| Forside | | Indhold | | Forrige | | Næste |

Afdækning af muligheder for etablering af standardværktøjer og/eller -kriterier til vurdering af sundheds- og miljørisici i forbindelse med større uheld (gasudslip) på risikovirksomheder

5 Modeller til gasspredningsberegning

• 5.1 Modeller
• 5.2 Usikkerheder i beregningerne
• 5.3 Manglende scenarier
• 5.4 Simple modeller og modelpakker
• 5.5 Computational Fluid Dynamics
• 5.6 Vigtigheden af modelundersøgelser
• 5.7 Kriterier der kan stilles for spredningsberegninger
• 5.8 A priori kontra tunede modeller
• 5.9 Fremgangsmåder til at opfylde kriterierne
• 5.10 Modeller for konsekvensreduktion
• 5.11 Spredningsberegninger og risikoanalyser
• 5.12 Opsummering
• 5.13 Krav til spredningsberegningsmodeller

Fysiske modeller er den basis på hvilken spredningsberegningsværktøjer er bygget. Værktøjerne kan ikke forventes at fungere godt hvis der er problemer med modelleringen. Der er dog mange problemer selv om man har studeret gasspredning siden 1930’ern. Hovedgrunden hertil er, at luftens turbulens er meget kompleks. Man har dog opnået et niveau hvor man kan sige at modellerne er ”brugbare”. Der er stadigvæk nogle områder ved beregning af udslipskilderne som er stadigvæk ikke undersøgt, tilsyneladende på grund af manglende interesse eller forglemmelser. Status for modeludviklingen beskrives i dette kapitel.

Usikkerhed i beregninger er vigtig fordi resultaterne anvendes til planlægning og har konsekvenser både for anvendelse på kommuneområdeplanlægning og på sikkerhed. Enkeltmodeller til gasspredning har en usikkerhed som er, for de bedste modeller, indenfor en faktor 30 % for simple tilfælde, men mange af modellerne der anvendes i dag har en afvigelse fra eksperiment resultater på en faktor 2. Dette kan betyde betydelig øgning i størrelsen af sikkerhedszoner, for eksempel fra 300 m til 600 m. i praktiske tilfælde. En sådan usikkerhed har stor betydning for planlægning. Der er derfor her lagt vægt på modellernes nøjagtighed.

Usikkerhed i resultaterne afhænger ikke kun af spredningsberegninger. Uslipsberegninger der anvendes til at fodre spredningsberegninger med input data har også usikkerheder. Usikkerhederne lægges sammen. Det er derfor nødvendig at sikre så god kvalitet i modellering på alle stadier i udslippet og spredningen, hvis man vil opnå et rimeligt samlet resultat.

5.1 Modeller

Beregning af gasspredning kræver at der er fysiske modeller til hver fase af udslippet og spredningen. Selve spredningen kan beskrives med ca. tolv modeller (jet og fane, for let og tung gas, fri, i bymiljø og indendørs), men der skal også være beregninger til frigivelse. Figur 5.1 viser de forskellige modeller og deres sammenhæng i fremstilling af rimelige nøjagtige og dækkende beregninger.

I figur 5.1 anvendes grøn til at vise de steder hvor der er velafprøvede og validerede modeller som passer til de fleste praktiske tilfælde. Gul viser tilfælde hvor modelsættet er kun delvis udviklet. Rød viser beregninger hvor der er kun lidt eksperimentalinformation i dag. Bemærk at en grøn farve betyder ikke at en bestemt modeltype er totalt problemfri. Toksicitetsdata er for eksempel problemfri for ca. 100 af de vigtigste stoffer, men der er mange stoffer der anvendes i mindre målestok, hvor data mangler.

Modeldetaljer beskrives i Bilag A og et oversigt over status ved udvikling af modeller gives i tabel 10.2.

Figur 5.1 Modeller som anvendes til beregning af relevante udslipsscenarier i Danmark.

Fremgangsmåden for beregninger vist i figur 5.1 er kun en del af den samlede riskikoanalyse- og risikovurderingsproces. En samlede risikoanalyse omfatter også: beregninger for brande og eksplosioner; beregninger af hyppigheder for udslip og pålidelighed af sikkerhedsforanstaltninger; plotning af risikokort og frekvens/konsekvens kurver; og sammenligning af resultaterne med akceptkriterier.

