devido aos efeitos orográficos do Planalto do Araripe, que intensificam a ascensão do
ar e a formação de nuvens (Felix et al., 2025). A faixa costeira leste (P2) registra máximos de
chuva no trimestre de maio a julho, padrão caracterizado pela atuação dos DOLs e pelo aporte
dos sistemas de brisas. Já P4 e P5, correspondente à área do semiárido, apresentam registros de
precipitação menores e mais irregulares, com alguma concentração de eventos entre dezembro
e março; nesses agrupamentos, a precipitação é majoritariamente influenciada por frentes frias
que conseguem avançar no sul da região, e por episódios da ZCAS, que, embora não dominante,
pode contribuir para eventos de precipitação no sul e no interior da região. Em geral, a
sazonalidade no NEB alterna entre períodos chuvosos e secos, modulados por sistemas
atmosféricos em multiescala juntamente com a interação com os modos de variabilidade

43

climática, como El Niño-Oscilação Sul (ENOS), Oscilação Decadal do Pacífico (ODP) e
Anomalias médias da temperatura da superfície do mar (TSM) (Costa et al., 2021; de Sousa
Santos et al., 2023; Lyra et al., 2017).
A variabilidade hidrológica média do reservatório de Sobradinho (Figura 17) mostrou
um ciclo sazonal bem definido, o que permite inferir uma relação com o regime de precipitação.
Destaque para seu nível médio máximo em abril, onde o reservatório reflete as chuvas intensas
da estação chuvosa na sua área de contribuição (agrupamentos P4 e P5), porém, evidenciando
uma defasagem de aproximadamente um mês entre o pico de precipitação (março) e o pico do
nível do reservatório (abril). A partir de maio, inicia-se um período contínuo de esvaziamento,
atingindo seu nível médio mais baixo em novembro.
Figura 17 – Nível médio do reservatório de Sobradinho, localizado no estado da Bahia, para o período
de 1999-2022.

Fonte: elaborado pelo autor (2026).

Dessa forma, a série temporal do nível do reservatório de Sobradinho (H1) será adotada
como o parâmetro central nas análises futuras de complementaridade entre as FERV,
substituindo as séries de precipitação dos agrupamentos. Esta abordagem é preferível por
incorporar diretamente a defasagem hidrológica e a redução previsível da geração hidrelétrica
no período seco, estabelecendo, com maior precisão, a necessidade e a janela temporal para a
compensação pelas fontes eólica e solar.

44

5.2.3

Variabilidade espaço-temporal da irradiação solar

O dendrograma da irradiação global horizontal (Figura 18a), obtido pelo método de
Ward com distância euclidiana, assegura a definição de cinco agrupamentos (S1–S5) a partir da
linha de corte indicada. As primeiras separações em alturas mais elevadas distinguem dois
conjuntos principais: S1–S2, associados a porções interioranas e de transição continental,
incluindo áreas semiáridas, e S3–S5, vinculados à faixa leste mais influenciada pelo oceano.
Para manter a consistência das análises, os boxplots mensais (Figura 18b) também foram
organizados em ordem decrescente da média de irradiação solar, o que facilita a seleção das
zonas de maior potencial solar. Por fim, o mapa com a distribuição espacial dos agrupamentos
e das usinas fotovoltaicas instaladas na área em estudo são mostrados na Figura 18c.
Figura 18 – Regionalização da irradiação solar no NEB baseada em análise de agrupamento hierárquico,
onde: (a) o dendrograma define as cinco regiões homogêneas a partir do corte de distância euclidiana
(linha tracejada); (b) os boxplots detalham o ciclo sazonal de cada região (S1-S5), com a média (ponto
preto), mediana (linha central), intervalo interquartil (caixa) e outliers (pontos cinzas); e (c) o mapa
espacializa esses grupos, destacando a localização das usinas fotovoltaicas instaladas.

Fonte: elaborado pelo autor (2026).

Os agrupamentos S1 e S2 apresentam maior potencial solar e menor variabilidade
intra‑anual, evidenciada pela menor dispersão interquartil ao longo do ano. Esse padrão
intensificou‑se entre maio e agosto no interior da Paraíba e nas zonas costeiras do Rio Grande
do Norte, Ceará e Piauí, em razão da posição mais ao norte da ZCIT (Utida et al., 2019),
inibindo os movimentos convectivos e reduzindo a nebulosidade. Já região a oeste da Bahia e
sul do Piauí, apresenta um regime modulador distinto, predominantemente associado ao

45

Planalto da Borborema, estendido entre os estados de Pernambuco, Paraíba, Rio Grande do
Norte e Alagoas, no qual a influência topográfica atua sobre a célula de circulação zonal de
Walker, induzindo movimentos ascendentes a barlavento do planalto e subsidência a sotavento
(Ferreira; Reboita, 2022), limitando a formação de nuvens e maximizando o recurso solar.
O agrupamento S4 apresenta um padrão de ciclo anual similar ao S2, porém com médias
ligeiramente menores entre janeiro e abril, período em que a migração da ZCIT para o sul
favorece a ocorrência de precipitação e, consequentemente, a atenuação da irradiação solar.
Entre junho e novembro, observa-se a intensificação desses valores, seguida de diminuição na
variabilidade, refletida na menor dispersão interquartil. Em contraste, S3 e S5 apresentam
quedas acentuadas da irradiação solar entre maio e agosto, com medianas inferiores a 5,0
kWh/m², em concordância com a estação chuvosa da porção leste do NEB, dominada pelos
DOLs e pela advecção de umidade trazida pelos alísios de sudeste (Hounsou-Gbo et al., 2015).
No sul da Bahia, em R5, as incursões frontais ocasionais intensificam a cobertura de nuvens e
contribuem para reduzir a irradiância solar incidente na superfície.
Ressalta-se ainda que na Figura 18c, S3 forma uma faixa no setor oriental do NEB que
separa S1 em dois núcleos não contíguos. A Figura 14 corrobora esse resultado ao evidenciar,
no trimestre JJA, uma faixa de menor irradiação no setor oriental, situada entre áreas interiores
com valores mais elevados. Esse gradiente espacial mostra-se coerente com a influência
conjunta da proximidade do oceano, do transporte de umidade pelos ventos alísios e da
modulação exercida pelo relevo sobre a circulação atmosférica e a distribuição da nebulosidade.
Embora esses mecanismos sejam consistentes com a configuração espacial observada, a
determinação de suas contribuições relativas requer uma análise integrada de variáveis como
nebulosidade, precipitação, umidade atmosférica, circulação dos ventos e topografia.
A análise conjunta das Figura 18b e Figura 18c indica que as regiões S1, S2 e S3,
caracterizadas por valores mais elevados de irradiância solar ao longo do ano, estão diretamente
associadas à distribuição espacial das usinas fotovoltaicas. Observa‑se maior concentração de
projetos nessas regiões, enquanto S4 e S5 apresentam menor densidade de empreendimentos.
Contudo, nas regiões S4 e S5, a magnitude média da irradiação solar permanece elevada em
comparação à observada na Alemanha e na Península Ibérica, onde a tecnologia fotovoltaica é
amplamente difundida (Lima et al., 2016), evidenciando a existência de potencial ainda
disponível para a expansão do aproveitamento solar, sobretudo em um contexto de baixa
variabilidade interanual típico de regiões tropicais.

46

5.2.4

Variabilidade espaço-temporal da velocidade do vento a 100m

O dendrograma da velocidade do vento a 100 m (Figura 19a), construído pelo método
de Ward com distância euclidiana, definiu quatro agrupamentos a partir da linha de corte. As
maiores alturas de fusão separam dois domínios principais: W1–W2, associados à faixa
litorânea e de transição, e W3–W4, vinculados às porções interiores do continente. Para manter
a consistência com os resultados mostrados anteriormente, os agrupamentos foram organizados
em ordem decrescente da média anual da intensidade do vento, de modo que W1 representa o
maior potencial eólico entre os agrupamentos, enquanto W2 caracteriza a zona de transição
entre o litoral mais favorável à exploração do recurso eólico e o interior menos favorável.
Figura 19 – Regionalização da velocidade do vento a 100 m no NEB baseada em análise de agrupamento
hierárquico, onde: (a) o dendrograma define as quatro regiões homogêneas a partir do corte de distância
euclidiana (linha tracejada); (b) os boxplots detalham o ciclo sazonal de cada região (W1-W4), com a
média (ponto preto), mediana (linha central), intervalo interquartil (caixa) e outliers (pontos cinzas); e
(c) o mapa espacializa esses grupos, destacando a localização dos aerogeradores instalados.

Fonte: elaborado pelo autor (2026).

