Análise da climatologia de jatos noturnos e sua influência no desempenho de um parque eólico em terreno complexo

Abstract

A energia eólica tem sido de grande importância na geração elétrica mundial, em tempos marcados por tratados visando diminuir as emissões de carbono. Portanto, muitos países que buscam se desenvolver na agenda climática estão investindo em fontes renováveis. No Brasil, grande parte de seu potencial eólico está no nordeste. O parque eólico estudado fica em Campo Formoso?BA, no sopé de montanhas que compõem a espinha dorsal da Chapada da Diamantina. Campo Formoso I (CF), é um complexo eólico composto por 15 turbinas distribuídas em duas fileiras a sotavento e barlavento. Durante o período noturno, a fileira de turbinas a sotavento chega a produzir até 40% mais energia que a fileira a barlavento devido à presença de jatos noturnos formados durante a madrugada. Estudos realizados a curto prazo, na região, averiguaram que a velocidade do vento aumenta durante o inverno, estação de clima seco, e que durante o período noturno uma corrente de gravidade chega ao parque aumentando a profundidade da camada limite atmosférica e gerando jatos noturnos em sua esteira. A lacuna de pesquisa se encontra na análise da influência dos jatos noturnos na geração energética do parque entre 2016 e 2018. Assim, este trabalho busca investigar quais os efeitos da climatologia dos jatos noturnos no desempenho de parques eólicos em terrenos complexos. Para a análise foram utilizados dados de torre anemométrica como temperatura, velocidade, intensidade de turbulência e direção do vento, além dos dados de potência das turbinas. Também foram utilizados dados de reanálise advindos do ERA5. Os dados de reanálise foram extraídos na superfície e em diferentes níveis de pressão para observar a variação sazonal do vento e da estabilidade atmosférica no parque. A ferramenta K-means de aprendizado de máquina não supervisionado foi aplicada nos dados de campo, particionando os dados em um número ?K? de grupos baseados na proximidade destes dados com seus valores médios, sintetizando dados similares. Neste trabalho 9 grupos foram formados a partir da variação diurna de velocidade do vento. Um período de 5 dias do mês de janeiro de 2017, foi simulado utilizando o modelo de previsão numérica do tempo Weather Research and Forecasting (WRF), nas configurações da ferramenta foram utilizados dois métodos de parametrização de camada limite, o MYNN 2.5 e o Shin-Hong, com 4 domínios aninhados e centrados em CF com resolução de 9 km, 3 km, 1 km e 0,33 km respectivamente. O período simulado escolhido pertence a um agrupamento feito pelo K-means (grupo 6) com predomínio de dados pertencentes a estação úmida (período entre janeiro e abril) e onde a produção das fileiras traseiras mais se destacou. O MYNN 2.5 apresentou resultados melhores e demonstrou a chegada de uma corrente de gravidade (CG) em CF por volta das 20 h, que provoca mudança na direção do vento de até 10 ° e diminuição da intensidade de turbulência. Os padrões de desempenho a longo prazo são modulados principalmente por variações sazonais de velocidade do vento, temperatura e estabilidade atmosférica. Meses mais quentes (estação úmida) apresentam ventos mais fracos e maior estratificação na madrugada, fazendo o escoamento sentir mais as variações de terreno e causando aumento de desempenho nas turbinas a sotavento. Os meses mais frios (estação seca) são caracterizados por ventos fortes durante toda a jornada que fazem as turbinas operarem próximas à capacidade nominal.

Abstract: Wind energy has been of great importance in global electricity generation, in times marked by treaties aiming to reduce carbon emissions. Therefore, many countries seeking to progress in the climate agenda are investing in renewable sources. In Brazil, a large part of its wind potential is located in the Northeast. The studied wind farm is located in Campo Formoso-BA, at the foothills of mountains that make up the backbone of Chapada da Diamantina. Campo Formoso I (CF) is a wind complex composed of 15 turbines distributed in two rows, leeward and windward. During the nighttime period, the leeward row of turbines can produce up to 40% more energy than the windward row due to the presence of nocturnal jets formed during the early morning hours. Studies in the region have found that wind speed increases during the winter, a season of dry climate, and that during the nighttime period, a gravity current reaches the park, increasing the depth of the atmospheric boundary layer and generating nocturnal jets in its wake. The research gap lies in the analysis of the influence of nocturnal jets on the energy generation of the park between 2016 and 2018. This work seeks to investigate the effects of nocturnal jets climatology on the performance of wind farms in complex terrain. For the analysis, data from an anemometric tower were used, such as temperature, wind speed, turbulence intensity, and wind direction, as well as turbine power data and reanalysis data from ERA5, a tool that assimilates historical meteorological data and numerical simulations to resolve the climate within the atmosphere on a meso, macro, and global scale. The reanalysis data were extracted at the surface and also at different pressure levels to observe the seasonal variation of wind in the park. The K-means unsupervised machine learning tool was applied to the field data, partitioning the data into a ?K? number of groups based on the proximity of these data to their average values, synthesising similar data. In this study, 9 groups were formed based on the diurnal variation of wind speed. A 5-day period in January 2017 was simulated using the numerical weather prediction model Weather Research and Forecasting (WRF). The tool?s configurations used two boundary layer parameterization methods, MYNN 2.5 and Shin-Hong, with 4 nested domains centred on CF with a resolution of 9 km, 3 km, 1 km and 0.33 km respectively. The chosen simulated period belonged to a cluster formed by the K-means algorithm (group 6), which had a predominance of data from the wet season (period between January and April) and where the production of rear row was more pronounced. MYNN 2.5 presented better results and showed the arrival of a gravity current in CF around 8 pm, which caused a change in wind direction of up to 10° and a decrease in turbulence intensity. Long-term performance patterns are modulated mainly by seasonal variations in wind speed, temperature and atmospheric stability. Warmer months (wet season) feature weaker winds and greater stratification at dawn, making the flow feel the variations in terrain and causing increased performance in the downwind turbines. The colder months (dry season) are characterized by strong winds throughout the day which cause the turbines to operate close to their nominal capacity.