Please use this identifier to cite or link to this item:
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/38015
Title: | Estatísticas de cinco variáveis meteorológicas no município de Craíbas no Estado de Alagoas |
Other Titles: | Statistics of five meteorological variables in the municipality of Craíbas in the State of Alagoas |
???metadata.dc.creator???: | SANTOS, Iwldson Guilherme da Silva. |
???metadata.dc.contributor.advisor1???: | SOUSA, Francisco de Assis Salviano de. |
???metadata.dc.contributor.referee1???: | BRITO , José Ivaldo Barbosa de. |
???metadata.dc.contributor.referee2???: | SILVA, Bernardo Barbosa da. |
???metadata.dc.contributor.referee3???: | LYRA, Roberto Fernando da Fonseca. |
???metadata.dc.contributor.referee4???: | BARBOSA, Isnaldo Isaac. |
Keywords: | Energia Eólica;Lei da Potência e Logarítmica;Perfil Vertical do Vento;Rede Neural Artificial;Análise Wavelet;Variáveis Meteorológicas;Wind Energy;Power and Logarithmic Law;Vertical Wind Profile;Artificial Neural Network;Wavelet Analysis;Meteorological Variables |
Issue Date: | 14-Mar-2024 |
Publisher: | Universidade Federal de Campina Grande |
Citation: | SANTOS, Iwldson Guilherme da Silva. Estatísticas de cinco variáveis meteorológicas no município de Craíbas no Estado de Alagoas. 2024. 120 f. Tese (Doutorado em Meteorologia) – Centro de Tecnologia e Recursos Naturais, Universidade Federal de Campina Grande, Paraíba, Brasil, 2024. |
???metadata.dc.description.resumo???: | Uma análise estatística de variáveis meteorológicas (VM) no Nordeste do Brasil (NEB) é de suma importância para o desenvolvimento industrial sustentável brasileiro, sobretudo aos relacionados à energia limpa e renovável. Diante disso, essa pesquisa objetiva investigar cinco VM: velocidade e direção do vento (VV - m.s-1 e DV - °), temperatura do ar (TA - °C), umidade relativa do ar (UR - %) e pressão atmosférica (PA – mm Hg). O local de estudo foi no município de Craíbas (coordenadas geográficas: 09°37’03.4=S, 36°47’40.2=O), região semiárida (Agreste), parte central de Alagoas. Foram utilizados dois bancos de dados mensurados a cada 10 minutos: i) Na altura de referência de 100m as VM foram avaliadas no período total de 14 meses (março/2014 a abril/2015) e períodos sazonais (chuvoso – PC, seco – PS, transição – PT); ii) Para o estudo do perfil vertical do vento (PVV), com período de 38 dias, um conjunto de medições em oito níveis de altura (4, 10, 14, 19, 30, 50, 70 e 100 m) também foi utilizado. Os resultados mostraram que as VM no PS e PT foram: VV mais intensa, DV predominante SE, as maiores (menores) TA (UR) com a maior tendência de aumento (diminuição) e as menores PA. No PC as variáveis apresentaram valores opostos com DV predominante ESE. A análise Wavelet das VM apresentaram periodicidade de 12 horas, diária e mensal, a potência espectral no PC é menor que nos PS e PT. As VM que se relacionaram foram: TA e UR foi negativa e quase perfeita (muito alta) nos períodos Total, PT e PS (PC); TA e PA foi negativa e alta em todos os períodos; UR e PA foi positiva e moderada em ambos os períodos. Essa relação inversa entre TA e UR é mais intensa no PS e menor no PC, entre TA e PA é ao contrário mais forte no PC e menor no PS. A Wavelet de coerência (WC) entre as VM mostrou que a relação TA e UR apresentou o mais alto grau de coerência entre as duplas de variáveis com periodicidade variando de horas a dias, mensal e anual. A DV é a variável que mais apresentou coerências irregulares e períodos de mudanças de fase. A simulação das VM foi realizada via rede neural artificial (RNA): i) Nonlinear Autoregressive (NAR); ii) Nonlinear Autoregressive with eXogenous inputs (NARX); iii) Long and Short Term Memory (LSTM). Para averiguar o desempenho das RNAs foi utilizado o Diagrama de Taylor e as métricas estatísticas: erro médio, raiz do erro quadrático médio, erro percentual absoluto médio e correlação de Pearson. A melhor simulação foi realizada pela NAR, seguido pela NARX e LSTM. As variáveis PA, UR e TA foram simuladas com mais precisão do que as simulações da DV e VV. Na evolução temporal da VV em diferentes níveis, ocorre um espelhamento da VV, se intensificando gradualmente com o aumento da altura, a VV cresce (decresce) com baixa (alta) variabilidade durante o dia (noite). Os níveis inferiores são mais turbulentos e mais susceptíveis a ocorrência de rajadas de ventos do que os níveis superiores. A lei de potência coincidiu mais com a média total do PVV do que a lei logarítmica, mas ambas estão dentro do intervalo de variabilidade do PVV e portanto perfeitamente aplicáveis. Por fim, esses resultados podem ser utilizados para energia eólica e consequentemente, mitigar os efeitos do aquecimento global, mudanças climáticas, entre outros fatores. |