Os boxplots mensais (Figura 19b) mostram que o W1 mantém valores superiores a 6
m/s de junho a outubro, com pouca variação entre os quartis. O W2 mantém o mesmo padrão
sazonal, mas com magnitudes inferiores. Em contraste, W3 e W4 exibem médias que raramente
superam 3,5 m/s, insuficiente para o funcionamento da maioria dos aerogeradores (EPE, 2018).
O mapa (Figura 19c) confirma a aderência espacial, com concentração de aerogeradores em R1
e na faixa de transição W2 e ausência destes empreendimentos em W3 e W4. Em virtude desse

47

baixo potencial e da inviabilidade técnica para uma exploração eficiente, as zonas W3 e W4
não serão consideradas nas análises de complementaridade e nas discussões subsequentes.

5.2.5

Complementaridade sazonal entre as FERV

A Figura 20 apresenta a média e a variabilidade temporal interanual do índice de
complementaridade k(c), resultante da combinação do recurso hídrico (H1) com os
agrupamentos mais favoráveis do recurso eólico (W1 e R2) e do recurso solar (S1–S5). Os
resultados das médias de k(c) distribuem-se em três classes: forte, moderada e fraca. A
complementaridade forte ocorre quando W1 ou W2 é combinado com S3 e S5, com valores
médios de k(c) iguais a 0,67 e 0,68. A complementaridade moderada aparece nas combinações
que envolvem W1 ou W2 associados a S1, ambas com k(c) igual a 0,60. Já a
complementaridade fraca caracteriza as combinações de W1 ou W2 associados a S2 e S4, cujos
valores de k(c) variam de 0,51 a 0,56. Observa-se uma oscilação interanual na
complementaridade, com quedas mais acentuadas do k(c) em 2004 e reduções mais suaves em
2016 e 2020. Esses comportamentos possivelmente estão associados aos modos de
variabilidade climática, tais como ENOS e Dipolo do Atlântico Tropical (Reboita et al., 2021),
fenômenos capazes de influenciar simultaneamente os padrões dos recursos eólico, solar e
hídrico no NEB.

48

Figura 20 – Índice de complementaridade total para combinações eólica (W1/W2), solar (S1–S5) e
hídrica (H1). A linha tracejada vermelha indica o valor médio do período. O fundo colorido reproduz a
escala de interpretação adotada.

Fonte: elaborado pelo autor (2026).

Os valores do índice refletem diretamente os padrões das curvas descritas nas seções
anteriores. Como visto, os agrupamentos W1–W2 apresentam máximos entre junho e outubro,
enquanto S3 e S5 sofrem redução acentuada entre maio e agosto. H1 atinge máximos entre
março-maio e entra em declínio até novembro. Essa curva hídrica, quando acoplada às
variações sazonais dos recursos eólico e solar, permite compreender o motivo pelo qual as
combinações com S3 e S5 alcancem as melhores médias de k(𝐜). Isso porque a menor
disponibilidade solar no trimestre de maio a julho é parcialmente compensada pelo maior

49

aproveitamento eólico no período de julho a outubro, enquanto o reservatório oferece margem
adicional de compensação.
Dada a abrangência do material abordado, a Figura 21 resume brevemente as principais
áreas de oportunidade para complementaridade no NEB. O agrupamento W1 foi selecionado
por concentrar o maior aproveitamento eólico e potencial de expansão, enquanto S1, apesar da
complementaridade moderada com W1 e H1, é estratégico por reunir os maiores valores de
irradiação solar e a maior densidade de empreendimentos fotovoltaicos. Já as combinações de
W1 e H1 com S3 e S5 apresentam complementaridade forte, embora ainda pouco exploradas
em termos de usinas solares, configurando áreas prioritárias para expansão a fim de assegurar
maior estabilidade do subsistema elétrico do NEB. Assim, recomenda-se priorizar, nos cenários
de planejamento a longo prazo, W1 combinado a S1, S3 ou S5, integradas ao recurso hídrico
H1.
Além disso, os desvios em torno das médias evidenciam a variabilidade interanual das
FERV tendo em vista que a confiabilidade do sistema elétrico depende da capacidade de
absorver essas flutuações. Nesse contexto, a fonte hídrica se destaca como a mais vulnerável,
pois apresenta elevada sensibilidade à variabilidade climática, capaz de comprometer a
demanda em anos de escassez hídrica. Em contraste, os recursos solar e eólico apresentam
menor variabilidade interanual, conferindo maior previsibilidade ao sistema elétrico. O recurso
solar destaca-se pela elevada estabilidade, enquanto o recurso eólico, embora sujeito a
oscilações sazonais mais pronunciadas, mantém padrões relativamente consistentes. A relação
inversa entre as curvas solar e eólica, ainda que pouco pronunciada, é particularmente relevante
para manter a estabilidade do sistema elétrico e reduzir a necessidade de maior acionamento da
geração hídrica, pois a complementaridade temporal contribui para suavizar a variabilidade da
disponibilidade de geração elétrica ao longo do ano. Tal complementaridade favorece a gestão
mais eficiente do reservatório de Sobradinho, mitiga riscos associados a eventos climáticos
extremos e reforça a segurança energética e a eficiência do planejamento de longo prazo.

50

Figura 21 – Mapa do NEB com os principais agrupamentos selecionados (S1, S3, S5 e W1) e localização
do reservatório de Sobradinho (H1), juntamente com as séries temporais climatológicas mensais (1999–
2022) de irradiação solar, velocidade do vento a 100 m e nível do reservatório de Sobradinho,
apresentando as médias mensais e o respectivo desvio padrão mensal, bem como o grau de
complementaridade associado às combinações das FERV.

Fonte: elaborado pelo autor (2026).

51

6 COMPLEMENTARIDADE HORÁRIA HIDRO-EÓLICA-SOLAR
6.1 Metodologia

6.1.1

Seleção estudo de caso

No âmbito deste estudo de caso, a avaliação da complementaridade em escala horária
foi conduzida mediante a seleção de um período caracterizado por elevada restrição operativa
no subsistema Nordeste. Conforme apresentado na Figura 22, setembro de 2025 esteve entre os
meses com os maiores níveis de restrição registrados ao longo daquele ano, associados
principalmente às componentes de razão energética e confiabilidade. A escolha desse recorte
temporal permitiu analisar, em condições operacionais específicas, a interação horária entre as
fontes renováveis variáveis consideradas.
Figura 22 – Distribuição mensal da Geração Não Realizada apurada (GNRa) no subsistema Nordeste
em 2025, em MWmed e percentual, segundo os componentes razão energética, confiabilidade e
indisponibilidade externa.

Fonte: ONS (2026).

Diante disso, nota-se um contexto operacional particularmente crítico, no qual a elevada
geração proveniente das fontes intermitentes (eólica e solar) não se reflete necessariamente em
geração efetivamente integrada ao sistema elétrico. Logo, setembro de 2025 mostra-se

52

adequado para examinar como a complementaridade entre as FERV pode subsidiar estratégias
para beneficiar o contexto operacional em horizontes de curto prazo.
Outro aspecto que reforça a escolha do período é que setembro coincide com o regime
anual em que o recurso eólico no NEB tende a apresentar elevada disponibilidade, assim como,
a geração solar mantém taxas expressivas ao longo do ciclo diurno. Essa combinação, associada
à participação da geração hídrica como membro regulador, configura um contexto favorável
para investigar a dinâmica espaço-temporal das FERV e o seu potencial de compensação mútua.

6.1.2

Modelos meteorológicos e configurações do WRF e do MPAS

Neste trabalho, foram empregados os modelos meteorológicos WRF (Weather Research
and Forecasting, versão 4.4.1) e MPAS (Model for Prediction Across Scales, versão 8.2.0),
ambos amplamente utilizados na modelagem numérica da atmosfera. O WRF consiste em um
modelo de mesoescala amplamente consolidado na literatura, destacando-se pela flexibilidade
na configuração de domínios e esquemas físicos, o que favorece sua aplicação em estudos
regionais. O MPAS, por sua vez, apresenta como diferencial o uso de malha não estruturada
com capacidade de representação em múltiplas escalas, permitindo maior adaptabilidade
espacial nas simulações atmosféricas. Assim, a adoção desses dois modelos neste estudo visa
analisar seu desempenho na representação das condições meteorológicas sobre o NEB,
especialmente no que se refere às variáveis associadas ao aproveitamento dos recursos eólico e
solar.
Para a representação dos processos físicos nos modelos WRF e MPAS, adotou-se uma
configuração comum composta pelos esquemas WSM6 (WRF Single-moment 6-class) para
microfísica, RRTMG (Rapid Radiative Transfer Model) para radiação de onda longa e curta,
MYNN (Mellor-Yamada-Nakanishi-Niino) para a camada limite planetária e para a camada
superficial, e NOAH-MP (Noah Multi-Parameterization) para a superfície terrestre (Tabela 2).
A seleção dessas parametrizações foi baseada em testes de sensibilidade, que indicaram melhor
adequação dessa configuração à representação dos processos atmosféricos e das interações
superfície-atmosfera no NEB, região caracterizada por intenso forçamento radiativo e elevada
variabilidade da camada limite atmosférica.

