Proposta de apresentação de Trabalho Técnico para CIGRÉ XI ERIAC

Décimo Quinto Encontro Regional
Ibero-americano do CIGRÉ
Foz do Iguaçu-PR, Brasil
19 a 23 de maio de 2013
MAPEAMENTO DO RISCO TÉRMICO EM LINHAS AÉREAS DE TRANSMISSÃO
COM BASE EM DOWNSCALING CLIMATOLOGICO DE UM MODELO NUMÉRICO
ATMOSFÉRICO
Reinaldo Haas* / Julio Cesar Passos** / Yoshiaki Sakagami ***
* Depto de Física- CFM- UFSC
** Depto de Engenharia Mecanica- CTC- UFSC
***Instituto Federal de Santa Catarina
RESUMO
O presente trabalho trata do mapeamento de risco térmico em linhas aéreas de transmissão com base
em dados de um modelo numérico atmosférico, chamado de “Downscaling Climático”. Nesta análise,
realizada para a região Sul do Brasil, foi utilizada uma resolução de 12x12 km, equivalente a 123x143
pontos de grade, em intervalos de uma hora para o período de 1998 a 2007. A motivação deste
trabalho é a pequena quantidade de dados com freqüência necessária para um cálculo de
carregamentos em Linhas de Transmissão - LTs. Os dados meteorológicos foram obtidos com o uso
modelo atmosférico ARPS --Advanced Regional Prediction System, baseado na reanálise II do NCEP -National Centers for Environmental Prediction.O objetivo desta técnica é poder calcular os riscos
térmicos supondo LTs hipotéticas, orientadas em direções preestabelecidas. Para consecução dos
objetivos descritos acima foi procedida uma verificação dos dados simulados contra dados medidos
em dez aeroportos da região e, assim, determinar as incertezas associado a cada variável. Com esta
metodologia, foi possível elaborar os mapas de risco térmico, onde podem ser identificadas as regiões
mais críticas das LTs relacionadas ao sobreaquecimento dos cabos condutores. Regiões com risco
térmico mais baixo foram encontradas na área da Serra Geral de Santa Catarina com riscos menores
que 1%. As regiões com riscos térmicos mais elevados são as regiões do Vale do Taquarí-RS, Vale do
Itajaí-SC, Vale do Rio Iguaçu-PR, Vale do Rio Uruguai-SC e, expecialmente, próximo a Foz do
Iguaçu, e com valores maiores do que 4% de risco.
PALAVRAS-CHAVE
ARPS, Downscaling, Modelos Numericos, Mapas de Risco Térmico, Reanalise, Variáveis Climáticas,
LTs, Cigre.
1.
INTRODUÇÃO
O sistema de transmissão de energia elétrica do Brasil, denominado de Sistema Interligado Nacional
(SIN), tem 110.054 km, segundo o Operador Nacional do Sistema Elétrico [1]. Entretanto, segundo
Macedo, Cadelhe e Menezes [2] a construção de novas Linhas de Transmissão (LT) tem representado
investimentos cada vez maiores, pois os custos de desapropriação dos corredores de passagem das Lts
estão muito superiores aos praticados há décadas. Além disso, a obtenção de faixas de passagens para
1/8
Décimo Quinto Encontro Regional
Ibero-americano do CIGRÉ
Foz do Iguaçu-PR, Brasil
19 a 23 de maio de 2013
novas LTs está cada vez mais difícil, que seja em áreas urbanas, semiurbanas ou em áreas de restrições
ambientais [3]. Assim, a melhor opção tem sido buscar de novas soluções para otimizar da capacidade
de LTs já existentes.
Neste sentido, a revisão da norma NBR 5422 NB 182 – (Projeto de linhas aereas de transmissao de
energia eletrica), [4] e a Resolução Normativa 191 [5], tem como objetivo de normatizar a operação
das LTs, para permitir uma melhor utilização das capacidades existentes.
A norma NBR 5422 NB 182 descreve o método para o cálculo da capacidade operativa de longa e
curta duração de uma linha de transmissão e é baseado nas recomendações da International Council on
Large Electric System 1992 [6]. Essas capacidades dependem basicamente das condições atmosféricas
e propriedades físicas do cabo que influenciam diretamente a temperatura do condutor. A elevação da
temperatura do condutor causa a dilatação térmica do cabo e, consequentemente, diminui a distância
cabo-solo da linha aérea de transmissão, o que pode comprometer os limites de segurança. Assim,
conhecendo-se o clima por onde passa uma LT e as propriedades físicas do condutor, teoricamente
pode-se determinar a máxima corrente de operação desta linha, respeitando-se seus limites de
segurança. Essa máxima corrente é denominada de Ampacidade.