5.2 Usikkerheder i beregningerne

Alle de modeller der anvendes til beregninger involverer usikkerhedsmomenter. Usikkerhederne stammer fra flere forskellige kilder:

1. Forenklinger introduceres bevidst, for at reducere beregningsarbejdet og for at gøre resultaterne håndterlige. Man beregner ofte for eksempel kun med tre hulstørrelser, tre vindhastigheder, og tre atmosfæriske stabilitetsklasser. Der anvendes i nogle tilfælde endnu færre beregninger. Usikkerheden herved er undersøgt i mange studier, f.eks. i ref. 22 til 28, og vurderes til at være typisk ca. 30 % for de bedste modeller. Usikkerhederne vil kunne reduceres ved mere præcis tilpasning af beregnings procedurer til aktuel data, men modellerne derved mister en del fleksibilitet.
    
2. De fleste modeller der anvendes er empiriske eller delvis empiriske, dvs. modellerne er baseret på basis af eksperimenter i stedet for teori. Resultatet er, at usikkerhed i eksperimentmålinger overføres til beregningerne. Dette er specielt et problem med gasspredningsberegninger, hvor parametre som gasfanebrede og koncentration svinger meget under eksperimenterne, og målinger skal behandles statistik. Ref. 5.6 giver en god beskrivelse af vanskelighederne. Usikkerheden i gasfanemodellering angives af UK HSE på deres web site (ref. 29) til ca. 50 % overalt. Yderligere detaljer gives i Bilag A.
    
3. Modellerne der anvendes er næsten altid en forenkling af den aktuelle fysisk situation, der negligerer mindre vigtige faktorer. Disse forenklinger kan være meget små, ubetydelige detaljer, for eksempel ved at man udelader effekten af ventilmodstand i en rørudslipsberegning, men disse detaljer kan blive vigtige i specielsituationer. For standard eller simple situationer vurderes usikkerheden, der introduceres ved forenkling, til at ligge normalt indenfor den 50 % som nævnes ovenfor. Eksempler af situationer hvor usikkerheden er større beskrives i Bilag A, og nævnes i tabel A.2. Ref. 30 giver beregninger over effekten af forenklinger på resultaterne, og måder hvormed usikkerheden kan reduceres. Bemærk, at usikkerheden der introduceres ved forenkling normalt søges at være på den sikre side. Denne fremgangsmåde fremmer personsikkerhed, men kan være dyr i område planlægningen. Det er ikke alle tilfælde hvor beregningerne forenkles på den sikre side.
    
4. I nogle tilfælde anvendes der modeller der slet ikke passer til situationen, enten fordi der ikke findes modeller der passer, fordi de modeller der eksisterer, mangler validering, eller fordi de modeller der er til rådighed ikke er implementeret som beregningsværktøj. Et eksempel er udslip af ammoniak fra en kompressor i et kompressorrum, hvor det oftest forenkles til en kompressor stående på åben mark.
    
5. Der vil altid være et behov for data som input til modelberegninger. Der er altid usikkerheder tilknyttet disse data, enten fordi de ikke kan måles nøjagtigt, eller fordi målearbejdet vil medføre for meget arbejde. Et eksempel er parametre for jordbundens ledningsevne, der anvendes til beregning af fordampning af kryogen gasarter. Denne parameter bliver aldrig målt, der anvendes i stedet standardværdier afhængig af jordtype. Usikkerheden ved sådanne valg holdes oftest til under 50 % i korrektudført beregninger, men det er sjældent i praksis at jordtypen inspiceres.
    
6. Et speciel parametreusikkerhed er vindhastigheden og stabilitetskategorier der anvendes i risikoberegninger til kommuneplanlægning. Der anvendes ofte værdier fra den nærmeste målestation, som er ofte den nærmeste lufthavn. Lokale vindhastigheder kan afvige betydeligt fra målestationens værdier, især for kystnære anlægsplaceringer.
   
   Usikkerheden i vinddata vil kunne reduceres. For eksempel er ARGOS programmet, der beskrives i det næste kapitel, tilpasset et system HIRLAM, der beregner lokale vindfelter på basis af målinger fra mange målestationer. Der findes også vindkort som er udarbejdet til planlægning af vindturbine placeringer.
    
