A geração de energia eólica, embora seja limpa e de baixo custo, enfrenta um desafio significativo: a imprevisibilidade do vento.

Quando o vento não sopra, as empresas de serviços públicos precisam recorrer a outras fontes de geração de eletricidade, como energia solar, hidrelétrica ou combustíveis fósseis.

No entanto, cientistas do Laboratório Nacional do Noroeste do Pacífico (PNNL, na sigla em inglês) vêm trabalhando em conjunto com a Administração Oceânica e Atmosférica Nacional (NOAA), universidades e empresas privadas para aprimorar as previsões meteorológicas e economizar milhões de dólares para as empresas de serviços públicos.

O projeto-chave que tem alcançado esses resultados é o Wind Forecast Improvement Project (WFIP), ou Projeto de Melhoria das Previsões de Vento, em tradução livre.

Ao melhorar a precisão das previsões meteorológicas, o projeto tem permitido que as empresas de serviços públicos equilibrem de forma mais eficiente a geração de energia a partir de diferentes fontes, como energia eólica, hidrelétrica ou combustíveis fósseis, economizando assim recursos financeiros.

Embora a energia eólica seja limpa e de baixo custo, sua principal desvantagem é sua dependência do vento, que não é constante. Com previsões de vento mais precisas em alturas de turbinas, as empresas de serviços públicos podem equilibrar sua geração de energia de maneira mais eficiente e economizar dinheiro.

Raghavendra Krishnamurthy, cientista da Terra no PNNL e investigador principal do WFIP

Prever os ventos não é tão simples

• As empresas de serviços públicos dependem das previsões meteorológicas para planejar a geração de eletricidade do dia seguinte, e imprecisões nessas previsões podem custar milhões de dólares.
• Se o vento for superestimado (ou seja, houver menos vento do que o previsto), as empresas de serviços públicos precisam rapidamente recorrer a outras formas de energia, o que é custoso e ineficiente.
• Por outro lado, se o vento for subestimado (ou seja, houver mais vento do que o previsto), as empresas de serviços públicos podem ter pago desnecessariamente por energia potencialmente mais cara, como a proveniente de gás natural.
• As previsões são fornecidas pelo Serviço Nacional de Meteorologia, que utiliza um modelo chamado modelo de atualização rápida de alta resolução (HRRR, na sigla em inglês).
• O modelo incorpora dados de sensores meteorológicos dos Estados Unidos inteiro sobre variáveis como vento, umidade, pressão atmosférica e temperatura, e os utiliza para prever os ventos para as próximas 48 horas.
• No entanto, variáveis como vento, temperatura do ar, pressão e umidade variam com base na localização dos parques eólicos nos Estados Unidos, o que afeta os tipos de padrões climáticos que um parque eólico experimenta diariamente.
• Algumas áreas são secas, planas e quentes, enquanto outras são frias, úmidas e montanhosas.
• Além disso, parques eólicos localizados no oceano têm um conjunto completamente diferente de variáveis de temperatura e umidade em comparação com os parques em terra.

Como o projeto visa melhorar a previsão de ventos

O projeto reconheceu a importância de estudar o clima em diferentes regiões e incorporar essas descobertas para aprimorar o modelo.

Se você pensar no modelo como uma rede de pesca e os fenômenos climáticos como os peixes, os únicos peixes que você não captura são aqueles que passam pela rede. Quanto mais fina a rede, mais peixes você pega.

Larry Berg, diretor da Divisão de Ciências Atmosféricas e Mudanças Globais do PNNL e ex-investigador da equipe do projeto

O estudo de dados regionais permite compreender melhor o que está passando pela “rede”, ou seja, o modelo aprimorado, resultando em previsões mais precisas.

Na primeira fase do projeto, cientistas do PNNL, juntamente com parceiros de outros laboratórios nacionais do Departamento de Energia dos EUA, a NOAA, universidades e empresas privadas, coletaram dados de parques eólicos no norte do Texas e nas Grandes Planícies entre 2011 e 2012.

Na segunda fase, a equipe WFIP2 coletou dados entre 2015 e 2017 nas regiões do Desfiladeiro do Rio Columbia, no Noroeste do Pacífico.

Nessa área, montanhas se erguem sobre bacias próximas ao nível do mar, e o Rio Columbia esculpiu um cânion entre penhascos rochosos.

Os pesquisadores da NOAA utilizaram esses dados para aprimorar o modelo HRRR, lançando a primeira versão atualizada (chamada HRRR2) em 2016 e outra (HRRR3) em 2018.

Graças às contribuições do WFIP, as atualizações do HRRR têm aprimorado a modelagem do clima e resultaram em economias significativas.

De acordo com um artigo de 2022 publicado no Bulletin of the American Meteorological Society, as empresas de serviços públicos provavelmente economizaram mais de 95 milhões de dólares por ano após o lançamento do HRRR2 pela NOAA, e 32 milhões de dólares após o lançamento do HRRR3.

Outro artigo, publicado em 2022 no Journal of Renewable and Sustainable Energy, concluiu que os modelos aprimorados têm o potencial de economizar mais de 380 milhões de dólares para consumidores de todos os Estados Unidos.

Os projetos WFIP, especialmente o WFIP2, forneceram um conjunto único de dados que nos permitiu melhorar significativamente nossas previsões de vento na baixa atmosfera. Demonstramos que, se a comunidade de energia usasse apenas o HRRR para suas decisões de geração de energia do dia seguinte, eles teriam economizado centenas de milhões de dólares por ano usando versões mais atualizadas do HRRR.

David Turner, cientista atmosférico da NOAA e gerente do programa da agência de Ciência Atmosférica para Energias Renováveis

O futuro do projeto WFIP

A equipe do WFIP já está planejando o futuro do projeto, com o WFIP3 previsto para iniciar neste ano, coletando dados de parques eólicos ao largo da costa nordeste dos Estados Unidos.

“Os dados de energia eólica offshore são escassos, e, portanto, não temos certeza sobre a precisão das previsões de vento offshore”, afirmou Krishnamurthy. “A próxima fase do WFIP fornecerá esses dados necessários, que serão disponibilizados gratuitamente à comunidade de pesquisa e apoiarão o desenvolvimento de previsões mais precisas.”

Deu em Olhar Digital