Short-term wind speed forecasting for Colonia Eulacio, Soriano Department, Uruguay, is performed by applying an artificial neural network (ANN) technique to the hourly time series representative of the site. To train the ANN and validate the technique, data for one year are collected by one tower, with anemometers installed at heights of 101.8, 81.8, 25.7, and 10.0 m. Different ANN configurations are applied for each site and height; then, a quantitative analysis is conducted, and the statistical results are evaluated to select the configuration that best predicts the real data. This method has lower computational costs than other techniques, such as numerical modelling. For integrating wind power into existing grid systems, accurate short-term wind speed forecasting is fundamental. Therefore, the proposed short-term wind speed forecasting method is an important scientific contribution for reliable large-scale wind power forecasting and integration in Uruguay. The results of the short-term wind speed forecasting showed good accuracy at all the anemometer heights tested, suggesting that the method is a powerful tool that can help the Administración Nacional de Usinas y Transmissiones Eléctricas manage the national energy supply.
Resumo: A Bahia, que hoje é o segundo maior gerador de energia eólica onshore no Brasil, exibe características favoráveis que o potencializa para o desenvolvimento do segmento offshore. Com os contínuos avanços em P&D no setor eólico, o presente artigo visa identificar o potencial dos recursos eólicos na costa baiana. Nesse sentido, foi realizada uma análise, por meio de métricas estatísticas, do desempenho do modelo WRF ao simular o comportamento da velocidade do vento local, com os registros in-situ das boias oceanográficas. A análise mostrou que o modelo WRF foi capaz de reproduzir as características de velocidade do vento na região de interesse.
Este trabalho mostra a existência de correlações de longo alcance das séries históricas e temporais de velocidade do vento e radiação solar na cidade de Salvador (Bahia) provenientes de dados medidos em estações meteorológicas, além de simulações com o modelo de mesoescala WRF (Weather Research and Forecasting), através do método DFA (Detrended Fluctuation Analysis). Resultados preliminares indicam que as séries de dados locais são caracterizadas com persistência na velocidade do vento e radiação solar de forma satisfatória para a geração de energia, o que indica viabilidade da participação destas respectivas matrizes na matriz energética local.
Localizada em latitudes tropicais, a Região Metropolitana da Grande Vitória (RMGV), no estado do Espírito Santo, Brasil, é uma importante área para se debater o fenômeno da Ilha de Calor Urbana (ICU). Neste estudo, analisa-se a ocorrência da ilha de calor na RMGV no período de março de 2017 a janeiro de 2018. Os dados horários de temperatura do ar utilizados na análise e discussão dos resultados foram obtidos de cinco estações meteorológicas controladas pelo INMET, IEMA e INFRAERO. Os resultados mostram a existência de ICU na RMGV durante todo o período analisado. As intensidades horárias de ICU na RMGV apresentam distribuição de frequência próxima da gaussiana, com intervalo de maior ocorrência (~ 50% dos eventos) entre 0 °C e 2 °C; 91,4% dos valores de ICU obtidos para a RMGV estão entre 0 oC e 4 oC, indicando maior ocorrência de eventos de intensidade fraca e moderada, 0,3% do período apresentou ilha de calor de intensidade forte (4-6 °C) e muito forte (6-8 °C). O estudo possibilitou verificar que os eventos de ICU na RMGV são mais intensos durante o dia, nas estações de primavera e verão, e estão associados aos horários de maior carga térmica no ambiente, nas escalas horária e sazonal. Também foram verificados eventos de ilha de calor negativa (cool island) em 8,3% dos casos, condição ocorrida quando a área rural esteve mais aquecida que a área urbana. Os eventos de ilha de calor negativa foram mais frequentes entre 7 e 9 horas, nos meses de janeiro e julho, e estiveram sempre associados à atuação de sistemas atmosféricos com formação de nebulosidade, como frentes frias, ZCOU e ZCAS.
Este artigo examina a capacidade do conjunto de 40 modelos climáticos do Coupled Model Intercomparison Projects Generation 6 - CMIP6, conjunto MOD, para simular a temperatura do ar e a precipitação médias do período de janeiro de 1985 a dezembro de 2014 em cada estado do Brasil. Apesar dos vieses nas simulações, o subconjunto do CMIP6 conseguiu simular satisfatoriamente o ciclo anual e sazonal da temperatura e precipitação, bem como captar a tendência das variáveis analisadas no Brasil. Em relação a temperatura do ar à superfície, o subconjunto do CMIP6 apresentou o melhor desempenho para as Regiões Sul e Sudeste do Brasil, com destaque para os estados do Paraná, Santa Catarina e São Paulo. O melhor desempenho para a precipitação, com o subconjunto do CMIP6 foi verificado sobre a Região Centro-Oeste. Em relação às tendências de aquecimento no período de 30 anos do estudo, 1985-2014, todos estados do Brasil apresentaram tendência de aquecimento, tanto para os dados do subconjunto do CMIP6, quanto para os dados observados. A precipitação na região Norte e Sudeste, não exibiu tendências claras para o período analisado, alguns estados apresentaram aumento e outros redução da precipitação. Nas Regiões Centro-Oeste e Nordeste todos estados apresentam tendência de redução da chuva. Na Região Sul, os três estados mostram tendência de aumento na chuva tanto no observado quanto no simulado. No entanto, além das incertezas inerentes a modelagem climática e vieses detectados, este estudo é relevante para indicar o comportamento dos modelos em simular o clima presente. A avaliação apresentada neste trabalho estabeleceu níveis de confiança no uso deste subconjunto de simulações de modelos para estudos do clima futuro, conforme detalhado no texto.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.