7. En af de væsentligste usikkerheder i dag er, at beregningerne laves efter helt forskellige principper. Der findes flere vejledninger for udførelse af beregningerne men ingen af disse dækker alle de situationer der opstår i en sikkerhedsanalyse, og det faktum, at der findes flere vejledninger i sig selv medfører en usikkerhedsmoment.

Et problem med disse kilder til usikkerhed er, at de opstår i flere modeller, som skal anvendes en efter den anden. En usikkerhed på 50 % i modeller til udslip, til initialspredning i jet, og til gasfanespredning vil medføre en usikkerhed på ca. 150 % (se Bilag A), dvs., at der vil være en chance for, at resultatet er 150 % større end det er beregnet. Usikkerheder skal derfor bekæmpes i alle de forskellige delmodeller i en beregning.

5.3 Manglende scenarier

Det er ønskeligt at et standardværktøj skal dække alle de scenarier, der vil kunne forekomme og give alvorlige konsekvenser. Det er dog usandsynligt at dette mål vil kunne opnås. En mere rimelig krav er måske at kunne beregne alle de uheldskonsekvenser der er opstået i praksis.

De eksisterende programmer har betydelige svagheder, set fra dette synspunkt. Eksempler er modeller til spredning af gas fra sprøjtende væsker, eller fra væsker der løber fra tanke på grund af overfyldning. Sådanne mangler vises fra uheldet i Buncefield, England i 2006, hvor benzin løb fra toppen af en tank, fordampede, og hvor den resulterende dampfane var af meget større omfang end forventet på basis af pølfordampningsmodeller (ref. 30). Der er identificeret i alt 7 uheldssituationer i procesanlæg for hvilken der ingen publicerede modeller eksisterer.

5.4 Simple modeller og modelpakker

De programmer, der anvendes i dag til risikoanalyse, er næsten udelukkende baseret på simple analytiske formler, dvs. formler der for det meste kan beregnes med en lommeregner, hvis man har tålmodighed nok. Nogle programmer implementerer kun enkelte modeller, for eksempel spredning af gas, men de programmer der avendes er oftest integrerede pakker, der inkluderer modeller for udslip, fordampning, spredning, brand og eksplosioner, og inkluderer databaser over stofegenskaber. Eksempler beskrives i det følgende kapitel.

Simple modeller er ikke nødvendigvis dårligere end de mere avancerede og indviklede modeller der beskrives nedenfor. Den mest nøjagtige model til spredningsberegning i dag er Britter og MacQaid’s, ref. 32, der er en simpel formel tilpasning til eksperiment resultater. De mere indviklede modeller er tilpasset de sammen eksperimenter, som de simple. Fordelen med de mere avancerede modeller er, at de kan behandle situationer som f.eks. gasspredning omkring bygninger, hvor de simple modeller slet ikke passer.

5.5 Computational Fluid Dynamics

Der er kommet metoder i de senere år der anvender avancerede numeriske metoder til at løse de fundamentale ligninger for gasspredning. Metoderne har hidtil været for krævende til almindelig anvendelse i sikkerhedsvurdering og især i risikoanalyse. Metoderne har typisk krævet timer eller dage til at udføre en enkelt beregning. Der er kommet nyere metoder i den senere tid som kræver meget mindre beregningstid, i visse tilfælde ned til 10 minutter per beregning. Der er dog ofte flere dages eller ugers indsats i opbygning af modellerne. Værktøj der anvender disse metoder beskrives i det følgende kapitel. Disse modeller anvendes i stort omfang til beregning af gasspredning på olie- og gasplatforme, hvor anlægsbudgetter berettiger omfattende beregninger.

Disse modeller kan ikke være meget mere nøjagtige til beregning af simpelt tilfælde end de simplere modeller, idet alle skal justeres, således at de passer til de samme eksperimenter. CFD modellerne har den fordel, at de kan anvendes i langt flere situationer end simple modeller, og kan for eksempel behandle udslip indendørs og i tætte bebyggelser.

De fleste CFD programmer kræver en del ekspertise til at opnå et korrekt resultat. (Det samme kan siges om simple modeller, men omfanget af den nødvendige ekspertise er større for CFD metoder). Det anbefales ofte, at man tager et kursus i programanvendelse før man anvender den. Nogle kommercielle programmer sælges kun med kursusafgift indbygget i prisen.