A falta de dados climáticos tem dificultado o uso deste procedimento [7]. Desse modo, o setor elétrico
mundial, assim como o brasileiro, tem utilizado condições atmosféricas fixas e conservadoras - ou o
chamado "método determinístico" -, que é uma prática segura, mas que subutiliza a operação da linha
[8] e [9]. Paralelamente, métodos estatísticos, como os de Menezes, Costa e Ignácio [10] e da FT
Ampacidade (1993) [11], têm sido propostos, possibilitando um aumento na capacidade de operação.
No entanto, esse método também é restrito a regiões onde há informações climáticas observadas.
Nesta contribuição técnica é sugerido o uso de modelagem numérica atmosférica (Downscaling
Climatico) para contornar o problema de falta de dados observados [9]. O modelo atmosférico permite
recriar uma climatologia virtual, com alta resolução espacial, que possui boa aderência espacial com
dados medidos. Desta forma, permitindo, fazer um calculo conservativo da ampacidade estatística.
2.
MATERIAIS E MÉTODOS
O Downscaling é uma técnica de interpolação física dos campos de temperatura, radiação e vento a
partir das chamadas reanálise II do NCEP- (National Environmental Prediction Center dos EUA) DOE
- U.S. Department of Energy [12], de modo a obter dados com alta resolução e grande freqüência
temporal. A reanálise do NCEP se constitui no melhor conjunto de dados existentes no Mundo e
incluem basicamente todos os dados existentes desde dados de superfície e ar superior, os dados de
satélite. Porém, a sua resolução espacial é baixa (~200 km) e baixa freqüência temporal (cada 6 horas).
No presente trabalho o Downscaling será feito com o uso do modelo de previsão numérica do tempo PNT regional ARPS – “Advanced Regional Prediction System” [13].
A previsão numérica do tempo - PNT é o nome da técnica que utiliza computação eletrônica para
prever o as condições do tempo com horizontes de antecedência que vão desde algumas horas até
algumas semanas. Esta técnica é baseada em um sistema de equações que regem o comportamento da
dinâmica atmosférica, auxiliada por técnicas que parametrizam os processos termodinâmicos e
químicos que ocorrem associadas ao movimento do fluido atmosférico. Tais equações e
parametrizações, entretanto, são muito complexas e não possuem soluções exatas. Por esta razão,
técnicas de solução numérica aproximada são utilizadas, dando origem aos "Modelos de Previsão
Numérica do Tempo - PNT".
2.1
Modelo ARPS
O ARPS é um modelo de PNT regional que usa aproximação não-hidrostático que vem sendo
desenvolvido pela Universidade de Oklahoma desde 1993. Hoje ele é um dos modelos mais moderno
existentes no mundo. Ele é indicado para a simulação de problemas de microescala (10 m a 01 km),
problemas da escala meso- e meso- (como previsões de tempestades e tornados) e de fenômenos da
2/8
Décimo Quinto Encontro Regional
Ibero-americano do CIGRÉ
Foz do Iguaçu-PR, Brasil
19 a 23 de maio de 2013
escala meso- (como frentes frias e vórtices) [13] Ou seja, ele é capaz de recriar realisticamente todos
os fenômenos que afetam uma LT.
Figure 1- Estrutura do modelo atmosférico ARPS para obtenção do Downscaling.
2.1
Base Fisiográfica, Grade e Dados Usados.
O modelo ARPS foi adaptado para utilizar uma base fisiográfica de tipos de vegetação, índice de
vegetação, solos e relevos para Sudeste do Brasil com 30x30 segundos de resolução espacial. O ARPS
foi configurado com dois alinhamentos com base nas reanálise do NCEP. O aninhamento maior (grade
A) abrange uma região maior que área de interesse, sendo que o aninhamento interno (grade B) tem
uma resolução horizontal de 12 km, cobre toda a região Sul do Brasil. Nas duas grades são usados 23
níveis verticais. O espaçamento variável da grade vertical usado é baseado numa função hiperbólica,
onde o espaçamento varia de 10 metros na superfície até 500 metros na metade da altura atmosférica
representada. O modelo é processado para 27 horas de previsão em ambas as grades. Para todas as
grades foram usada às parametrizações físicas determinadas por [16]. Na grade A é usada às condições
iniciais da Reanálise II do NCEP-DEO (2002) com 2.5 graus de resolução. Neste caso, a renovação
das fronteiras é feita a cada 06 horas com base com um amortecimento de 7 pontos.