53

Tabela 2 – Esquemas de parametrização física utilizados nas previsões.
Esquemas de parametrização
Opções físicas
Referências
Cumulus
Grell-Freitas
(Grell; Freitas, 2014)
Microfísica
WSM6
(Hong; Lim, 2006)
Radiação de onda longa
RRTMG
(Iacono et al., 2008)
Radiação de onda curta
RRTMG
(Iacono et al., 2008)
Camada limite planetária
MYNN
(Nakanishi; Niino, 2006, 2009)
Camada limite superficial
MYNN
(Olson et al., 2021)
Superfície terrestre
NOAH-MP
(Niu et al., 2011; Yang et al., 2011)
Fonte: elaborado pelo autor (2026).

As previsões meteorológicas foram realizadas com os modelos WRF e MPAS em
horizonte temporal de 24 horas, com foco na representação das condições atmosféricas
previstas para o dia seguinte. Para isso, foram utilizados dados de previsão do GFS (Global
Forecast System) como condições iniciais e de contorno com resolução horizontal de 0,25° e
intervalo temporal de 3 horas. Dessa forma, as simulações foram estruturadas para representar
o período operacional subsequente, permitindo avaliar a capacidade dos modelos em fornecer
informações meteorológicas úteis ao planejamento de curto prazo. A Figura 23 ilustra a
estratégia adotada para as 24 horas seguintes.
Figura 23 – Representação esquemática da configuração temporal das previsões.

Fonte: elaborado pelo autor (2026).

A Figura 24 mostra a inclusão das informações de uso e cobertura da terra que foram
atualizadas com base nos dados do MapBiomas, que apresentam resolução espacial de 90 m e
correspondem ao ano de 2023, sendo posteriormente classificadas de acordo com a tabela de
referência do MODIS IGBP (Pedruzzi et al., 2022). Por fim, a representação topográfica
também foi substituída pelos dados do modelo digital de elevação da missão SRTM (Shuttle
Radar Topography Mission), disponibilizado pela NASA (National Aeronautics and Space
Administration), com resolução espacial de 90 m.

54

Figura 24 – Mapa de uso e cobertura do solo da região de estudo, elaborado a partir dos dados do
MapBiomas e adaptado à classificação padrão MODIS.

Fonte: elaborado pelo autor (2026).

Posteriormente, foram extraídas as variáveis de velocidade e direção do vento, bem
como de irradiância solar, para serem confrontadas com as estações meteorológicas in situ na
etapa de validação estatística. Para a análise da complementaridade, adotou-se as curvas
normalizadas dessas variáveis. Essa escolha metodológica se justifica pela heterogeneidade dos
empreendimentos eólico e solar do NEB, que reúne diferentes capacidades instaladas, arranjos
tecnológicos, em especial, a fonte eólica, com distintas alturas de aerogeradores. Logo, a
estimativa individualizada da geração de todos os empreendimentos torna-se inviabilizada.
Além disso, a geração verificada dessas usinas pode ser influenciada por restrições operativas
impostas pelo ONS, em função das condições de atendimento à carga e da operação do sistema
(ONS, 2024, 2025), limitando a comparação direta entre a geração prevista e a efetivamente
produzida. Assim, a adoção de curvas normalizadas permite uma avaliação mais consistente da
complementaridade entre as FERV, com foco em sua variabilidade relativa ao longo do período
analisado.

55

6.1.3

Dados observados

Os dados utilizados neste estudo foram medições de velocidade e direção do vento e
irradiância solar no intervalo de 05/09/2025 a 09/09/2025, coletadas em estações distribuídas
por toda a região do NEB. Essas observações foram obtidas de estações meteorológicas
automáticas de superfície operadas pelo Instituto Nacional de Meteorologia (INMET https://portal.inmet.gov.br/dadoshistoricos), com resolução temporal horária. Essas estações
são equipadas com sensores para medição das variáveis meteorológicas, incluindo precipitação
pluviométrica, temperatura do ar, pressão atmosférica, entre outras.
Adicionalmente, foram utilizados dados operacionais disponibilizados pelo ONS para
todo o mês de setembro de 2025 (disponível em: https://dados.ons.org.br/), incluindo os fatores
de capacidade dos aerogeradores e das usinas fotovoltaicas instaladas na região do NEB. Os
dados de fator de capacidade foram empregados na identificação dos agrupamentos analisados
neste estudo, por representarem de forma consistente a variabilidade do desempenho das fontes
eólica e solar.

6.1.4

Métricas de desempenho

A validação estatística das simulações foi realizada por meio do diagrama de Taylor
(Taylor, 2001), uma ferramenta gráfica que permite sintetizar, simultaneamente, quatro métricas
amplamente utilizadas na avaliação de desempenho de modelos numéricos: (i) o coeficiente de
correlação de pearson, (ii) o desvio padrão, (iii) o desvio quadrático médio (RMSD) e (iv) o
erro quadrático médio normalizado (nRMSE). No diagrama, o coeficiente de correlação é
representado pelo ângulo azimutal, o desvio padrão pela distância radial em relação à origem e
o RMSD pela distância entre o ponto correspondente ao modelo e o ponto de referência
localizado no eixo horizontal, onde a razão do desvio padrão é igual à unidade. Adicionalmente,
a nRMSE foi incorporada ao diagrama, de modo a complementar a avaliação do desempenho
dos modelos. Dessa forma, o diagrama permite avaliar, de forma integrada, a capacidade dos
modelos em reproduzir simultaneamente a variabilidade e a estrutura dos dados observados.
A validação foi conduzida para as variáveis velocidade do vento a 10 m e irradiância
solar, comparando as estimativas de cada experimento dos modelos WRF e MPAS com dados
de referência observacionais obtidos pelo INMET. Cada ponto no diagrama representa uma
comparação entre simulação e observação para uma determinada variável, sendo que a posição
do ponto reflete o grau de concordância estatística entre os conjuntos de dados.

56

6.1.5

Seleção e caracterização dos empreendimentos representativos para análise dos
recursos eólico e solar

A Figura 25 evidencia que a distribuição espacial dos aerogeradores no NEB está
inserida em contextos fisiográficos distintos, sendo definido em dois agrupamentos: o
agrupamento 1 (pontos azuis), predominante em áreas de menor altitude, e o agrupamento 2
(pontos verdes), áreas com relevo mais acidentado e altitudes mais elevadas. Este contraste
fisiográfico combinado com a atuação de sistemas meteorológicos de multiescala produz
implicações diretas sobre a modulação do escoamento atmosférico (Barreto et al., 2025).
Diante disso, os parques eólicos Alegria I (RN) e Serra do Assuruá (BA) foram
selecionados como áreas representativas de seus respectivos agrupamentos. A Figura 26
evidencia diferenças marcantes no ciclo diurno do fator de capacidade médio entre os dois
parques ao longo de setembro de 2025. O parque Serra do Assuruá (BA) apresenta valores mais
elevados durante o período noturno e nas primeiras horas da manhã, seguidos de uma redução
progressiva até atingir os menores valores em torno do meio-dia. Em Alegria I (RN), verificase uma ligeira defasagem no padrão diurno, com o pico máximo pronunciado entre o fim da
tarde e início do período noturno. Bem como, com valores médios significativamente inferiores
e menor amplitude diária quando comparado ao Serra do Assuruá (BA). Esses resultados estão
em concordância com os encontrados por De Jong et al. (2017).

57

Figura 25 – Topografia da região de estudo e localização dos aerogeradores. Os pontos azuis
correspondem ao agrupamento 1 e os pontos verdes ao agrupamento 2. Os painéis ampliados à direita
destacam as áreas representativas de cada agrupamento.

Fonte: elaborado pelo autor (2026).

Figura 26 – Ciclo diurno do fator de capacidade médio para os parques eólicos Alegria I (RN) e Serra
do Assuruá (BA), para o mês de setembro de 2025.

Fonte: elaborado pelo autor (2026).

