Dentre algumas fontes renováveis de energia, destacam-se os ventos. No Brasil, em especial na região Nordeste, tem-se observado avanços quanto aos estudos e investimentos em localidades consideradas potenciais produtoras de energia eólica. Neste contexto, podem ser empregadas as funções densidade de probabilidade de modelos de distribuição como forma auxiliar à tomada de decisão sobre a escolha de uma determinada região para a instalação de parques eólicos. Neste trabalho, buscou-se analisar o potencial eólico para geração de energia proveniente dos ventos em Petrolina-PE, com a série histórica de velocidade do vento de 01/01/2015 a 31/12/2016 e através da comparação entre os ajustes realizados pelas distribuições Weibull com dois parâmetros (Weibull-2p) e Burr, bem como a partir da análise da velocidade média do vento verificada na região. Além disso, observar a direção predominante dos ventos por meio da Rosa dos Ventos. Para a estimação dos parâmetros das distribuições, foi adotado o Método da Máxima Verossimilhança (MMV) que tem alcançado valores ótimos em relação a outros métodos de estimativa de parâmetros. Os critérios de seleção AIC e BIC, a estatística de Anderson-Darling e as acurácias MAPE e MAD foram adotadas para a avaliação da bondade dos ajustes das distribuições, onde se verificou que a Weibull-2p forneceu melhor modelagem aos dados analisados. A direção predominante dos ventos encontrada foi a sudeste, com variação entre ~105º e ~135º e velocidade média de 8,4m/s. Com os resultados obtidos, a região estudada alcançou, segundo classificação do NREL, avaliação esplêndida para a viabilidade de geração de energia eólica.

This study analyzed the wind speed distribution in the state of Piauí, Brazil, aiming to estimate its wind energy generation potential. Hourly wind speed data measured at 10 m above ground level from 2010 to 2023 were analyzed. The mean wind speed ranged from 4.0 to 10.0 m s⁻¹, with higher values observed in the coastal zone and eastern region of the state. Several probability distributions (Weibull, Gamma, Lognormal, Logistic, and Normal) were fitted to the data, with the Weibull distribution showing the best performance based on the Akaike (AIC) and Bayesian (BIC) information criteria across all stations. The AIC and BIC values for the Weibull model ranged from 500 to 2000. The Weibull shape (k) and scale (c) parameters varied between 1.5 and 5.0 and 4.0–13.0 m s⁻¹, respectively. Estimated wind power density (WPD) values ranged from 50 to 400 W m⁻², indicating moderate to high wind energy potential in specific areas. Spatial analysis using inverse distance weighting (IDW) interpolation revealed favorable regions for wind farm deployment. These results provide quantitative support for sustainable energy planning and offer strategic insights for renewable energy development in Piauí.

It has been of great interest, both on the part of researchers and investors, to define negotiation rules that make it possible to capture the dynamics of the financial markets. This article presents a negotiation model among financial agents, based on the stock buying and selling process, that form a financial market. For the adaptation of economic agents to the market, a Particle Swarm Optimization (PSO) algorithm was implemented to optimize trading rules between agents aiming at maximizing gains in the market. Times series of artificial markets and real Bovespa brazillian market, descripted by the index Bovespa, were used in the computational simulations. Through the simulations, the dynamics of the interaction of buying and selling between financial agents was explored. The results show that there is a dependence on the gains of the agents in the markets in relation to the trading strategies adopted. On the other hand, in the low markets this dependence was not observed, since no statistically significant differences were found for the amount of wealth accumulated among the market participants. For the Bovespa market, from the sell and purchase thresholds of the trades carried out, the agents that have the best strategies in the negotiations were identified.