2.1
Parâmetros do condutor utilizados para o cálculo da Ampacidade
O calculo do risco térmico utiliza a formulação da CIGRÉ para estar de acordo com a resolução
normativa 191 e Norma NBR 5422 NB 182. Neste caso, foi construído um algoritimo iterativo que
3/8
Décimo Quinto Encontro Regional
Ibero-americano do CIGRÉ
Foz do Iguaçu-PR, Brasil
19 a 23 de maio de 2013
calcula o tempo (risco) que um condutor, orientado Norte-Sul e que possua os parâmetros indicados na
Tabela 1, fica abaixo da altura de segurança.
Tabela 1: Parâmetros do condutor utilizados para o cálculo da Ampacidade
3.
METODOLOGIA DE VERIFICAÇÃO DOS RESULTADOS
A utilização dos campos produzidos pela downscaling a partir de reanálise do NCEP requer uma
criteriosa validação dos resultados contra dados medidos. Se existir uma boa aderência entre os
campos gerados pelo downscaling e dados medidos (não usados nesta metodologia), pode-se concluir
que em outros pontos a aderência será equivalente.
Devido à falta de estações com dados horários, foram usadas apenas dez estações meteorológicas.
Estes dados provenientes de aeroportos são chamados de METAR não medem a radiação solar
incidente. Embora esta análise de incerteza fique incompleta pela ausência de dados de radiação solar,
sabe-se que a radiação solar média diária tem uma boa correlação com a temperatura média do ar [14]
e que, além disto, a radiação não é a variável com maior influência no cálculo da ampacidade [11].
Assim, foi elaborado um algoritmo que pudesse identificar os horários que existem dados de METAR
e assim recriar uma nova base de dados com todos os 87.640 dados horários de 1998 à 2007. Os dados
medidos foram filtrados e organizados, e comparados com os dados provenientes do downscaling,
para latitude e longitude equivalente, obtendo, assim, uma série de análises de incerteza através de
métodos quantitativos [15]. Foram a calculados a correlação linear de Pearson R2, o erro médio (ME),
o erro médio absoluto (MAE), o erro quadrático médio (RMSE) e o "Skill Score" (SS). Nesta ultima é
considerada a correlação entre os valores observados e simulados e as penalidades relacionados ao
desvio padrão e viés. Quando do SS está próximo de 01 significa que a simulação é perfeita, por outro
lado, se o valor for próximo de zero, significa que a simulação não está satisfatória. Para comparação
são mostradas, também, o valor médio da variável medida (Medob), o valor médio do “dowscaling”
(Medsim), os valores máximos e mínimos medido (Maxob e Minobs) e obtidos pelo
“Dowscaling”(Maxsim e Minsim).
4.
RESULTADOS PARA A REGIÃO SUL
Nas tabelas 2 e 3 são mostradas, respectivamente, as estatísticas do vento e temperatura para algumas
estações, indicadas no topo das respectivas tabelas, conforme descrito no item anterior.
Tabela 2 - são mostradas as estatísticas da Temperatura para algumas
estações.
Estação
P.Alegre
Assuncio
n
Formosa
Fpolis
F.do
Iguaçu
Montevid
eo
B.Aires
Resistenc
ia
Corrente
Rosario
4/8
Décimo Quinto Encontro Regional
Ibero-americano do CIGRÉ
Foz do Iguaçu-PR, Brasil
19 a 23 de maio de 2013
%
valido
R
95,50
92,39
93,90
93,85
94,30
93,65
94,91
82,47
72,36
80,52
0,93
0,91
0,92
0,90
0,91
0,91
0,92
0,92
0,92
0,93
ME
0,79
1,17
0,97
1,80
0,36
-1,19
-0,59
0,26
0,30
0,18
MAE
1,88
2,32
2,19
2,18
2,09
2,17
2,21
2,05
1,98
2,00
RMSE
2,37
2,91
2,80
2,65
2,67
2,79
2,84
2,64
2,58
2,61
SS
0,87
0,90
0,92
0,84
0,86
0,84
0,81
0,93
0,95
1,01
Medobs
19,80
23,23
22,44
20,97
21,65
16,12
16,87
21,34
21,20
17,72
Medsim
19,01
22,06
21,47
19,17
21,29
17,31
17,46
21,08
20,90
17,54
Maxob
38,89
41,11
41,11
37,22
40,00
37,78
40,00
41,11
40,00
38,89
Maxsim
34,08
36,52
37,45
31,25
34,45
32,32
34,17
37,05
36,93
38,20
Minob
0,00
0,00
-1,11
0,56
-2,22
-2,78
-5,00
-2,78
0,00
-5,00
Minsim
2,76
1,28
0,49
4,94
0,64
3,01
1,40
0,81
1,15
0,04
Tabela 3 - são mostradas as estatísticas do vento para algumas estações.
