Abstract:
É crescente a preocupação a respeito de problemas ambientais provocados pelo aumento global do consumo de energia elétrica. Fontes energéticas limpas e renováveis tem sido uma alternativa viável para garantir o suprimento e, ao mesmo tempo, minimizar impactos ambientais. Nesse sentido, uma alternativa que vem ganhando bastante espaço é a geração eólica. O extenso litoral brasileiro é caracterizado por diversos locais com grande potencial eólico, os quais vêm sendo sistematicamente monitorados ao longo dos anos a fim de exploração. Em muitos desses locais já existem parques eólicos instalados, ou em instalação. A inconstância inerente à produção da energia vinda dos ventos faz necessária a permanência de modalidades de geração mais poluentes, ativadas apenas no caso de incapacidade do sistema eólico. Assim, a projeção do montante de energia que poderá ser gerada pelos aerogeradores é fundamental para o gerenciamento e otimização do sistema de distribuição. O presente trabalho propõe a utilização do modelo de mesoescala Weather Research and Forecasting (WRF) para simular a velocidade dos ventos em um local determinado, com o objetivo de estimar a quantidade de energia que pode ser produzida por aerogeradores instalados nesta localização. A metodologia utilizada no trabalho envolve a simulação com o modelo WRF da velocidade dos ventos em local onde existe uma torre anemométrica e um aerogerador com monitoramento de produção de energia. Os dados gerados pelo modelo foram comparados com as medições realizadas pela torre anemométrica. Após esta etapa, os dados foram aplicados em um polinômio que representa a curva de potência do aerogerador (potência x velocidade do vento), e os valores de energia resultantes, comparados com a energia efetivamente gerada pela máquina. Os resultados na representação do perfil do vento são satisfatórios quando comparados com as medições anemométricas, o que não ocorre em relação à produção de energia, onde, apesar de haver um aproximação razoável, pequenas variações do vento causam instabilidades na estimativa da energia gerada.
There is an increased concern about environmental problems caused by the global demand in the electric power consumption. Clean and renewable sources of energy have been playing an important role to guarantee the energy supply, and, at the same time, minimizing environmental impact. One example of this kind of energy that has been gaining enough space is wind farms generation. The large extent of Brazilian coast is characterized by several sites with great wind potential, which have been systematically monitored over the years aimed to energy exploitation. Many of these places already have wind farms, or are under installation. However, the instability inherent in this kind of energy production coming from winds forces producers to keep dirtier generation methods in the case of wind power failure. Thus, providing the amount of energy that can be generated by wind turbines is critical to the planning and management of the distribution system. The present work aims to use mesoscale model Weather Research and Forecasting (WRF) to simulate the speed of the winds in a determined place, with the purpose of estimating the amount of energy that can be produced by wind turbines installed in this location. The methodology used in the work involves the wind velocity simulation with the WRF model using an anemometric tower and a wind turbine with energy production monitoring. The data generated by the model was compared with the measurements provided by the anemometric tower. After this step, the resulting data was used to produce a polynomial fit that represents the power curve of the aerogenerator (power vs. wind speed), and the resulting energy values, compared to the energy actually generated by the machine. The results in the wind profile representation are satisfactory when compared with anemometric measurements, which does not occur in relation to the energy production. Even though it was found a reasonable approximation between forecast and actual wind, small wind variations cause instabilities in the estimation of the energy generated, preventing the model to estimate accurate predictions concerning energy production.