Abstract: | A statistical analysis of meteorological variables (MV) in northeastern Brazil (NEB) is of paramount importance for Brazilian sustainable industrial development, especially those related to clean and renewable energy. Therefore, this research aims to investigate five MV: Wind speed and direction (WS – m.s-1 and WD - °), air temperature (AT - °C), air relative humidity (RH - %) and atmospheric pressure (AP – mm Hg). The study location was in the municipality of Craíbas (geographic coordinates: 09°37’03,4=S, 36°47’40,2=W), semi-arid region (Agreste) in the central part of Alagoas. Two databases were used with a measurement interval of 10 minutes: i) At the reference height of 100m, the MV were evaluated in the total period of 14 months (March/2014 to April/2015) and seasonal periods (transition – PT, rainy – PR, dry - PD); ii) To study the vertical wind profile (VWP) a set of measurements at eight height levels (4, 10, 14, 19, 30, 50, 70 and 100m) was also used. The results showed that the MV in the PD and PT were more intense WS, predominant WD is SE, the highest (smallest) AT (RH) with the greatest tendency to increase (decrease) and the lowest AP. In PR, the variables presented opposite values with predominant WD is ESE. The Wavelet analysis of the MV showed a periodicity of 12 hours, daily and monthly, the spectral power in the PR is lower than in the PD and PT. The MV that were related were: AT and RH were negative and almost perfect (very high) in the total, PT and PD (PR) periods; AT and AP were negative and high in all periods; RH and AP were positive and moderate in both periods. This inverse relationship between AT and RH is stronger in PD and smaller in PR, between AT and AP it is, on the contrary, stronger in PR and smaller in PD. The coherence wavelet (CW) between the MV showed that the AT and RH relationship presented the highest degree of coherence between the pairs of variables with periodicity varying from hours to days, monthly and annual. The WD is the variable that showed the most irregular coherences and periods of phase change. The MV simulation was performed via artificial neural network (ANN): i) Nonlinear Autoregressive (NAR); ii) Nonlinear Autoregressive with eXogenous inputs (NARX); iii) Long and Short Term Memory (LSTM). To investigate the performance of the ANNs, a Taylor diagram and statistical metrics were used: mean error, root mean square error, mean absolute percentage error and Pearson correlation. The best simulation was performed by NAR, followed by NARX and LSTM. The AP, RH and AT variables were simulated more accurately than the WD and WS simulations. In the temporal evolution of WS at different levels, there is a mirroring of WS, gradually intensifying with increasing height, WS increases (decreases) with low (high) variability during the day (night). The lower levels are more turbulent and more susceptible to gusts than the upper levels. The power law coincided more with the mean total of the VWP than the logarithmic law, but both are within the VWP variability range and therefore perfectly applicable. Finally, these results can be used for wind energy and consequently, mitigate the effects of global warming, climate change, among other factors. |
Keywords: | Energia Eólica Lei da Potência e Logarítmica Perfil Vertical do Vento Rede Neural Artificial Análise Wavelet Variáveis Meteorológicas Wind Energy Power and Logarithmic Law Vertical Wind Profile Artificial Neural Network Wavelet Analysis Meteorological Variables |
???metadata.dc.subject.cnpq???: | Meteorologia |
URI: | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/38015 |
Appears in Collections: | Doutorado em Meteorologia. |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
IWLDSON GUILHERME DA SILVA SANTOS - TESE (PPGMET) 2024.pdf | 6.52 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.