METODOLOGIA PARA PRÉ-PROCESSAMENTO BASEADO EM COMPLEMENTARIDADE ESPECTRAL E COMBINAÇÃO DE MODELOS DE DOWNSCALING ESTATÍSTICO COM VISTAS À PREVISÃO OPERACIONAL EÓLICA E SOLAR EM CURTO PRAZO
Energias renováveis; Previsão operacional; Downscaling estatístico; Combinação de modelos; Complementaridade espectral.
O presente trabalho de tese se insere no contexto da recente expansão dos setores de energia eólica e solar no Brasil e no mundo, que tem demandado soluções mais acuradas para fins de previsão operacional. Para tal, costuma-se empregar saídas de modelos de previsão numérica do tempo de larga escala, cuja principal limitação está associada à baixa resolução espacial. Para o aumento da resolução espacial (downscaling), modelos empíricos permitem melhor descrição de fenômenos a nível local a partir da associação com sinais observados. Com vistas ao aprimoramento geral da acurácia e robustez de previsões obtidas no âmbito de downscaling estatístico, propõe-se a criação de plataforma que combina múltiplas camadas de modelos estatísticos, dentre os quais se incluem modelos baseados em complementaridade espectral, conceito que permite a avaliação da relevância e redundância entre as previsões e os valores observados em diferentes escalas temporais e instantes de tempo. Nos estudos de caso, foram avaliadas previsões para velocidade do vento, irradiância solar e potência gerada em centrais eólica e solar localizadas na Região Nordeste do Brasil. Os resultados mostraram importantes aprimoramentos obtidos a partir da plataforma de modelagem proposta. Em geral, os novos modelos baseados em complementaridade espectral trouxeram melhorias expressivas em relação à qualidade geral das previsões. Os modelos de combinação apresentaram aprimoramento na acurácia de 20% em média, podendo chegar até 50% em relação a outros modelos avaliados.