ANÁLISE ESTATÍSTICA DO COMPORTAMENTO DA RADIAÇÃO DE ONDA CURTA PARA A CIDADE DE NATAL, RN

Autores

  • Thiago Gonçalves da Silva Universidade Federal do Rio Grande do Norte
  • José Augusto Ferreira Neto Universidade Federal do Rio Grande do Norte
  • Paula Andressa Alves de Araujo Universidade Federal do Rio Grande do Norte

DOI:

https://doi.org/10.59627/cbens.2022.1228

Palavras-chave:

GHI, DHI, parâmetros

Resumo

O conhecimento dos níveis de irradiância solar que atingem a superfície terrestre é um pré-requisito para várias aplicações. Uma das características da radiação solar é o alto grau de variabilidade temporal, que está relacionado aos padrões climáticos que atuam em cada local. Sendo assim, o presente trabalho propôs realizar um estudo de caso para a cidade de Natal (5,83°S; 32,20°W) sobre o comportamento da radiação de onda curta, utilizando a Irradiância Global Horizontal (GHI) e a Irradiância Difusa Horizontal (DHI), por meio de avaliações estatísticas para dados mensais de satélite disponibilizados pelo site SoDa no período de 2015 a 2020. Os resultados obtidos através dos parâmetros utilizados foram as componentes do boxplot, ou seja, máximos, mínimos, médias e medianas. Também foi empregada uma regressão linear, a fim de identificar tendências. Os valores obtidos tanto para o GHI quanto para o DHI mostraram que ambas as séries estudadas apresentaram uma sazonalidade bem definida. O GHI apresentou pouca dispersão de dados com seu valor máximo em torno de 220560 Wh/m2 e seu mínimo em 135481 Wh/m2. Quando comparados os valores de verão e inverno notou-se que há uma diferença de até 21,7% nos valores mínimos. Já para DHI os dados apresentaram maior dispersão, principalmente entre os meses de janeiro e março, o valor máximo ficou em 13918 e o mínimo em 46944 Wh/m2. Quando comparadas as duas estações, verificou-se que a maior diferença fica nos valores médios com 19,1%. No que diz respeito à regressão linear, verifica-se a presença de uma tendência negativa para o GHI e a completa ausência de tendência no que se refere ao DHI

Downloads

Não há dados estatísticos.

Referências

ALVARES, Clayton Alcarde et al. Köppen’s climate classification map for Brazil. Meteorologische Zeitschrift, v. 22, n. 6, p. 711-728, 2013.

AMORIM, Ana Cleide Bezerra, et al. Variabilidade dos extremos de precipitação diária na cidade de Natal, Estado do Rio Grande do Norte, Nordeste do Brasil. 2019.

AZEVEDO, P,R,M, Modelos De Regressão Linear, 3ª EDIÇÃO, NATAL: DUFRN, 2012, 13:6P,

Chen, S., & Chen, B. (2016). Urban energy–water nexus: a network perspective. Applied Energy, 184, 905-914.

De Oliveira, J. F. G., & Trindade, T. C. G. (2018). Sustainability performance evaluation of renewable energy sources: The case of Brazil. Springer International Publishing.

DRAPER, N. R., SMITH, H. Applied Regression Analisys. 3ª edição. Wiley Series in Probability ans Statistics, 1998.

Gurgel, J. T. A., Frederico Pimentel Gomes, and A. P. Trivelin. “Determinação da epen aritmética e desvio padrão de quocientes de epend ependents s e ependents.” Anais da Escola Superior de Agricultura Luiz de Queiroz 14(1958): 31-42.

Hoff, H. (2011). Understanding the nexus: Background paper for the Bonn2011 Conference.

IBGE - INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Portal cidades: Mapa do estado do Rio Grande do Norte com destaque para o município de Natal. Rio de Janeiro: IBGE, 2021. Disponível em: <https://cidades.ibge.gov.br/brasil/rn/natal/panorama> Acesso em: 12 Dez 2021.

INSTITUTO NACIONAL DE METEOROLOGIA (INMET). Banco de dados meteorológicos para ensino e pesquisa. 2021.

KUTNER, M. H.; NACHTSHEIM, C. J.; NETER, J.; LI, W. Applied Linear Statistical Models. 5 ed. McGraw-Hill Irwin. 2004

Morettin, P. A., BUSSAB, W. O, 2017. Estatística básica. Editora Saraiva.

OPER. Como interpretar um boxplot. Disponível em: <https://operdata.com.br/blog/como-interpretar-um-boxplot/>. Acesso em: 12 de nov. de 2021.

Pereira, Enio Bueno, et al., 2006. Atlas brasileiro de energia solar. Vol. 1. São José dos Campos: Inpe, 2006.

R Development Core Team (2009). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, URL <http://www.R-project.org.>

SODA - Solar Radiation Data. Disponível em: <http://www.soda-pro.com/home > Acesso em: 10 Dez 2021.

Varela, Gustavo Hellstrom, 2007. “Medição e Avaliação dos dados Solarimétricos.” Seminário Estudantil de Produção Acadêmica 10.1 (2007).

Wonnacott, T. H. and Wonnacott, R. J. (1990). Introductory statistics, 5th edn, Wiley New York.

Downloads

Publicado

2022-08-16

Edição

Seção

Anais