A Figura 27 sintetiza a seleção dos empreendimentos eólico, solar e hídrico para a
análise da complementaridade desenvolvida na seção subsequente. Os parques eólicos Alegria
I (RN) e Serra do Assuruá (BA) foram selecionados como áreas representativas para a
componentes eólica uma vez que expressam condições temporais defasadas. Adicionalmente,
foram selecionadas a usina solar de São Gonçalo (PI) e a hidrelétrica de Sobradinho (BA) como
representantes da fonte solar e hídrica, respectivamente, a serem integradas à análise da

58

complementaridade. No caso da fonte solar, a escolha da Usina Solar de São Gonçalo
fundamenta-se em sua elevada capacidade instalada (em torno de 864 MW), caracterizando-se
como um empreendimento relevante no contexto da geração fotovoltaica. Ademais, para a fonte
solar, não se realizou análise de agrupamento, pois o regime de disponibilidade da irradiância
solar apresenta variabilidade temporal restrito ao período diurno. No caso da fonte hídrica, a
hidrelétrica de Sobradinho foi selecionada em função de seu papel estratégico na regularização
hídrica do sistema do rio São Francisco.
Figura 27 – Topografia da região Nordeste do Brasil e localização dos sítios analisados: Usina Solar de
São Gonçalo (PI), Reservatório de Sobradinho (BA), Parque Eólico Serra do Assuruá (BA) e Parque
Eólico Alegria I (RN).

Fonte: elaborado pelo autor (2026).

6.1.6

Modelagem da componente hídrica para maximização da complementaridade

Para estimar a curva da componente hídrica (H1) e avaliar a complementaridade
energética em um cenário idealizado de compensação entre as FERV, a usina hidrelétrica de
Sobradinho foi modelada como um compensador ideal. Essa abordagem considera o
reservatório hídrico como uma “bateria virtual” perfeitamente flexível, cujo despacho responde
à disponibilidade das fontes eólica e solar. Dessa forma, a componente hídrica fornece apenas
a parcela necessária para suprir o déficit momentâneo remanescente.

59

Como as séries eólica e solar foram individualmente normalizadas, adotou-se o valor
unitário como patamar de referência para a geração combinada que o sistema idealizado pode
absorver em cada instante. Assim, o valor 1 corresponde a 100% da geração de referência na
escala adimensional utilizada, não representando diretamente a demanda elétrica, a potência
instalada ou um limite físico da rede. Essa escolha permite comparar as contribuições relativas
das fontes em uma base comum e definir a componente hídrica como a parcela necessária para
completar o patamar unitário quando a soma das componentes eólica e solar for inferior a 1.
Quando o somatório das componentes eólica e solar é igual ou superior à unidade,
considera-se que o patamar de referência foi atendido, e o despacho hídrico é reduzido a zero.
Caso a soma seja superior a 1, a parcela excedente não é incorporada ao cálculo de H1. Ressaltase que esse excedente representa apenas a superação do patamar normalizado adotado e não
caracteriza, necessariamente, a ocorrência efetiva de curtailment, cuja identificação exigiria a
consideração da demanda elétrica e das restrições operativas do sistema. A componente hídrica
é, portanto, determinada pelas seguintes expressões:
H1(t) = max (0,1 − (W1(t) + S1(t)))

(4)

H1(t) = max (0,1 − (W2(t) + S1(t)))

(5)

em que H1(t) corresponde à componente hídrica normalizada necessária no instante t; W1(t)
e W2(t) representam, respectivamente, as componentes eólicas normalizadas pelos parques
Alegria I e Serra do Assuruá; e S1(t) representa a componente solar normalizada da usina de
São Gonçalo.

6.1.7

Análise da complementaridade diária

A análise da complementaridade horária entre as FERV foi realizada com base no
mesmo procedimento metodológico adotado para a avaliação mensal, aplicando-se os
coeficientes de correlação pareados entre as fontes e a técnica de programação de compromisso
para quantificar a complementaridade do sistema. Nesta etapa, a diferença consiste apenas na
resolução temporal dos dados, uma vez que os cálculos foram efetuados a partir de séries
horárias para cada dia. A descrição detalhada da metodologia encontra-se apresentada no
capítulo 5.1.4.

60

6.2 Resultados e Discussão

6.2.1

Validação estatística

As Figura 28 e Figura 29 apresentam os diagramas de Taylor das previsões de irradiância
solar e velocidade do vento a 10 m para o horizonte de 24 h, referente as previsões dos modelos
GFS, WRF e MPAS, em comparação com as observações do INMET.
Para a irradiância solar, os diagramas indicam desempenho satisfatório, com
predominância de correlações elevadas e desvios‑padrão próximos aos observados. Entre os
modelos, o MPAS destaca‑se por uma distribuição mais concentrada em torno da referência
observacional, sugerindo melhor ajuste estatístico frente ao GFS e ao WRF. Esse
comportamento aponta que o MPAS reproduz com maior fidelidade a variabilidade da radiação
incidente nas estações do NEB, possivelmente por representar de forma mais realista processos
que modulam a radiação incidente à superfície, como a nebulosidade e a microfísica de nuvens
(Zhou et al., 2024).
Para a velocidade do vento a 10 m, os diagramas de Taylor evidenciam um
comportamento mais heterogêneo, com maior dispersão dos pontos, correlações moderadas e
erros mais acentuados. Essa variabilidade é coerente com a complexidade das previsões do
vento próximo à superfície em uma região como o NEB, onde fatores de mesoescala, contrastes
térmicos regionais, rugosidade e topografia influenciam fortemente o escoamento superficial
do vento (Silva et al., 2025; Wu et al., 2022). Entre os modelos avaliados, o WRF apresenta
desempenho ligeiramente superior, com maior concentração de pontos próximos à referência
observacional, enquanto GFS e MPAS mostram maior espalhamento.

61

Figura 28 – Diagramas de Taylor da irradiância solar para as previsões dos modelos GFS, WRF e MPAS,
em comparação com as observações do INMET.

Fonte: elaborado pelo autor (2026).

Figura 29 – Igual à Figura 23, porém considerando a velocidade do vento a 10m.

Fonte: elaborado pelo autor (2026).

A Figura 30 mostra que tanto as observações do INMET quanto as previsões dos
modelos apresentam predomínio de ventos de leste/sudeste. Nas observações, as maiores
frequências concentram-se principalmente nas classes 0–2 m/s e 2–4 m/s, enquanto, nas
previsões, a classe > 4 m/s também se mostra expressiva em diversas localidades. Em
comparação com as observações, as previsões conseguem reproduzir a direção preferencial do
escoamento em grande parte das estações, indicando que ambos os modelos captam o padrão
regional dominante da circulação em baixos níveis. Contudo, as rosas dos ventos previstas

62

tendem a apresentar distribuição angular mais concentrada e menor variabilidade direcional do
que a observada, sugerindo suavização dos efeitos locais.
Figura 30 – Rosas dos ventos para as observações do INMET (a) e para previsões do GFS (b) WRF (c)
e MPAS (d), nos pontos correspondentes às estações meteorológicas do INMET indicadas no mapa.

Fonte: elaborado pelo autor (2026).

As Figura 31 e Figura 32 evidenciam que o processo de downscaling foi capaz de
representar de forma consistente os padrões espaciais das variáveis meteorológicas, com
destaque para o campo de vento. Observa-se que as estruturas topográficas da região se refletem
diretamente na intensidade e distribuição do escoamento, indicando que o modelo consegue
capturar os efeitos orográficos que modulam o vento próximo à superfície. Esse resultado é
particularmente relevante para a componente eólica, cuja variabilidade depende fortemente
dessas características locais. Em relação à irradiância solar, as médias no período analisado
indicam condições predominantemente de céu claro na região do agrupamento S1, sem
evidências significativas de impacto por nebulosidade, o que reforça a estabilidade do recurso
solar durante o estudo de caso.
Com base nos resultados da validação estatística, optou-se pela utilização do modelo
WRF na representação das componentes eólicas (W1 e W2), em razão de seu desempenho
relativamente superior na previsão da velocidade do vento. Para a componente solar (S1), foram
empregados os resultados do MPAS, que apresentou melhor ajuste estatístico na previsão da
irradiância solar. A adoção combinada dos modelos permitiu explorar suas respectivas
potencialidades e conferir maior robustez à avaliação da complementaridade entre as FERV.
Ressalta-se, contudo, que o desempenho satisfatório do MPAS para as variáveis analisadas
também evidencia sua aptidão para aplicações em ambiente operacional. Nesse contexto, a
execução simultânea de dois modelos implicaria maior demanda computacional e tempo de
processamento, podendo tornar mais conveniente a adoção de uma única ferramenta de

63

previsão. Portanto, o emprego conjunto do WRF e do MPAS restringe-se ao escopo deste estudo
de caso, cuja finalidade consiste em avaliar a complementaridade a partir do modelo que
apresentou o melhor desempenho para cada variável meteorológica.
Figura 31 – Mapas da irradiância solar média para o período de 05 a 09 de setembro de 2025, obtidos a
partir das previsões dos modelos GFS, WRF e MPAS. A caixa delimitada indica a região de interesse
onde se localiza a usina fotovoltaica representativa: S1 (São Gonçalo).

