Caraterização do recurso eólico com base em métodos estatísticos

Tese de Mestrado Integrado, Engenharia da Energia e do Ambiente, 2022, Universidade de Lisboa, Faculdade de CiênciasO measure-correlated-predicted (MCP) é uma metodologia estatística fundamental para a caraterização do recurso eólico e, por sua vez, uma também importante ferramenta no auxílio na tomada de decisões em projetos de energia eólica. O MCP baseia-se na associação de duas fontes de dados – uma fonte de dados experimentais e uma fonte de dados de referência. Os dados de referência usados pelo MCP apresentam normalmente um período mais extenso e dados mais fidedignos, dado serem originados de múltiplas fontes meteorológicas, corrigidas através de modelos matemáticos. Através da associação entre as duas fontes é possível obter estimativas para um período de longo termo experimental, simulando observações passadas e reconstruindo os dados experimentais observados localmente. O produto final consiste numa fonte de dados mais apropriada à avaliação do potencial eólico. A principal atividade deste trabalho consistiu na aplicação de três métodos MCP (fator de correção, regressão linear e nearest neighbour) para extensão e correção de velocidades e direções do vento em dois casos de estudo distintos – aplicação a dados experimentais anemométricos e, com principal foco, aplicação a dados experimentais medidos por sensores LiDAR. O objetivo foi avaliar a eficácia dos métodos propostos na reconstrução e extensão de dados experimentais, medidos através de sensores LiDAR, em comparação com um caso convencional. Relativamente às estimativas de velocidades, os resultados obtidos permitiram comprovar uma boa performance (com base em parâmetros estatísticos de validação) por parte do método de regressão linear, em especial para casos onde se verificaram períodos de dados experimentais mais curtos. Já relativamente à estimativa de direções concluiu-se que o método nearest neighbour foi o que apresentou melhor capacidade na obtenção de valores direcionais. Na generalidade, os métodos aplicados neste estudo conduziram a uma melhoria significativa em indicadores de validação comparativamente às correlações observadas inicialmente.Measure-correlated-predicted (MCP) is a fundamental statistical methodology for the characterization of the wind resource, and also, an important tool to aid the decision making in wind energy projects. MCP is based on the association of two data sources - an experimental data source and a reference data source. The reference data used by MCP usually presents a longer period and more reliable data, since it comes from multiple meteorological sources, corrected through mathematical models. Through the association between the two sources, it is possible to obtain estimates for a long term experimental period, simulating past observations and reconstructing the locally observed experimental data. The final product consists in a data series more suitable for wind potential assessment. The main activity of this work consisted in the application of three MCP methods (correction factor, linear regression and nearest neighbour) for extension and correction of wind speeds and directions in two distinct case studies - application to experimental anemometric data and, with main focus, application to experimental data from LiDAR sensors. The aim was to evaluate the effectiveness of these proposed methods in the reconstruction and extension of experimental data, measured through LiDAR sensors, in comparison with a more conventional case. Concerning velocity estimates, the results obtained showed a good performance (based on statistical validation parameters) of the linear regression method, especially for cases where shorter periods of experimental data were available. Regarding the estimate of directions, it was concluded that the nearest neighbour method was the one that presented the best ability to obtain directional values. In general, the methods applied in this study led to a significant improvement in validation indicators compared to the correlations initially observed