Det vil være nødvendigt, for at få reproducerbar resultater ved anvendelse af disse programmer, at der bliver udarbejdet grundige vejledninger i, hvordan man opnår et pålideligt resultat.

5.6 Vigtigheden af modelundersøgelser

Der er ingen naturlig teori, der kan forudsige spredningen af gasfaner, og som samtidig tillader praktiske beregninger med eksisterende computer. Alle de anvendte modeller baseres mere eller mindre på teori suppleret med observationer og eksperimenter. Derfor bør ingen model bør anvendes, med mindre dens resultater er blevet bekræftet med eksperimenter.

Der er blevet foretaget mange undersøgelser af spredningsberegningsmodeller for at bestemme nøjagtigheden af beregningsresultater. Disse har for det meste beskæftiget sig med fanespredning og jet udslip, med nogle få sammenligninger af momentanudslip og af fordampning af kryogen væsker.

Undersøgelser af selve gasspredning af tung gas er relativt godt undersøgt, med undersøgelser fra US EPA (ref. 33 ), og et undersøgelse af S.R. Hanna et al. (ref. 28). Nyere undersøgelser er SMEDIS, lavet af en samarbejdsgruppe for EU (resultater kun delvis publiceret (ref. 34).

Dispersion modeller vurderes ofte i forhold til eksperimenter med parametrene ”geometric mean bias” og ”geometric variance”. ”Mean bias” måler graden med hvilken beregningerne systematisk undervurderer eller overvurderer resultater. ”Geometric variance” måler den gennemsnitlig afvigelse fra måleværdierne for simple tunggasspredning. CCPS (ref. 28) offentliggjorde resultater for 10 meget anvendte programmer vurderet mod 6 eksperimentserier (32 eksperimenter i alt, med 132 målepunkter). To af programmerne kunne udelukkes på grund af gennemgående dårlige resultater. Resten havde en ”mean bias” og ”geometric variance” af mindre end en faktor 2. Vi har gentaget disse vurderinger med sammenligninger med nogle nyere eksperimenter. Resultaterne gives i bilaget, sektion 9.9.

Modeller for mere komplicerede situationer, som for eksempel når en gasfane rammer en væg (”impingement”), er mere sjældne, men der findes nyere eksperimentserier der kan anvendes (ref. 35 ). Der findes flere sæt eksperimenter om spredning i bymiljø, der blev lavet for at kunne vurdere frigivelse af giftstoffer ved terrorisme. Disse er relevant i det nuværende sammenhæng fordi de omfatter de samme fænomener som udslip ved uheld (ref. 36, 37). Der er også flere eksperimenter om let gas spredning, lavet primært for forureningsvurderinger, der kan anvendes til vurdering af uheldsudslip. Nogle eksperimenter er også blevet lavet til vurdering af tunggas udslip i industriel miljø, ved anvendelse af vindtuneller (f.eks. ref. 38).

Der er mange nyere eksperimenter og vurderinger om tofase udslip, med henblik især at bestemme omfanget af ”rain out” dvs. nedfald ad dråber fra ammoniak og lignende udslip af fordråbede gasarter(se f.eks. ref. 39 til 44). Der er kun lidt data offentliggjort i nyere tid om mængden og hastigheden af tofaseudslip, men omfattende eksperimenter blev foretaget til afprøvning af de oprindelige tidlige publikationer (se f.eks. ref. 43)

Eksperimenter og valideringer for udslip og af spredning af væske på jorden, og indendørs spredning, er sjældne. Det er ofte nødvendigt at søge oprindelige data, i visse tilfælde 60 år eller mere tilbage, for at finde eksperimental data. Data om fordampning blev indsamlet af MacKay og Matsugu (ref 47) og det er disse data der anvendes oftest. Tidligere data blev samlet af Sutton (ref 45) og Pasquill (ref.47). MacKay and Matsugu’s er stadigvæk den mest anvendte model men bør erstattes af en senere model af Kawamura og MacKay (ref.48). Modellerne passer enten til letflygtige væsker ((Kawamura og McKay) eller til sværfordampelige væsker(MacKay og Matsugu). Modellerne passer kun til fordampning under neutralt atmosfærisk forhold. Modellerne anvendes dog oftest ukritisk. Modellen af Brighton er tilpasset moderne forståelse af turbulens i atmosfæren, og passer meget bedre til eksperimentale resultater, men Brighton’s model anvendes sjældent.