Fonte: elaborado pelo autor (2026).

Figura 32 – Mapas da velocidade média do vento a 10 m de altura para o período de 05 a 09 de setembro
de 2025, obtidos a partir das previsões dos modelos GFS, WRF e MPAS. As caixas delimitadas indicam
a região de interesse onde se localizam os parques eólicos representativos: W1 (Alegria I) e W2 (Serra
do Assuruá).

Fonte: elaborado pelo autor (2026).

64

6.2.2

Complementaridade horária entre as FERV

As Figura 33 e Figura 34 apresentam as séries temporais horárias normalizadas das
componentes eólica, solar e hídrica para o período de 5 a 8 de setembro de 2025, considerando
o horizonte de previsão do dia seguinte. A componente eólica foi representada pelos resultados
do WRF para os parques Alegria I (W1) e Serra do Assuruá (W2), enquanto a componente solar
foi representada pela irradiância solar proveniente do MPAS para a região da usina fotovoltaica
de São Gonçalo (S1). A componente hídrica (H1), representativa do papel compensatório
atribuído à hidrelétrica de Sobradinho, foi construída de forma idealizada, destinada a preencher
as lacunas remanescentes quando a soma entre as componentes eólica e solar foi inferior a 1.
Portanto, H1 não representa a geração observada nem o despacho operacional da usina durante
o período analisado. Nesse contexto, os valores de k(c) quantificam o grau de
complementaridade temporal entre as FERV no cenário idealizado, indicando em que medida
seus padrões horários apresentam comportamentos complementares no horizonte de previsão
do dia seguinte, sem representar diretamente a estabilidade operacional do sistema elétrico.
Figura 33 – Séries temporais horárias normalizadas das componentes eólica (W1), solar (S1) e hídrica
idealizada (H1), no intervalo de 05/09/2025 a 08/09/2025. W1 representa o parque eólico Alegria I (RN),
S1 a usina solar de São Gonçalo (PI) e H1 a compensação hídrica idealizada associada à hidrelétrica de
Sobradinho (BA). O valor de k(𝐜) indica o índice de complementaridade temporal entre as FERV.

Fonte: elaborado pelo autor (2026).

65

Figura 34 – Séries temporais horárias normalizadas das componentes eólica (W2), solar (S1) e hídrica
idealizada (H1), no intervalo de 05/09/2025 a 08/09/2025. W2 representa o parque eólico Serra do
Assuruá (BA), S1 a usina solar de São Gonçalo (PI) e H1 a compensação hídrica idealizada associada à
hidrelétrica de Sobradinho (BA). O valor de k(𝐜) indica o índice de complementaridade temporal entre
as FERV.

Fonte: elaborado pelo autor (2026).

No caso da combinação W1+S1+H1, os resultados indicam que a manutenção de uma
complementaridade forte esteve associada a uma maior dependência da componente hídrica,
especialmente nos intervalos em que a componente solar apresentou baixa disponibilidade ou
ausência de geração e a componente eólica não foi suficiente para compensar integralmente
essa lacuna. Nesses períodos, H1 assume valores mais elevados para suprir o patamar de
referência, reforçando o papel da hidrelétrica como fonte reguladora capaz de amortecer as
oscilações remanescentes entre as fontes eólica e solar.
Por outro lado, a combinação W2+S1+H1, apresenta uma organização temporal mais
favorável entre as componentes eólica e solar. A maior contribuição de W2 durante a
madrugada, o início da manhã e o período noturno coincide com os intervalos de baixa ou nula
disponibilidade solar, reduzindo as lacunas a serem preenchidas por H1. A defasagem entre o
ciclo eólico de Serra do Assuruá e o ciclo diurno da irradiância solar resulta, assim, em menor
necessidade aparente de compensação hídrica em comparação com W1+S1+H1.
A análise conjunta das componentes eólica e solar também permite identificar intervalos
em que sua soma supera o patamar unitário de referência, principalmente durante o período
diurno, quando a disponibilidade solar coincide com a contribuição eólica. Esses valores

66

representam excedentes exclusivamente em relação à escala normalizada adotada, não podendo
ser interpretados diretamente como excesso de oferta, geração não aproveitada ou curtailment.
A confirmação dessas condições exigiria a inclusão de curvas de carga, capacidades instaladas,
limites de transmissão e demais restrições operativas. Ainda assim, a previsão da dinâmica
conjunta das FERV para o dia seguinte pode subsidiar o planejamento operacional de curto
prazo, especialmente ao antecipar os períodos de maior necessidade de compensação hídrica ou
de possível superação do patamar de referência. Sua aplicação à programação real do despacho
exigiria, contudo, a incorporação das restrições operativas do sistema elétrico.
Do ponto de vista socioambiental, a programação coordenada e eficiente das FERV pode
favorecer o aproveitamento complementar dos recursos hídrico, eólico e solar e reduzir a
necessidade potencial de acionamento termelétrico para o atendimento dos déficits
remanescentes. Essa coordenação pode contribuir para diminuir as emissões associadas à
geração de origem fóssil e os custos operacionais decorrentes do despacho de fontes de maior
custo operacional. Seus efeitos sociais estão relacionados, principalmente, ao fortalecimento da
segurança do suprimento e à redução da exposição dos consumidores aos custos adicionais
decorrentes da geração termelétrica. Entretanto, a quantificação desses benefícios requer
estudos complementares que integrem curvas de carga, custos de operação, emissões, tarifas de
energia e indicadores socioeconômicos.

67

7 CONCLUSÕES
Em síntese, os resultados obtidos demonstram que os objetivos propostos neste estudo
foram alcançados, ao permitir avaliar a complementaridade espaço-temporal entre as fontes
hídrica, solar e eólica para a região em estudo tanto na escala mensal quanto na escala horária.
O estudo integrou a regionalização dos recursos meteorológicos, a quantificação da
complementaridade entre as FERV e a análise de arranjos representativos com foco em previsão
do dia seguinte, oferecendo uma abordagem com potencial de aplicação ao planejamento
energético regional e ao planejamento operacional de curto prazo. Adicionalmente, os
resultados fornecem subsídios para uma expansão segura e territorialmente planejada das
FERV, com potencial para estimular investimentos, ampliar oportunidades econômicas e
contribuir para o desenvolvimento regional.
Na escala mensal, a aplicação da análise de agrupamento hierárquico mostrou-se
adequada para identificar regiões homogêneas de precipitação, irradiação solar e velocidade do
vento no NEB, evidenciando que a variabilidade dos recursos energéticos está fortemente
associada à sazonalidade climática da região. Os resultados confirmaram que os agrupamentos
solares S1 e S2 apresentam maior potencial e menor variabilidade, enquanto os agrupamentos
eólicos W1 e W2 concentram as áreas mais favoráveis à exploração do recurso, em consonância
com a distribuição espacial dos empreendimentos atualmente instalados.
Para a componente hídrica, a utilização da série do reservatório de Sobradinho mostrouse mais representativa do que a precipitação isolada, por incorporar a defasagem entre o regime
de chuvas e a resposta hidrológica do sistema. Esse comportamento reforça a importância de
considerar a dinâmica do armazenamento hídrico nas análises de complementaridade, uma vez
que a contribuição da fonte hidráulica não depende apenas da precipitação imediata, mas da
resposta acumulada da bacia ao longo do tempo.
A análise do índice de complementaridade em escala mensal evidenciou que as
combinações

W1+S3+H1,

W1+S5+H1,

W2+S3+H1

e

W2+S5+H1

apresentaram

complementaridade forte, enquanto as combinações com S1 mostraram complementaridade
moderada e aquelas envolvendo S2 e S4 tenderam a valores mais baixos. Esses resultados
decorrem da defasagem sazonal entre as fontes, na qual os máximos eólicos entre junho e
outubro compensam parcialmente a menor disponibilidade solar em parte do ano, enquanto a
componente hídrica atua como elemento adicional de regularização.
Contudo, a variabilidade interanual do índice revelou que a complementaridade entre as
FERV não é estacionária, apresentando reduções em anos específicos, como 2004, 2016 e 2020,

