REDE SOLARIMÉTRICA DE PERNAMBUCO
DOI:
https://doi.org/10.59627/cbens.2022.1056Palavras-chave:
Energia Solar, Solarimetria, Radiação SolarResumo
A Rede Solarimétrica de Pernambuco (REDESOLPE) é um projeto concebido por meio do Edital FACEPE 15/2019 que teve como objetivo a implementação e consolidação de laboratórios multiusuários no Estado de Pernambuco, possibilitando que pesquisadores e empresas interessadas possam utilizar de seus recursos para o desenvolvimento de pesquisas no Estado. Este trabalho apresenta o processo de consolidação da REDESOLPE, que inicialmente foi formada por 22 estações solarimétricas pertencentes ao INMET, INPE e IFPE. A partir dos recursos recebidos da proposta, foram instaladas 13 estações sob a responsabilidade do IFPE e, fruto de um acordo de cooperação com a APAC, 27 estações meteorológicas foram incorporadas à REDESOLPE e, inclusão de 13 estações do INMET próximas das fronteiras do Estado de Pernambuco, totalizando 75 estações de medição de grandezas solarimétricas e climatológicas como a irradiância global, temperatura ambiente, umidade, entre outras. Para os pesquisadores e empresas interessados em desenvolver trabalhos científicos a partir dos dados da REDESOLPE, foi disponibilizada uma página na internet (www.redesolpe.com.br) na qual é possível acessar todas as estações e seus dados brutos registrados, de forma padronizada, sem qualquer tratamento ou filtragem. Por meio desta página pode-se baixar, de forma gratuita qualquer período de dados de qualquer uma das estações que fazem parte do projeto, com a ressalva que seja feita referência nas publicações à REDESOLPE como fonte dos dados brutos.
Downloads
Referências
Aguiar, L. M., Pereira, B., Lauret, P., Díaz, F. e David, M., 2016. Combining solar irradiance measurements, satellite-derived data and a numerical weather prediction model to improve intra-day solar forecasting. Renewable Energy, vol. 97, n. pp. 599-610.
Amanajás, J. C. e Araújo, R. C. M. d., 2008. Uso do método de contingência para análise da eficácia de previsão da precipitação pluviométrica do modelo ETA para o município de Macapá-AP em 2007. Monografia (Licenciatura Plena em Matemática)–Universidade Federal do Amapá, Amapá, vol., n. pp.
Cao, F., Li, H., Yang, T., Li, Y., Zhu, T. e Zhao, L., 2017. Evaluation of diffuse solar radiation models in Northern China: New model establishment and radiation sources comparison. Renewable Energy, vol. 103, n. pp. 708-720.
Dong, Z., Yang, D., Reindl, T. e Walsh, W. M., 2014. Satellite image analysis and a hybrid esss/ann model to forecast solar irradiance in the tropics. Energy Conversion and Management, vol. 79, n. pp. 66-73.
FACEPE, 2019. Edital FACEPE 15/2019 - Apoio à Disponibilização para a Pesquisa de Laboratórios Multiusuários.
Hammer, A., Heinemann, D., Hoyer, C. e Lorenz, E., 2001. Satellite based short-term forecasting of solar irradiance—comparison of methods and error analysis. The 2001 EUMETSAT meteorological satellite data user’s conference.
Inman, R. H., Pedro, H. T. C. e Coimbra, C. F. M., 2013. Solar forecasting methods for renewable energy integration. Progress in Energy and Combustion Science, vol. 39, n. 6, pp. 535-576.
INMET. 2021. Mapa de estações. Disponível em: < https://mapas.inmet.gov.br/ >. Acesso em: 02/10/2021.
Lima, F. J. L. d., 2015. Previsão de Irradiação Solar no Nordeste do Brasil Empregando o Modelo WRF Ajustado por Redes Neurais Artificiais (RNAs). Doutorado, INPE,
Martín, L., Zarzalejo, L. F., Polo, J., Navarro, A., Marchante, R. e Cony, M., 2010. Prediction of global solar irradiance based on time series analysis: application to solar thermal power plants energy production planning. Solar Energy, vol. 84, n. 10, pp. 1772-1781.
Mellit, A. e Pavan, A. M., 2010. A 24-h forecast of solar irradiance using artificial neural network: Application for performance prediction of a grid-connected PV plant at Trieste, Italy. Solar Energy, vol. 84, n. 5, pp. 807-821.
Monjoly, S., André, M., Calif, R. e Soubdhan, T., 2017. Hourly forecasting of global solar radiation based on multiscale decomposition methods: A hybrid approach. Energy, vol. 119, n. pp. 288-298.
Penna, B. R., Silveira, B. B., Gonçalves, L. G. e Souza, S. S. d., 2015. Avaliação da temperatura de brilho nos canais sensíveis à superfície terrestre no sistema G3DVAR do CPTEC/INPE: série NOAA. Revista Brasileira de Meteorologia, vol. 30, n. pp. 340-350.
Perez, R., Ineichen, P., Moore, K., Kmiecik, M., Chain, C., George, R. e Vignola, F., 2002. A new operational model for satellite-derived irradiances: description and validation. Solar Energy, vol. 73, n. 5, pp. 307-317.
Perez, R., Kivalov, S., Schlemmer, J., Hemker, K., Renné, D. e Hoff, T. E., 2010. Validation of short and medium term operational solar radiation forecasts in the US. Solar Energy, vol. 84, n. 12, pp. 2161-2172.
Raphael, C. e Hay, J. E., 1984. An assessment of models which use satellite data to estimate solar irradiance at the earth's surface. Journal of Climate and Applied Meteorology, vol. 23, n. 5, pp. 832-844.
Reikard, G., 2009. Predicting solar radiation at high resolutions: A comparison of time series forecasts. Solar Energy, vol. 83, n. 3, pp. 342-349.
Sabino, E. R. C., de Petribú Brennand, L. J., de Barros, H. F., de Castro Vilela, O. e da Costa, A. C. A., 2017. Previsão em Curto Prazo de Índice de Claridade utilizando Redes Neurais e Variáveis Sazonais. Avances en Energías Renovables y Medio Ambiente, vol. 21, n. pp. 11.39-11.48.
Tarpley, J. D., 1979. Estimating incident solar radiation at the surface from geostationary satellite data. Journal of Applied Meteorology, vol. 18, n. 9, pp. 1172-1181.
Voyant, C., Darras, C., Muselli, M., Paoli, C., Nivet, M.-L. e Poggi, P., 2014. Bayesian rules and stochastic models for high accuracy prediction of solar radiation. Applied Energy, vol. 114, n. pp. 218-226.
