Previsão da geração de energia eólica de curtíssimo prazo aplicada ao Parque Eólico de Palmas (PR)

Abstract

Resumo: O atual cenário energético mundial passa por um processo de transformação, com as tradicionais formas de geração de energia elétrica cedendo espaço para formas alternativas de geração, menos agressivas ao meio ambiente e cujo combustível é praticamente inesgotável. Nesse contexto a geração de energia por fonte eólica desponta como uma forma já consolidada, uma opção viável para substituição das formas tradicionais de geração de energia elétrica. A geração de energia elétrica por fonte eólica teve um crescimento exponencial da sua capacidade instalada mundialmente nas últimas duas décadas, notadamente na Europa, onde sua participação na matriz energética de alguns países pode chegar em torno dos 20% no caso da Espanha e a quase 10% no caso da Alemanha. Mesmo sendo uma solução viável do ponto de vista energético, esse tipo de geração impõe também seus desafios, sendo um deles o fato do vento não poder ser controlado ou estocado, o que significa, na prática, em incertezas na geração de energia elétrica. Portanto prever o comportamento do vento é de grande utilidade para o aproveitamento eficiente dessa fonte. A previsão da geração eólica é enquadrada em uma das três categorias: probabilística, física ou híbrida. O presente trabalho visa a elaboração de modelos probabilísticos de geração de energia eólica, baseado na metodologia Box & Jenkins e aplicados ao Parque Eólico de Palmas (PR). O estudo utiliza os dados meteorológicos e de geração de energia elétrica fornecidos pela Companhia Paranaense de Energia (COPEL) como dados de entrada do modelo. Foram considerados dois tipos de modelos probabilísticos para previsão da geração: (1) modelo que utiliza os dados de velocidade do vento e (2) modelo que utiliza somente os dados da geração. Os modelos foram gerados com o auxílio de rotinas em linguagem Python e também do software estatístico R. Através do código computacional desenvolvido em linguagem Python realizou-se o pré-tratamento dos dados e as análises gráficas das séries de dados; enquanto o software R foi utilizado na elaboração de modelos ARIMA para previsão de vento e de energia gerada. Os modelos apresentaram resultados satisfatórios para previsões até pelo menos 6 horas à frente, onde os índices de erros ficaram entre 0,5% e 15%, ao se comparar a série observada com a série de previsões, para o mesmo período. Palavras-chaves: energia eólica, previsão de geração eólica, modelos estatísticos, energias renováveis.

Abstract: The global energy scenario is passing through a process of change, with the conventional electric power sources losing space to alternative power sources, environmentally friendly and whose fuel is almost inextinguishable. In this context, the wind power arises as a consolidated electric power source, feasible to substitute traditional power sources. Wind power generation has shown worldwide exponential growth on installed capacity over the last decades, notably in Europe, where the level of penetration in the local energy market may reach around 20% in Spain and almost 10% in Germany. Even being a feasible solution from the point of view of the energy production, this power source still has some challenges; one of them arises from the fact that the wind cannot be stored or controlled. This introduces uncertainties to the electric power production. Thus, forecasting the wind behavior is of great practical utility, in order to efficiently take advantage of this power source. The wind power forecast can be classified into the following categories: probabilistic, physical or hybrid. The aim of this work was to generate a very-short-therm wind power forecast model, based on the Box & Jenkins methodology (probabilistic approach), applied to the Palmas Wind Farm, located in the southwestern part of the state of Paraná, Brazil. The study uses meteorological data and wind power records provided by the Paraná Electricity Utility (COPEL), as input data for the model. A quality control procedure was developed for the wind and power data sets. Two types of probabilistic wind power forecast models were developed: (1) model that used wind speed as input data and (2) model that used only wind power as input data. The models were generated through Python language and the statistical R software. A Python routine was developed for the quality control procedure of the data series and to generate graphics of the data sets. The R software was used to develop the ARIMA forecasting models for wind speed and wind power. The models proved to be successful until at least 6 hours ahead forecast, where the differences between the observed and the forecasted data were between 0,5% and 15%. Key-words: wind energy, wind power forecast, probabilistic models, renewable energy.