68

o que sugere a influência de modos de variabilidade climática de grande escala sobre a
disponibilidade simultânea dos recursos. Esse resultado destaca que, embora a
complementaridade mensal apresente um padrão médio favorável em determinadas
combinações, sua robustez pode ser modulada por fenômenos climáticos que alteram a relação
entre as fontes ao longo dos anos.
Na escala horária, o estudo trouxe achados significativos ao incorporar uma abordagem
de previsão do dia seguinte, utilizando de forma combinada os modelos WRF e MPAS para
representar as variáveis meteorológicas associadas aos recursos eólico e solar. A avaliação
estatística indicou desempenho satisfatório para ambas as variáveis, com melhor representação
do campo de vento pelo WRF e melhor ajuste da irradiância solar pelo MPAS. Em comparação
à previsão global do GFS, que possui resolução espacial mais grosseira e limitações na
representação de processos de mesoescala, os modelos WRF e MPAS apresentaram maior
capacidade de capturar características regionais.
A análise da complementaridade horária evidenciou que as duas combinações avaliadas
influenciam a forma como a estabilidade do sistema é alcançada: enquanto a combinação
envolvendo W1+S1+H1 demanda maior atuação da componente hídrica para preencher as
lacunas remanescentes ao longo do ciclo diário, a combinação com W2+S1+H1 apresenta uma
defasagem temporal que favorece uma atuação mais equilibrada da componente hídrica. Além
disso, foram identificados períodos do dia de maximização simultânea da geração eólica e solar,
o que traz riscos à segurança energética. Esses resultados reforçam que, embora a
complementaridade entre as FERV contribua para a estabilidade do sistema, sua efetividade
depende da configuração espacial dos empreendimentos e da dinâmica temporal dos recursos.
Do ponto de vista estratégico, os resultados indicam que a complementaridade entre as
FERV no NEB deve ser considerada como ferramenta de apoio ao setor elétrico. Na escala
mensal, os achados sustentam a priorização de combinações envolvendo o agrupamento eólico
W1 associado aos agrupamentos solares S1, S3 e S5 e à componente hídrica, com potencial de
aumentar a segurança energética regional. Na escala horária, o índice de complementaridade
evidenciou potencial como ferramenta de suporte ao planejamento operacional de curto prazo,
ao permitir a antecipação da interação temporal entre as fontes e a identificação de condições
favoráveis ou desfavoráveis à estabilidade do sistema no dia seguinte.
Por fim, recomenda-se que estudos futuros ampliem a análise horária para períodos mais
longos, diferentes épocas do ano e maior número de empreendimentos, incorporando curvas de
potência, fatores de capacidade, restrições operativas e efeitos de curtailment. Também se
mostra relevante aprofundar a investigação da influência de modos de variabilidade climática,

69

como o ENOS e o Dipolo do Atlântico Tropical, sobre a complementaridade entre os recursos,
a fim de compreender em quais condições o potencial complementar é reforçado ou
comprometido para a região do NEB.

70

REFERÊNCIAS
ABEEÓLICA (ASSOCIAÇÃO BRASILEIRA DE ENERGIA EÓLICA). Boletim Anual de
Geração Eólica 2024. 2025.
ÁVILA, Leandro et al. Evaluation of hydro-wind complementarity in the medium-term
planning of electrical power systems by joint simulation of periodic streamflow and wind speed
time series: A Brazilian case study. Renewable Energy, vol. 167, p. 685–699, 2021.
BARRETO, Cássio Nirlando et al. Wind regime in Northeastern Brazil: variability,
homogeneous regions, and future projections. Sustainable Energy Technologies and
Assessments, vol. 84, 2025.
BORBA, Paula Conde Santos et al. Integrating renewable energy for power security under
water stress scenarios due to climate change: Strategies and opportunities. Energy, vol. 326,
2025.
CAMPOS, Érica Ferraz de et al. Hybrid power generation for increasing water and energy
securities during drought: Exploring local and regional effects in a semi-arid basin. Journal of
Environmental Management, vol. 294, no June, 2021.
CAMPOS, Rafael Antunes; NASCIMENTO, Lucas Rafael do; RÜTHER, Ricardo. The
complementary nature between wind and photovoltaic generation in Brazil and the role of
energy storage in utility-scale hybrid power plants. Energy Conversion and Management,
vol.
221,
no
July,
p.
113160,
2020.
Disponível
em:
https://doi.org/10.1016/j.enconman.2020.113160.
CANALES, Fausto A. et al. Assessing temporal complementarity between three variable
energy sources through correlation and compromise programming. Energy, vol. 192, p.
116637, 2020. Disponível em: https://doi.org/10.1016/j.energy.2019.116637.
CANALES, Fausto A.; JURASZ, Jakub. Assessing micro-scale solar-wind-hydro
complementarity in a mountainous catchment through the stability coefficient. Sustainable
Energy Technologies and Assessments, vol. 82, 2025.
CANTÃO, Mauricio P. et al. Evaluation of hydro-wind complementarity in the Brazilian
territory by means of correlation maps. Renewable Energy, vol. 101, p. 1215–1225, 2017.
CHENG, Qian et al. Contribution of complementary operation in adapting to climate change
impacts on a large-scale wind–solar–hydro system: A case study in the Yalong River Basin,
China. Applied Energy, vol. 325, 2022.
CHOWDHURY, Prangon; CHOWDHURY, Nahid Ur Rahman; FARROK, Omar.
Complementarity in renewable energy sources: Insights from scientometric analysis.
Elsevier Ltd, 2025.
COSTA, Micejane da Silva et al. Rainfall extremes and drought in Northeast Brazil and its
relationship with El Niño–Southern Oscillation. International Journal of Climatology, vol.
41, no S1, p. E2111–E2135, 2021.

71

CRIPPA, M. et al. GHG emissions of all world countries - 2025 Report, Publications Office of
the European Union. 2025, Luxembourg. Anais [...]. Luxembourg: [s. d.], 2025. Disponível
em: https://data.europa.eu/doi/10.2760/9816914,.
DE AZEVEDO, Samara Calçado et al. Analysis of the 2012-2016 drought in the northeast
Brazil and its impacts on the Sobradinho water reservoir. Remote Sensing Letters, vol. 9, no
5, p. 438–446, 2018.
DE JONG, Pieter et al. Forecasting high proportions of wind energy supplying the Brazilian
Northeast electricity grid. Applied Energy, vol. 195, p. 538–555, 2017.
DE JONG, Pieter et al. Integrating large scale wind power into the electricity grid in the
Northeast of Brazil. Energy, vol. 100, p. 401–415, 2016.
DE SOUSA SANTOS, Juliana et al. Effects of extreme phases of El Niño–Southern Oscillation
on rainfall extremes in Alagoas, Brazil. International Journal of Climatology, vol. 43, no 16,
p. 7700–7721, 2023.
DRANKA, Géremi Gilson; FERREIRA, Paula. Planning for a renewable future in the Brazilian
power system. Energy, vol. 164, p. 496–511, 2018.
EKHTIARI, Nikoo et al. Effects of the Lake Sobradinho reservoir (Northeastern Brazil) on the
regional climate. Climate, vol. 5, no 3, 2017.
ENGELAND, Kolbjørn et al. Space-time variability of climate variables and intermittent
renewable electricity production – A review. Renewable and Sustainable Energy Reviews,
vol. 79, no May, p. 600–617, 2017. Disponível em: http://dx.doi.org/10.1016/j.rser.2017.05.046.
EPE. Plano Nacional de Energia - PNE 2050. Plano Nacional de Energia - PNE 2050, 2020.
EPE (EMPRESA DE PESQUISA ENERGÉTICA). Balanço Energético Nacional 2025 Relatório Síntese Ano base 2024. 2025.
EPE (EMPRESA DE PESQUISA ENERGÉTICA). Balanço Energético Nacional 2026 Relatório Síntese Ano base 2025. 2026.
EPE (EMPRESA DE PESQUISA ENERGÉTICA). Roadmap Resiliência Climática Transmissão e Mudanças Climáticas, 2025.
EPE (EMPRESA DE PESQUISA ENERGÉTICA); MME (MINISTÉRIO DE MINAS E
ENERGIA). Nota Técnica PR 04/18 - Potencial dos Recursos Energéticos no Horizonte
2050. Rio de Janeiro, 2018.
FARGHALI, Mohamed et al. Social, environmental, and economic consequences of
integrating renewable energies in the electricity sector: a review. Springer Science and
Business Media Deutschland GmbH, 2023.
FELIX, Victor A.R. et al. On Northeast Brazil Orographic Enhanced Rainfall and Monsoon
Dynamics. International Journal of Climatology, vol. 45, no 10, 2025.

