Chapter · September 015 doi: 10. 1201/b18973-33 citations 11 reads 3,065 authors: Some of the authors of this publication are also working on these related projects

particular area in time and decide whether or not to
225

---

Figure 7. Wind Speed frequency of occurrence according
to the Beaufort Wind Scale at S. Pedro de Moel (2009–2013).
Figure 8.
Boxplots representing the annual variability of
80 m winds at Aguçadoura.
build turbines at the proposed sites. Figures 8 and 9
show whiskers box plots for the two regions repre-
senting the annual variability of the coastal winds at
80 m height. The center of each box represents the
50th percentile of the data set and is derived using
the lower 25 percentile and upper 75 percentile val-
ues (upper and lower edges of the box). The median
value is displayed inside the box by the red line. The
maximum and minimum values are displayed with
vertical lines connecting the points to the center box,
along with the outliers represented herein by the red
marker “+”. Inspection of the wind annual variabil-
ity at Aguçadoura (Figure 8) allows concluding that
though some wind speed variations can be observed,
the inter-annual variability is not significate and no
trends can be detected. This behavior is common to
S Pedro de Moel (Figure 9). The largest variabil-
ity occurs in 2013, for both areas, characterized by
higher median and maximum winds. The minimum
Figure 9.
Boxplots representing the annual variability of
80 m winds at S. Pedro de Moel.
wind speed does not suffer major changes through-
out the years and is close to 0 m/s for both regions.
On the other hand, the maximum wind speeds have a
higher variability through the years. The median wind
speed fluctuates between 6.5 and 8.5 m/s at S. Pedro
de Moel and Aguçadoura though the latter is charac-
terized by higher maximum winds and a distribution
spread over a larger range of values. Although this
is just an exploratory analysis to provide a comple-
mentary supplement to the wind time series analysis,
it can be concluded that the temporal variability of
wind speed not large. Still these small deviations are
much amplified when considering power density and
therefore within this context they are more significant
and need to be accounted for in subsequent analyzes.
Therefore, yearly power outputs are normalized to the
long term mean in order to study the intra-annual vari-
ability of the power production. Figures 10 and 11
show the normalized annual power production from
2009 to 2013 if wind turbines were implemented at
the pilot zones of Aguçadoura and S. Pedro de Moel.
As it can be observed the small variations of the annual
wind speed led to wind power variations up to 30%.
The larger deviations observed for both sites in the
whiskers box plot occurred in the years of 2012 and
2013 and led to shifts from 85% to 116% of the annual
power production.
Although these plots provide preliminary informa-
tion of the wind power variations due to wind speed
variability, further analysis on this topic is a matter of
extreme importance for the purposes of engineering
risk assessment.
4
CONCLUSIONS
In the present work, the wind produced by the numer-
ical mesoscale model WRF is evaluated and validated
using different types of observations to cover both
coastal and inland regions. The performance of the
WRF model at the grid points corresponding to the 5
226

---

Figure 10.
Normalized annual power production from 2009
to 2013 at Aguçadoura.
Figure 11.
Normalized annual power production from 2004
to 2013 at S. Pedro de Moel.
buoy positions is evaluated through a statistical analy-
sis of 4 statistical parameters. The results show a good
agreement between simulations and observations at
both heights, with correlations around 80% and bias
lower than 1 m/s. Inland, the model has also proved
to be an effective tool in capturing the annual local
wind flow although slightly less efficiently which can
be explained by the higher terrain complexity and
turbulence effects that occur inland.
Taking this information into consideration, the sec-
ond part of the present study consists of using the
simulated winds at 80m height to predict the power
output that can be generated within the study area. Six
test sites for wind turbine implementation are studied
in detail yet particular emphasis is given to the two
Portuguese pilot test areas located at Aguçadoura and
S. Pedro de Moel. The maps show that most coastal
areas are characterized by wind power densities of
class 4 and above indicating that high amounts of
energy are available for extraction by wind harnessing
devices.
The wind power is higher in the Northern regions