Estação
%
Valido
R
P.Alegre
Assuncion
Formosa
96,33
92,56
94,41
Fpolis
Montevideo
94,50
Foz
Iguaçu
94,20
94,35
B.Aires
Resistencia
Corrente
Rosario
95,78
95,14
72,93
84,78
0,56
0,51
0,53
0,47
0,40
0,53
0,49
0,52
0,49
0,58
ME
1,00
2,01
1,74
0,39
0,87
0,87
-0,41
1,26
1,33
0,69
MAE
1,78
2,76
2,08
1,54
1,52
1,97
1,76
1,67
1,82
1,73
RMSE
2,37
3,58
2,82
2,00
2,04
2,53
2,23
2,23
2,50
2,27
SS
0,54
0,32
0,40
0,65
0,49
0,68
0,80
0,51
0,52
0,50
Medob
3,61
4,51
4,08
3,52
2,84
5,26
3,96
3,66
4,16
3,68
Medsim
2,60
2,50
2,34
3,13
1,96
4,39
4,36
2,40
2,83
2,98
Maxob
32,90
35,47
39,58
34,44
32,90
28,27
34,95
33,92
38,55
43,69
Maxsim
10,72
9,44
9,31
12,57
8,11
12,42
12,68
9,90
11,69
10,53
Minob
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
Minsim
0,04
0,05
0,00
0,14
0,03
0,10
0,14
0,01
0,00
0,01
5.
MAPA DO RISCO TÉRMICO
O mapa de risco térmico (ver figura 2) mostra a porcentagem do tempo em que a temperatura de
projeto é excedida para um regime normal de operação. Neste mapa o mapa de risco é sobreposto aos
mapas da topografia e de LTs. Pode ser verificar que há uma forte correlação que existe entre o risco
térmico e a topografia. Pode-se, também, observar que a região de menor risco térmico se localiza na
Serra Geral e Litoal Sul de Santa Cataria (b), onde os ventos médios mais fortes e as temperaturas
mais amenas. Por outro lado, as regiões com maior risco térmico estão localizadas nos vales, devido
aos ventos médios mais fracos e às temperaturas mais elevadas. Os principais vales encontrados nesta
figura são: o Vale do Taquari-RS (a), o Vale do Itajaí-SC (c), o Vale do Ribeira-SP (d), o Vale do Rio
Ivaí-PR (e), o Vale do Rio Piriqui - PR (f), o Vale do Rio Iguaçu-PR (g) e o Vale do Rio Uruguai-SC
(h).
Um caso particular é encontrado nas proximidades da usina hidroelétrica de Itaipu (i). O lago formado
pela barragem da usina geral um microclima em volta do lago, por causa da brisa lacustre e da
diminuição da temperatura do ar local. Este resfriamento causa a diminuição do risco térmico e pode
ser observado na figura 2. Por outro lado, na jusante da barragem, na província de Misiones, na
Argentina, encontram-se os riscos térmicos mais altos do mapa, de até 6%. A provável causa do alto
risco térmico nessa região é o índice alto de rugosidade, que diminui a intensidade dos ventos médios
nesta região.
Na figura 3 a e b é mostrada uma comparação do mapa de risco térmico em regime normal de
operação e de emergência, onde a corrente de operação é elevada de 600A para 756A (26%). Nesta
figura pode-se observar que as regiões de maior risco continua no mesmo local, mais as porcentagens
5/8
Décimo Quinto Encontro Regional
Ibero-americano do CIGRÉ
Foz do Iguaçu-PR, Brasil
19 a 23 de maio de 2013
de ocorrência aumentam significativamente, como por exemplo, na região de Foz do Iguaçu, onde os
riscos de 6% sobem para 27%.
6.
