Artigo completo - Open Access.

Idioma principal | Segundo idioma

SOLAR RESOURCE MAPPING IN THE VALE SÃO FRANCISCO DA BAHIA USING THE WRF-SOLAR MODEL

MAPEAMENTO DO RECURSO SOLAR NO VALE SÃO FRANCISCO DA BAHIA UTILIZANDO O MODELO WRF-SOLAR

Vieira, Carolina Sacramento; Palmeira, Anderson da Silva; Dias, Palmira Maria Acioli ; Nascimento, Erick Giovani Sperandio; Moreira, Davidson Martins ;

Artigo completo:

To assist the planning of the electrical system with reliable information on the temporal variability of solar irradiation and consequently efficient use of this source, the present work aims to estimate and map solar radiation in the micro-region of Barra, located in the Vale São Francisco of the Bahia, using the numerical model WRF-Solar. The period of the simulations was the months of January and July 2019, a period in which the days of perihelion (3th January) and aphelion (4th July) occur. The simulations were satisfactory through statistical analysis between simulated and observed data, with a normalized quadratic error of 0.08 and 0.13, a factor of two of 0.81 and 0.76, and a correlation coefficient of 0.90 and 0.76, respectively, for the months of January and July. Therefore, the computational tool has good forecasting capabilities, with great potential for operational, research, and technological development purposes.

Artigo completo:

Com o intuito de auxiliar o planejamento do sistema elétrico com informações confiáveis sobre a variabilidade temporal da irradiação solar e, consequentemente, o uso eficiente desta fonte, o presente trabalho tem por objetivo estimar e mapear a radiação solar na microrregião da Barra, localizada no Vale São Francisco da Bahia, utilizando o modelo numérico WRF-Solar. O período das simulações foram os meses de janeiro e julho de 2019, período em que ocorre os dias de periélio (03/01) e afélio (04/07). As simulações mostraram-se satisfatórias através de análises estatísticas entre dados simulados e observados, com um erro quadrático normalizado de 0,08 e 0,13, fator de dois de 0,81 e 0,76 e coeficiente de correlação de 0,90 e 0,76, respectivamente, para os meses de janeiro e julho. Portanto, a ferramenta computacional apresenta boa capacidade de previsão, com grande potencial para fins operacionais, de pesquisa e desenvolvimento tecnológico.

Palavras-chave: Vale São Francisco of the Bahia; WRF-Solar.,

Palavras-chave: radiação solar; Vale São Francisco da Bahia; WRF-Solar,

DOI: 10.5151/siintec2020-SOLARRESOURCE

Referências bibliográficas
  • [1] ¹BEZERRA, F. D. Nordeste: Futuro Promissor para Energia Solar. In: Caderno Setorial ETENE, ano 3, n.31, 2018.
  • [2] ²BEZERRA, F. D. Energia Solar. In: Caderno Setorial ETENE, ano 5, n.110, 2020.
  • [3] ³ANEEL - AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA. Sistema de Informações de Geração da ANEEL - SIGA. Available at:. Acesso em: 02 jun. 2020.
  • [4] 4PEREIRA, E. B.; MARTINS, F. R.; GONÇALVES, André Rodrigues; COSTA, Rodrigo Santos; LIMA, F. J. L. de; RÜTHER, R.; ABREU, S. L. de; TIEPOLO, G. M.; PEREIRA, S. V.; SOUZA, J. G. de. Atlas brasileiro de energia solar. 2a. ed. São José dos Campos: INPE, 2017.
  • [5] 5CORREA, M. G. G.; GALVANI, E. Uma abordagem teórica das interações no Sistema Superfície-Atmosfera (SSA) na bacia do Rio Piquiri-PR. Revista Geonorte, Manaus, v. 1, n. 5, p. 1245-1255, 2012.
  • [6] 6LIMA, Francisco J.L. Solar radiation forecasting in northeast Brazil using the WRF model adjusted by artificial neural networks (ANN). Previsão de irradiação solar no Nordeste do Brasil empregando o modelo WRF ajustado por redes neurais artificiais (RNAs), São José dos Campos: INPE, 2015. 628p.
  • [7] 7JIMENEZ, P.A. et al. WRF-Solar: Description and Clear-Sky Assessment of an Augmented NWP Model for Solar Power Prediction. Bull. Amer. Met. Soc.. 97, 1249-1264.
  • [8] 8INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). (2019) Banco de Dados – Cidades. Disponível em: . Acesso em: 21 mai. 2020.
  • [9] 9AGÊNCIA NACIONAL DE ÁGUAS (ANA). São Francisco. Disponível em: < https://www.ana.gov.br/sala-de-situacao/sao-francisco>. Acesso em: 18 jun. 2020.
  • [10] 10HANNA, Steven. Confidence limit for air quality models as estimated by bootstrapand jacknife resampling methods. Atmos. Environ. 1989.
Como citar:

Vieira, Carolina Sacramento; Palmeira, Anderson da Silva; Dias, Palmira Maria Acioli ; Nascimento, Erick Giovani Sperandio; Moreira, Davidson Martins ; "SOLAR RESOURCE MAPPING IN THE VALE SÃO FRANCISCO DA BAHIA USING THE WRF-SOLAR MODEL", p. 671-680 . In: Anais do VI Simpósio Internacional de Inovação e Tecnologia. São Paulo: Blucher, 2020.
ISSN 2357-7592, ISBN: 2357-7592
DOI 10.5151/siintec2020-SOLARRESOURCE

últimos 30 dias | último ano | desde a publicação


downloads


visualizações


indexações