72

FERREIRA, Glauber W.S.; REBOITA, Michelle S. A New Look into the South America
Precipitation Regimes: Observation and Forecast. Atmosphere, vol. 13, no 6, 2022.
FRAUNHOFER. Photovoltaics Report. 2025. Disponível em: www.ise.fraunhofer.de.
GALLARDO, Rafael Peña; RÍOS, Aurelio Medina; RAMÍREZ, Juan Segundo. Analysis of the
solar and wind energetic complementarity in Mexico. Journal of Cleaner Production, vol.
268, 2020.
GARLET, Taís Bisognin et al. Paths and barriers to the diffusion of distributed generation of
photovoltaic energy in southern Brazil. Renewable and Sustainable Energy Reviews, vol.
111, no May, p. 157–169, 2019. Disponível em: https://doi.org/10.1016/j.rser.2019.05.013.
GOMES, Helber B. et al. Climatology of easterly wave disturbances over the tropical South
Atlantic. Climate Dynamics, vol. 53, no 3–4, p. 1393–1411, 2019. Disponível em:
http://link.springer.com/10.1007/s00382-019-04667-7.
GOMES, Helber Barros et al. Easterly wave disturbances over Northeast Brazil: An
observational analysis. Advances in Meteorology, vol. 2015, 2015.
GOMES, Rafaela dos Santos; LIMA, Kellen Carla; DE MEDEIROS, Felipe Jeferson. Effects
of atmospheric systems operating in the Northeast of Brazil on the volumes of artificial
reservoirs. Scientific Reports, vol. 15, no 1, 2025.
GONÇALVES, André Rodrigues. Hibridização de usinas solares e eólicas e sua
complementariedade no Brasil. 2021. 143 f. - Instituto Nacional de Pesquisas Espaciais, 2021.
GRELL, G. A.; FREITAS, S. R. A scale and aerosol aware stochastic convective
parameterization for weather and air quality modeling. Atmospheric Chemistry and Physics,
vol. 14, no 10, p. 5233–5250, 2014.
GRUBER, Katharina et al. Towards global validation of wind power simulations: A multicountry assessment of wind power simulation from MERRA-2 and ERA-5 reanalyses biascorrected with the global wind atlas. Energy, vol. 238, 2022.
GWEC (GLOBAL WIND ENERGY COUNCIL). GLOBAL WIND REPORT 2025. Clean,
2025. Disponível em: www.gwec.net.
HENAO, Felipe et al. Annual and interannual complementarities of renewable energy sources
in Colombia. Renewable and Sustainable Energy Reviews, vol. 134, 2020.
HERSBACH, Hans et al. The ERA5 global reanalysis. Quarterly Journal of the Royal
Meteorological Society, vol. 146, no 730, p. 1999–2049, 2020.
HONG, Song‐You; LIM, Jeong-Ock Jade. The WRF Single-Moment 6-Class Microphysics
Scheme (WSM6). Asia-pacific Journal of Atmospheric Sciences, vol. 42, p. 129–151, 2006.
HOUNSOU-GBO, G. A. et al. Tropical Atlantic contributions to strong rainfall variability along
the northeast Brazilian coast. Advances in Meteorology, vol. 2015, 2015.

73

HUNT, Julian David et al. Energy crisis in Brazil: Impact of hydropower reservoir level on the
river flow. Energy, vol. 239, 2022.
HUNT., Julian David; STILPEN, Daniel; FREITAS, Marcos Aurélio Vasconcelos de. A review
of the causes, impacts and solutions for electricity supply crises in Brazil. Elsevier Ltd,
2018.
IACONO, Michael J. et al. Radiative forcing by long-lived greenhouse gases: Calculations with
the AER radiative transfer models. Journal of Geophysical Research Atmospheres, vol. 113,
no 13, 2008.
IEA (IINTERNATIONAL ENERGY AGENCY). Renewables 2024: Analysis and forecast to
2030. 2024. Disponível em: www.iea.org.
IEA (INTERNATIONAL ENERGY AGENCY). Hydropower Special Market Report:
Analysis and forecast to 2030. 2021. Disponível em: www.iea.org/t&c/.
IRENA (INTERNATIONAL RENEWABLE ENERGY AGENCY). Renewable power
generation costs in 2024. Abu Dhabi, 2025. Disponível em: www.irena.org.
JIONGWEI, CAO et al. Improving the utilization of PV-wind power by thermal, hydro and
pumped storage considering the local and cross-regional power demand. Energy, p. 139919,
2026.
JONASSON, Erik et al. Discussion of “Assessing temporal complementarity between three
variable energy sources through correlation and compromise programming” F.A. Canales
et al. Energy 192 (2020) 116637. Elsevier Ltd, 2023.
JONASSON, Erik; TEMIZ, Irina. Evaluating complementarity: A review of metrics and
their implications for hybrid renewable energy systems. Elsevier Ltd, 2026.
JURASZ, J. et al. A review on the complementarity of renewable energy sources: Concept,
metrics, application and future research directions. Solar Energy, vol. 195, no October 2019,
p. 703–724, 2020. Disponível em: https://doi.org/10.1016/j.solener.2019.11.087.
JURASZ, Jakub et al. Complementarity of wind and solar power in North Africa: Potential for
alleviating energy droughts and impacts of the North Atlantic Oscillation. Renewable and
Sustainable Energy Reviews, vol. 191, 2024.
KOUADIO, Yves K. et al. Heavy rainfall episodes in the eastern northeast brazil linked to largescale ocean-atmosphere conditions in the tropical atlantic. Advances in Meteorology, vol.
2012, 2012.
LIMA, Francisco J.L. et al. Forecast for surface solar irradiance at the Brazilian Northeastern
region using NWP model and artificial neural networks. Renewable Energy, vol. 87, p. 807–
818, 2016. Disponível em: http://dx.doi.org/10.1016/j.renene.2015.11.005.
LIMA, M. A. et al. Renewable energy in reducing greenhouse gas emissions: Reaching the
goals of the Paris agreement in Brazil. Elsevier B.V., 2020.

74

LUIZ-SILVA, Wanderson et al. On the Observations and Environmental Modeling in Xingó
Hydropower Plant - Northeast Brazil: Present and Future Hydroclimatic Features.
Environmental Modeling and Assessment, vol. 27, no 1, p. 13–28, 2022.
LYRA, G. B. et al. Rainfall variability over Alagoas under the influences of SST anomalies.
Meteorology and Atmospheric Physics, vol. 129, no 2, p. 157–171, 2017.
MAGAÑA-GONZÁLEZ, R. C.; RODRÍGUEZ-HERNÁNDEZ, O.; CANUL-REYES, D. A.
Analysis of seasonal variability and complementarity of wind and solar resources in Mexico.
Sustainable Energy Technologies and Assessments, vol. 60, 2023.
MARENGO, J. A. et al. Flash floods and landslides in the city of Recife, Northeast Brazil after
heavy rain on May 25–28, 2022: Causes, impacts, and disaster preparedness. Weather and
Climate Extremes, vol. 39, no December 2022, 2023.
MARENGO, Jose A. et al. Two contrasting severe seasonal extremes in tropical South America
in 2012: Flood in Amazonia and drought in Northeast Brazil. Journal of Climate, vol. 26, no
22, p. 9137–9154, 2013.
MARTINS, Vitor S. et al. Remote sensing of large reservoir in the drought years: Implications
on surface water change and turbidity variability of Sobradinho reservoir (Northeast Brazil).
Remote Sensing Applications: Society and Environment, vol. 13, p. 275–288, 2019.
MONFORTI, F. et al. Assessing complementarity of wind and solar resources for energy
production in Italy. A Monte Carlo approach. Renewable Energy, vol. 63, no 2014, p. 576–
586, 2014. Disponível em: http://dx.doi.org/10.1016/j.renene.2013.10.028.
NAKANISHI, Mikio; NIINO, Hiroshi. An improved Mellor-Yamada Level-3 model: Its
numerical stability and application to a regional prediction of advection fog. Boundary-Layer
Meteorology, vol. 119, no 2, p. 397–407, 2006.
NAKANISHI, Mikio; NIINO, Hiroshi. Development of an improved turbulence closure model
for the atmospheric boundary layer. Journal of the Meteorological Society of Japan, vol. 87,
no 5, p. 895–912, 2009.
NIU, Guo Yue et al. The community Noah land surface model with multiparameterization
options (Noah-MP): 1. Model description and evaluation with local-scale measurements.
Journal of Geophysical Research Atmospheres, vol. 116, no 12, 2011.
OLSON, Joseph B et al. A Description of the MYNN Surface-Layer Scheme. 2021. Disponível
em: https://doi.org/10.25923/f6a8-bc75.
ONS (OPERADOR NACIONAL DO SISTEMA ELÉTRICO). Diagnóstico e perspectiva da
evolução dos cortes de geração no Brasil - GT CORTES DE GERAÇÃO. 2025. Disponível
em:
https://www.ons.org.br/AcervoDigitalDocumentosEPublicacoes/RT%20DGLONS%200189-2025%20-%20GT%20Curtailment%20rev1.pdf. Acesso em: 6 jun. 2026.
ONS (OPERADOR NACIONAL DO SISTEMA ELÉTRICO). Submódulo 4.5 Programação Diária da Operação - Responsabilidades. 2024. Disponível em:
https://proxyportais.ons.org.br/ons.portalempregado.proxy/garapi/api/processo/retornarpdf?url

75

=/sites/soumaisons/portalgar/ecmpdf/Subm%C3%B3dulo%204.5-RS_2024.10.pdf.
em: 6 jun. 2026.

