Henrique Do Nascimento Camelo

Dr. Henrique Do Nascimento Camelo

orcid

Research Focus & Metrics

Academic Career Length

12Years (2015-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
1 May 2018 in Energy
Verified
Journal Article
Closed access
HCHenrique Do Nascimento Camelo
Henrique Do Nascimento Camelo
PLPaulo Sérgio Lucio
Paulo Sérgio Lucio
JJJoao Bosco Vercosa Leal Junior
Joao Bosco Vercosa Leal Junior
PCPAULO CARVALHO
PAULO CARVALHO
DSDaniel von Glehn dos Santos
Daniel von Glehn dos Santos

1 December 2017 in Revista Brasileira de Meteorologia
Verified
Journal Article
Open access
HCHenrique Do Nascimento Camelo
Henrique Do Nascimento Camelo
PLPaulo Sérgio Lucio
Paulo Sérgio Lucio
JJJoao Bosco Vercosa Leal Junior
Joao Bosco Vercosa Leal Junior
PCPAULO CARVALHO
PAULO CARVALHO
Resumo Esse trabalho tem como objetivo realizar previsões de séries temporais da velocidade do vento em termos de médias mensais no nordeste brasileiro. Foram testados os seguintes modelos de séries temporais, Auto-Regressivo Integrado de Médias Móveis (ARIMA) e Holt–Winters (HW), e também inteligência artificial computacional com o uso de Redes Neurais Artificiais (RNA). E ainda foram testados dois modelos híbridos, o primeiro com combinação dos modelos ARIMA e RNA, o qual existem trabalhos na literatura, e o segundo trata-se de uma tentativa de combinação dos modelos HW e RNA. As séries ajustadas obtidas pelos modelos híbridos, mostram-se eficientes em acompanhar o perfil das séries observadas das regiões de estudo, com semelhanças aos dados observados em termos de máximos e mínimos, indicando assim, a capacidade dos modelos em representar sazonalidades. O cálculo da estatística de erros envolvendo o modelo híbrido (HW e RNA) obteve os menores valores em Fortaleza, São Luís e Natal, por exemplo, com valores de erros percentuais de 3,80%, 4,91% e 2,85%, respectivamente. A redução das variáveis da estatística de erros por parte dos modelos híbridos quando comparado separadamente a utilização dos modelos (ARIMA, HW e RNA) poderá influenciar nas precisões das velocidades dos ventos previstas.

21 February 2018 in Atmosphere
Verified
Journal Article
Open access
PDF file
HCHenrique Do Nascimento Camelo
Henrique Do Nascimento Camelo
PLPaulo Sérgio Lucio
Paulo Sérgio Lucio
JJJoao Bosco Vercosa Leal Junior
Joao Bosco Vercosa Leal Junior
DSDaniel Von Glehn dos Santos
Daniel Von Glehn dos Santos
PCPAULO CARVALHO
PAULO CARVALHO
This work proposes hybrid models combining time-series models (using linear functions) and artificial intelligence (using a nonlinear function) that can be used to provide monthly mean wind speed predictions for the Brazilian northeast region. These might be useful for wind power generation; for example, they could acquire important information on how the local wind potential can be usable for a possible wind power plant through understanding future wind speed values. To create the proposed hybrid models, it was necessary to set the wind speed variable as a dependent variable of exogenous variables (i.e., pressure, temperature, and precipitation). Thus, it was possible to consider the meteorological characteristics of the study regions. It is possible to verify the hybrid models’ efficiency in providing perfect adjustments to the observed data. This statement is based on the low values found in the error statistical analysis, i.e., an error of approximately 5.0% and a Nash–Sutcliffe coefficient near to 0.96. These results were certainly important in predicting the wind speed time-series, which was similar to the observed wind speed time-series profile. Great similarities of maximums and minimums between the series were evident and showed the capacity of the models to represent the seasonality characteristics.