CONCLUSÃO
No presente trabalho foi elaborado um mapeamento do risco térmico em linhas aéreas de transmissão,
usando dados obtidos pelo Downscaling Climatologico do modelo numérico atmosférico ARPS nas
realalises II do NCEP-DOE. Este mapeamento foi realizado para a região Sul do Brasil, com uma
resolução de 10km x10km em 123x143 pontos de uma grade com intervalos de uma hora, para o
período de 1998 a 2007. No entanto, foi realizada a validação desses dados simulados, através de uma
comparação com os dados medidos em estações meteorológicas localizadas em dez aeroportos
diferentes. Os resultados dessa validação apresentaram uma boa aderência para a temperatura do ar,
com skill score entre 0,65 e 0,87. Por outro lado, a simulação para a velocidade do vento não foi
satisfatória, com skill score abaixo de 0,32. Entre os dez locais comparados, foram encontrados vieses,
tanto positivos quanto negativos e, por isto, não se pode observar a existência de um erro sistemático
do modelo. Outra análise comparando a temperatura do condutor, calculada através de dados
simulados e dados observados, mostrou um erro quadrático médio RMSE satisfatória, entre 5,0 e
7,8°C, ou seja, considerando a temperatura de projeto de 60°C, seu erro médio nessa temperatura
ocorre entre 8,3% e 13%.
O principal resultado deste trabalho é o mapa de risco térmico. Ele traz uma visão geral do
comportamento térmico de uma linha de transmissão e permite a identificação de áreas críticas de
sobreaquecimentos dos seus cabos condutores. Na região da Serra Geral de Santa Catarina são
encontradas as áreas com baixo risco térmico, com valores menores que 1%. Por outro lado, as áreas
com risco térmico mais elevado são encontradas nas regiões de vales como os vales do Taquari-RS, do
Itajaí-SC, do Rio Iguaçu-PR e do Rio Uruguai-SC, com valores em torno de 4%. Este resultado está de
acordo com o esperado, pois os ventos mais fracos encontram-se nos vales e os ventos mais fortes, nos
topos das montanhas. Além disso, a temperatura média do ar é maior nos vales do que nas regiões
montanhosas, devido à altitude. Assim, pode-se concluir que os riscos térmicos mais elevados
encontram-se nos vales, devido aos ventos fracos e às temperaturas maiores. Por outro lado, as regiões
altas das montanhas são os locais com menor risco térmico, pois o vento é mais forte e a temperatura
mais amena. Embora se tenha um resultado geral, este mapa leva em consideração um conjunto de
parâmetros prescritos para todas as linhas, como: a sua orientação, o tipo de condutor, a emissividade
e absortividade do condutor e a temperatura de projeto. Logo, este mapa refere-se a uma situação
generalizada do comportamento médio da temperatura do condutor e, portanto, é essencial que haja
um estudo específico para cada linha de transmissão, complementando este estudo de Ampacidade,
levandoem conta a sazonalidade do clima. Sugere-se, também, que seja procedido um novo calculo
com um Downscaling com maior resolução horizontal. Isto porque o barateamento dos recursos
computacionais torna hoje possível aumentar a base do Downscaling para alguns quilômetros. Esta
tarefa deve melhorar a representação da circulação nos Vales e Montanhas, além de melhorar a
prepresentação do atrito. Com isto, haverá um detalhamento maior das regiões com alto risco, bem
como das de baixo risco.
Os resultados desta Contribuição Tecnica, podem contribuir na operação e planejamento das LTs do
setor elétrico nacional, tanto pela redefinição dos limites da capacidade operativa das LTs para uma
determinada região, a redução de custos de manutenção nas regiões de alto risco térmico e a definição
de melhores rotas na construção de novas LTs.
6/8
Décimo Quinto Encontro Regional
Ibero-americano do CIGRÉ
Foz do Iguaçu-PR, Brasil
19 a 23 de maio de 2013
BIBLIOGRAFIA
[1] OPERADOR NACIONAL DO SISTEMA ELÉTRICO. Plano de ampliações e reforços par 2009 a
2011.
Rio
de
Janeiro,
2009.(
http://www.ons.org.br/download/ampliacao_reforcos/
/par/2009_01_30_versao_executiva_par-2009-2011_site ons.ppt ) visitado em 28/10/2012
[2] MACEDO, A. B. R.; CADILHE, A.; MENEZES A. A. M. Reavaliação da capacidade de
transporte de linhas aéreas de transmissão com base em modelos climáticos regionais. In:
Seminário Nacional de Produção e Transmissão de Energia Elétrica, 17,2003. Uberlândia.
Anais... Uberlândia: [s.n.], 2003. GLT33.
[3] SILVA, A. O.; GABAGLIA C. P. R.; SANTIAGO, N. H. C.; ALENCASTRO, A. F. D.