Acesso

PEDRUZZI, Rizzieri et al. Review of mapping analysis and complementarity between solar
and wind energy sources. Energy, vol. 283, no July, 2023.
PEDRUZZI, Rizzieri et al. Update of land use/land cover and soil texture for Brazil: Impact on
WRF modeling results over São Paulo. Atmospheric Environment, vol. 268, no August 2021,
p. 118760, 2022.
PEREIRA, Enio et al. Atlas brasileiro de energia solar. Universidade Federal de São Paulo,
2017. Disponível em: http://urlib.net/rep/8JMKD3MGP3W34P/3PERDJE.
PES, Marcelo P. et al. Climate trends on the extreme winds in Brazil. Renewable Energy, vol.
109, p. 110–120, 2017.
PONTES DA SILVA, Bruce Francisco; FEDOROVA, Natalia. “Easterly Wave Disturbances”
Over the Tropical South Atlantic: A Review and Discussion About Terminology. Revista
Brasileira de Meteorologia, vol. 38, 2023.
PRASAD, Abhnil A.; TAYLOR, Robert A.; KAY, Merlinde. Assessment of solar and wind
resource synergy in Australia. Applied Energy, vol. 190, p. 354–367, 2017. Disponível em:
http://dx.doi.org/10.1016/j.apenergy.2016.12.135.
QI, Lingli et al. Feed-in tariffs and the carbon emission trading scheme under China’s peak
emission target: A dynamic CGE analysis for the development of renewable electricity. Journal
of Environmental Management, vol. 335, 2023.
REBOITA, Michelle Simões et al. A Multi-Scale Analysis of the Extreme Precipitation in
Southern Brazil in April/May 2024. Atmosphere, vol. 15, no 9, 2024.
REBOITA, Michelle Simões et al. Impacts of teleconnection patterns on South America
climate. Annals of the New York Academy of Sciences, vol. 1504, no 1, p. 116–153, 2021.
REBOITA, Michelle Simões et al. Regimes de precipitação na América do Sul: uma revisão
bibliográfica. Revista Brasileira de Meteorologia, vol. 25, no 2, p. 185–204, 2010. Disponível
em:
http://www.scielo.br/scielo.php?script=sci_arttext&pid=S010277862010000200004&lng=pt&tlng=pt.
REINDL, Thomas et al. Energy meteorology for accurate forecasting of PV power output on
different time horizons. Energy Procedia, vol. 130, p. 130–138, 2017. Disponível em:
https://doi.org/10.1016/j.egypro.2017.09.415.
ROSA, Caroline de Oliveira Costa Souza; CHRISTO, Eliane da Silva; COSTA, Kelly Alonso.
Assessing complementarity and optimising the combination of intermittent renewable energy
sources using ground measurements. Journal of Cleaner Production, vol. 258, p. 120946,
2020. Disponível em: https://linkinghub.elsevier.com/retrieve/pii/S0959652620309938.

76

ROZANTE, José Roberto et al. Performance of precipitation products obtained from
combinations of satellite and surface observations. International Journal of Remote Sensing,
vol. 41, no 19, p. 7585–7604, 2020.
ROZANTE, José Roberto; ROZANTE, Gabriela. IMERG V07B and V06B: A Comparative
Study of Precipitation Estimates Across South America with a Detailed Evaluation of Brazilian
Rainfall Patterns. Remote Sensing, vol. 16, no 24, 2024.
SHIMIZU, M. H.; ANOCHI, J. A.; KAYANO, M. T. Precipitation patterns over northern Brazil
basins: climatology, trends, and associated mechanisms. Theoretical and Applied
Climatology, vol. 147, no 1–2, p. 767–783, 2022.
SILVA, Thiago et al. Application of the WRF Model for Operational Wind Power Forecasting
in Northeast Brazil. Energies, vol. 18, no 21, 2025.
SILVA, Allan Rodrigues et al. Complementarity of Brazils hydro and offshore wind power.
Renewable and Sustainable Energy Reviews, vol. 56, p. 413–427, 2016.
SILVA, Jhon Lennon Bezerra da et al. Geospatial Insights into Aridity Conditions: MODIS
Products and GIS Modeling in Northeast Brazil. Hydrology, vol. 11, no 3, p. 1–23, 2024.
SILVA, Ewerton Hallan de Lima et al. Performance Assessment of Different Precipitation
Databases (Gridded Analyses and Reanalyses) for the New Brazilian Agricultural Frontier:
SEALBA. Water (Switzerland), vol. 14, no 9, 2022.
SOUZA, Noele Bissoli Perini de et al. Wind mapping using the mesoscale WRF model in a
tropical region of Brazil. Energy, vol. 240, no April 2022, p. 122491, 2022. Disponível em:
https://doi.org/10.1016/j.energy.2021.122491.
SUN, Yanwei et al. Assessing the national synergy potential of onshore and offshore renewable
energy from the perspective of resources dynamic and complementarity. Energy, vol. 279,
2023.
SZENDREI, Tibor et al. FiT for purpose? Investigating the effects of feed-in-tariffs on
renewable energy penetration in Europe. Applied Energy, vol. 395, 2025.
TAN, Qiaofeng et al. Evaluation of the risk and benefit of the complementary operation of the
large wind-photovoltaic-hydropower system considering forecast uncertainty. Applied
Energy,
vol.
285,
no
January,
p.
116442,
2021.
Disponível
em:
https://doi.org/10.1016/j.apenergy.2021.116442.
TAPIA CARPIO, Lucio Guido. Mitigating the risk of photovoltaic power generation: A
complementarity model of solar irradiation in diverse regions applied to Brazil. Utilities Policy,
vol. 71, 2021.
TAYLOR, Karl E. Summarizing multiple aspects of model performance in a single diagram.
Journal of Geophysical Research: Atmospheres, vol. 106, no D7, p. 7183–7192, 2001.
UTIDA, Giselle et al. Tropical South Atlantic influence on Northeastern Brazil precipitation
and ITCZ displacement during the past 2300 years. Scientific Reports, vol. 9, no 1, 2019.

77

VICHI, Maurizio; CAVICCHIA, Carlo; GROENEN, Patrick J.F. Hierarchical Means
Clustering. Journal of Classification, vol. 39, no 3, p. 553–577, 2022.
VIVIESCAS, Cindy et al. Contribution of Variable Renewable Energy to increase energy
security in Latin America: Complementarity and climate change impacts on wind and solar
resources. Renewable and Sustainable Energy Reviews, vol. 113, no November 2017, 2019.
WARD, Joe H. Hierarchical Grouping to Optimize an Objective FunctionSource: Journal
of the American Statistical Association. 1963.
WERNER, Deborah; LAZARO, Lira Luz Benites. The policy dimension of energy transition:
The Brazilian case in promoting renewable energies (2000–2022). Energy Policy, vol. 175,
2023.
WESCHENFELDER, Franciele et al. A review on the complementarity between gridconnected solar and wind power systems. Journal of Cleaner Production, vol. 257, p. 120617,
2020. Disponível em: https://doi.org/10.1016/j.jclepro.2020.120617.
WU, Chunlei et al. Simulated potential wind power sensitivity to the planetary boundary layer
parameterizations combined with various topography datasets in the weather research and
forecasting model. Energy, vol. 239, 2022.
YANG, Zong Liang et al. The community Noah land surface model with multiparameterization
options (Noah-MP): 2. Evaluation over global river basins. Journal of Geophysical Research
Atmospheres, vol. 116, no 12, 2011.
ZHOU, Xin et al. Influences of Cloud Microphysics on the Components of Solar Irradiance in
the WRF-Solar Model. Atmosphere, vol. 15, no 1, 2024.