1 March 2018 in Revista Brasileira de Meteorologia
Verified
Journal Article
Open access
PDF file
HCHenrique Do Nascimento Camelo
Henrique Do Nascimento Camelo
PLPaulo Sérgio Lucio
Paulo Sérgio Lucio
JJJoao Bosco Vercosa Leal Junior
Joao Bosco Vercosa Leal Junior
PCPAULO CARVALHO
PAULO CARVALHO
Resumo No presente artigo é proposto um modelo híbrido capaz de realizar previsão de velocidade do vento (médias mensais e horárias) com boa acurácia em regiões do nordeste brasileiro. Este modelo é elaborado a partir da combinação entre dois modelos, o Auto-Regressivo Integrado de Médias Móveis com entradas de Variáveis Exógenas (ARIMAX) e Redes Neurais Artificias (RNA). A escolha por estes modelos foi motivada pelo fato de que os mesmos conseguem incorporar ambas características lineares (ARIMAX) e não-lineares (RNA) comumente existentes em séries temporais. O modelo híbrido relaciona pressão, temperatura e precipitação com velocidade do vento, a fim de considerar características meteorológicas locais importantes. É possível constatar a eficiência do modelo híbrido para fornecer bons ajustes aos dados observados das velocidades dos ventos, sendo esta afirmação baseada nos valores encontrados por medidas de acurácia, exemplo, com erro percentual médio de aproximadamente 5,0%, e valor do coeficiente de eficiência de Nash-Sutcliffe de 0,96. Estes resultados confirmam a existência de precisão para as velocidades dos ventos previstas acompanhando o perfil de suas observações, em especial é possível identificar semelhanças entre ambas as séries temporais (em termos de valores máximos e mínimos), mostrando assim, a capacidade do modelo em representar características de sazonalidade.

23 November 2016 in Revista Brasileira de Energias Renováveis
Verified
Journal Article
Closed access
PDF file
HCHenrique Do Nascimento Camelo
Henrique Do Nascimento Camelo
PLPaulo Sérgio Lucio
Paulo Sérgio Lucio
JJJoao Bosco Vercosa Leal Junior
Joao Bosco Vercosa Leal Junior
No presente trabalho foi realizado um estudo de previsão da média mensal de velocidade do vento para a cidade de Caucaia, litoral do Estado do Ceará no nordeste do Brasil. Para isso foi utilizado o modelo aditivo de Holt-Winters, a partir dos dados de velocidade do vento ao nível de 10 m de altura no período de janeiro de 2004 até dezembro de 2005, coletados da Fundação Cearense de Meteorologia e Recursos Hídricos. A previsão mostrou-se eficiente baseada no fato de que a análise de erro realizada forneceu valores (em geral) reduzidos como, por exemplo, existe um o erro percentual médio da previsão comparado ao observado de apenas 3,5%. Dessa forma foi possível identificar que os dados previstos conseguem acompanhar o perfil dos dados observados indicando assim a viabilidade do modelo para a região de estudo. Esse trabalho poderá ser utilizado como uma ferramenta de previsão de velocidade do vento, visando o estudo e avanço da geração eólio-elétrica em diversas regiões do país, proporcionando aos tomadores de decisão a instalação de novos parques eólicos, visto que haverá possibilidade de conhecer o regime local de intensidade de vento futuro.

12 November 2016 in HOLOS
Verified
Journal Article
Open access
PDF file
HCHenrique Do Nascimento Camelo
Henrique Do Nascimento Camelo
PLPaulo Sérgio Lucio
Paulo Sérgio Lucio
PCPAULO CARVALHO
PAULO CARVALHO
JJJoao Bosco Vercosa Leal Junior
Joao Bosco Vercosa Leal Junior
Esse trabalho tem como objetivo fazer previsão de radiação solar para geração de energia elétrica no Estado do Ceará, nordeste Brasileiro. Para isso, foi realizado comparação de métodos estatísticos de previsão (médias móveis e projeção exponencial) para geração de séries temporais, aplicados a radiação solar incidente, cujos dados reais foram medidos nas dependências do Departamento de Engenharia Elétrica (DEE) da Universidade Federal do Ceará (UFC), campus Fortaleza, de propriedade do Laboratorio de Energias Alternativas - LEA da UFC . Com essa pesquisa, ficou constatado que o método de projeção exponencial é a melhor escolha para se realizar uma previsão de série temporal a partir dos dados mencionados. Essa conclusão é baseada no fato de que este método tanto para o período chuvoso, como para o período seco, fornece os menores valores de RMSE como, por exemplo, para o mês de outubro no horário de 17:00h temos 1,40 W/m2, e para o MAPE, temos o valor de 4,48% também para o mês de outubro as 13:00h.