Recapacitação de lts de 138kv: A experiência de Furnas. In: Seminário Nacional de Produção e
Transmissão de Energia Elétrica, 16, 2001. Uberlândia. Anais... Uberlândia: [s.n.], 2001.
GLT12.
[4] ABNT NBR 5422:1985 - Projeto de linhas aéreas de transmissão de energia elétricahttp://www.abntcatalogo.com.br/norma.aspx?ID=9416, visitado em 28/10/2012
[5] AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA – ANEEL - RESOLUÇÃO NORMATIVA
N° 191 DE 12 DE DEZEMBRO DE 2005 (http://www.aneel.gov.br/cedoc/bren2005191.pdf),
visitado em 28/10/2012
[6] INTERNATIONAL COUNCIL ON LARGE ELECTRIC SYSTEM. Thermal behavior of
overhead conductors section wgb2.12. CIGRÉ Technical Brochure, n. 207, 2002.
[7] HAAS, R. Relatório técnico downscaling projeto siscarga, publicação interna. Florianópolis:
LEPTEN, 2006. Trabalho não publicado.
[8] FOSS, S. D.; LIN, S. H.; FERNANDES, R. A. Dynamic thermal line ratings Part II. IEEE
Transactions on Power Apparatus and Systems, v. 102, n. 6, p. 1865-1876, 1983b
[9] MORGAN, V. T. Probability methods for calculating the current capacity of overhead
transmission line. In: International Symposium on Probabilistic Methods Applied to Electric
Power Systems, 1986. Toronto. Anais... Toronto:[s.n.], 1986.
[10] MENEZES, A.; COSTA, E.; IGNÁCIO, J. S. Statistical applications of environmental data to
overhead lines ampacity in Brazil. In: CIGRÉ Symposium, 1985. Bruxelas. Anais... Bruxelas:
[s.n.],1985.
[11] FT AMPACIDADE. Critérios e procedimentos para o cálculo da ampacidade estatística de
linhas aéreas de transmissão com cabos alumínio aço. [S.l.]: GTCP/CTST/GCPS/
GTAD/SCEL/GCOI, 1993.
[12] KANAMITSU, M.; EBISUZAKI, W.; WOOLLEN, J.; YANG, C.K.; HNILO, J.J.; FIORINO,
M.; POTTER, G.L. NCEP-DOE AMIP-II REANALYSIS (R-2). Bulletin of American
Meteorological Society, v. 83, n. 11, p. 1631-1643, 2002.
[13] XUE, M.; Droegemeier, K. K. ; Wong, V.; Shapiro, A.; Brewster, K.; Carr, F.; Weber, D.; Liu,
Y.; Wang, D. The advanced regional prediction system (arps) - a multi-scale nonhydrostatic
atmospheric simulation and prediction model. Part I: Model dynamics and verification.
Meteorology and Atmospheric Physics., n. 75, p.161-193, 2000.
[14] HARGREAVES, G. H.; SAMANI, Z. A. Estimating potential evapotranspiration. Journal of
Irrigation and Drainage Engineering, v. 108, p. 225-230, 1982 .
[15] WILKS, D. S. Statistical Methods in the Atmospheric Science. 2. ed. [S.l.]: Academic Press,
2006. ISBN 13:978-0-120751966-1
[16] HAAS, R.2002: Simulações da chuva orográfica associada a um ciclone extratropical, litoral Sul
do Brasil; 1; 172 paginas -. Tese (Doutorado em Meteorologia) - Universidade de São Paulo.
7/8
Décimo Quinto Encontro Regional
Ibero-americano do CIGRÉ
Foz do Iguaçu-PR, Brasil
19 a 23 de maio de 2013
Figura 2: Mapa do risco térmico com detalhamento topográfico e LTs. A barra de cores a direita e abaixo
indica, o risco térmico em %. A região de menor risco térmico se localiza na Serra Geral e Litoal Sul de
Santa Cataria (b). Os locais com maior risco térmico são: o Vale do Taquari-RS (a), o Vale do Itajaí-SC (c),
o Vale do Ribeira-SP (d), o Vale do Rio Ivaí-PR (e), o Vale do Rio Piriqui - PR (f), o Vale do Rio IguaçuPR (g) e o Vale do Rio Uruguai-SC (h).
Figura 3: Mapas do risco térmico em regime normal (I=600A) (a) e do risco térmico em regime de emergência
(I=756A) (b) A barra de cores à direita, o risco térmico em %.
8/8