O objetivo da tese apresentada aqui é verificar se a aplicação de sensoriamento remoto em projetos eólicos permite a otimização de seu LCoE (Custo Nivelado de Energia, do Inglês Levelized Cost of Energy), buscando reduzir o custo final da energia para os consumidores no Brasil. Para isso, foi estudado o ciclo de vida de projetos eólicos e como essa fonte se insere no setor elétrico brasileiro em sua configuração atual, permitindo identificar que a forma onde o sensoriamento remoto mais agrega valor ao projeto é na redução de incertezas no cálculo da produção anual de energia (AEEP), na forma de campanhas de medição anemométrica durante a fase de desenvolvimento dos projetos. As diferentes formas de incerteza existentes nessa fase foram então estudadas em detalhe: as que decorrem das medições anemométricas; as provenientes da representatividade das medições em horizonte de longo prazo; as incertezas da variabilidade futura do recurso; da modelagem horizontal e vertical do escoamento; as incertezas envolvidas com as perdas que existem nas plantas e, por fim, as incertezas da verificação em campo associadas a diversos dados de entrada da modelagem. Foi estudado qual o período mínimo de medições necessário para que o sensoriamento remoto reduza as incertezas na AEEP e, de fato, a resposta a essa pergunta é importante para que o equipamento possa ser aproveitado ao máximo nos projetos (quanto mais curtas as campanhas, em mais pontos ele poderá ser utilizado até a finalização do desenvolvimento do projeto). Os resultados indicaram que, para 90% dos casos, um período mínimo de 10 meses é necessário. Casos em que o sensoriamento remoto reduz a incerteza do efeito esteira são mais raros, pois requerem que o projeto em desenvolvimento já esteja sob a ação do efeito esteira de parques em operação à barlavento. Em projetos mais antigos, onde a medição anemométrica disponível foi feita em alturas mais baixas, a incerteza de extrapolação vertical pode ser reduzida consideravelmente a partir da medição adicional de sensoriamento remoto. A redução total de incertezas foi então estudada em um modelo econômico-financeiro, a partir de estudos de caso com horizonte de curto e de longo prazos (5 e 20 anos, respectivamente), permitindo verificar que, ao aplicar o sensoriamento remoto consecutivamente em projetos de 30 MW (1 ano em cada projeto), reduzindo sua incerteza em 1%, tem-se o payback do investimento na tecnologia em 5 anos. Porém, custos adicionais de operação do equipamento, como segurança armada, seguros, entre outros, podem aumentar o tempo de retorno do investimento consideravelmente. No estudo de longo prazo, a geração de valor passa a ser mais relevante, considerando-se os ganhos obtidos ao longo de toda vida útil dos parques eólicos (20 anos), ao invés de 5 anos. O valor presente gerado ao longo de 20 anos justifica com folga o investimento em sensoriamento remoto no desenvolvimento de projetos eólicos.

The objective of this thesis is to verify if the application of remote sensing in wind power projects allows the optimization of its LCoE (Levelized Cost of Energy), seeking reduce the final cost of the energy for the end consumers in Brazil. For that, the lifecycle of wind power projects was studied, and how this source of energy is part of the Brazilian electric sector in its current configuration, thus allowing to identify that remote sensing aggregates most value when applied during the project development phase, by reducing the overall uncertainty related to the AEEP (Annual Estimated Energy Production). The different forms of uncertainty that exist in this phase of the project were then studied in details: those related to anemometry, to the representativeness of the measurements compared to the long-term, to the future variability of the wind resource, to the horizontal and vertical extrapolation of the wind, to the energy losses that exist in the power plants, and, finally, those related to the different inputs used in the wind modelling. It was studied how long the minimum period of measurement must be in remote sensing campaigns, in order to properly reduce the overall uncertainties related to the AEEP, and, in fact, the answer to this question is important to guarantee that the equipment will be used at its maximum in each project (the shorter the campaigns, the more locations it may be applied during the project development). The results showed that, for 90% of the cases, a minimum period of 10 months is required. Cases in which the remote sensing also reduces the uncertainty related to wake effects are rarer, because they require the project under development to be under the effect of an existing wind farm upwind. In older projects, where the anemometry was performed in lower heights, the respective uncertainty related to vertical extrapolation may be considerably reduced with the application of remote sensing. The impact of the total overall uncertainty reduction was then studied in an economicfinancial model, in a short-term and a long-term case study, and it was verified that when remote sensing is applied consecutively in 30 MW projects (1 year in each project), and when reducing the respective overall uncertainty by 1%, the payback of the equipment is obtained in 5 years. However, if additional operational costs are considered, such as armed security, insurance, and others, this time may increase. In the long-term case, the added value becomes more relevant, if we consider the value added during all wind farms operational life (20 years), instead of 5 years. The net present value, then, justifies with ease the investment in remote sensing technology during the development of wind power projects.