Der er nogle relevante områder hvor der næsten intet findes eller intet hvor der er ikke offentliggjorte måledata. Eksempler er væskespredning på jorden på realistisk industrielt jordforhold, udslip fra realistisk hulformer, og gasspredning i bygninger. Det er næsten meningsløst at tale om valideret modeller, når der er disse huller i det videnskabelig grundlag for beregninger. Nogle få eksperimenter er blevet fortaget for at ”lappe på hullerne” og disse afslører en relativ stor usikkerhed i de ”tommelfingerregler” som anvendes på nogle områder. Keller og Simmons har udført eksperimenter om pool spredning (ref. 50 til 52), med henblik på miljøbeskyttelse, men eksperimenter er igen næsten ukendt i risikoanalyse kredse. En af de største ”huller” er manglen på validerede modeller for fordampning fra plaskende og sprøjtende udslip.

Rediphem som er et europæisk samarbejde om data spredning, med hjemsted på Risø, giver en omfattende samling af data om tung gas spredning (ref. 53). En oversigt og samling af referencer om brugbar eksperimentresultater gives i ref. 54.

5.7 Kriterier der kan stilles for spredningsberegninger

Det er ikke overraskende, med de ovenstående usikkerheder, og med mange alternative modeller, at to forskellige analyser af det samme situation producerer forskellige resultater. Situationen er kendt fra mange ingeniørgrene. Der er, for eksempel, betydelige usikkerheder i beregning af styrken af en bygning eller en bro. Disse usikkerheder håndteres normalt ved anvendelse af standardberegningsmetoder og sikkerhedsfaktorer. Spørgsmålet er, om vi kan stille lignende krav til spredningsberegninger og de sikkerhedsanalyser der baseres på dem.

Der er forskellige typer af krav der kan stilles til beregningerne:

• Beregningerne skal være reproducerbare, hvis de skal anvendes til administrativt formål som f.eks. kommuneplanlægning. Det vil sige at to personer der laver en spredningsberegning bør få det samme resultat. Dette er det simpleste krav, men er svært at opfylde i dag, fordi der er så mange situationer og så mange parametre der skal vurderes. Givet, at der er væsentlig usikkerheder i beregningerne er det ikke nødvendigt at opnå reproducerbarhed indenfor to eller tre signifikante cifre. Reproducerbarhed indenfor f.eks. 20 % ved udførsel af en fast beregningsprocedure bør dog kunne opnås.
   
• Beregningerne bør være rimelig nøjagtige, helst indenfor en faktor 2 ved beregning af sikkerhedsafstande, for eksempel. Større usikkerheder vil medføre store omkostninger for samfundet ved planlægning af grænsen imellem industriområder og beboelsesområder. En sådan grad af nøjagtighed kan opnås i dag for nogle beregninger, men større usikkerheder forekommer ofte (se ref. 19 der viser en succes med reproducerbarhed af analyser ).
  
  Nøjagtighed i denne henseende er størrelse som kan være vanskelig at definere. Ved risikoanalyse især antages det især, at anlægget er ”et gennemsnitsanlæg”. Antagelsen tillader at der anvendes hyppigheder for svigt af rør, svigt af sikkerhedsforanstaltninger og form og typer af udslip som er baseret på erfaring fra hele industrien. Resultaterne kan derfor blive ”nøjagtighed i gennemsnittet”. Det vil sige at man vil få en beregning af risikoen for et stort antal anlæg som passer til det aktuelle gennemsnit. Det vil ikke nødvendigvis passe til et bestemt anlæg.
   
• Anvendelse af industri gennemsnitsdata i beregninger kan medføre problemer, idet det aktuelle anlæg kan afvige betydeligt fra gennemsnittet. Hvordan tager man højde, for eksempel, for at rør og beholdere i et bestemt anlæg er betydeligt ældre end gennemsnittet? Ligeledes, hvordan opmuntrer man industrien til at hæve sikkerhedsstandarden, hvis man derefter vil vurdere resultatet som om anlægget var uforbedret og kun af gennemsnitskvalitet?
  
  Man bør være i stand til at kompensere for sådanne afvigelser og derved opnå en grad af ”anlægsspecifik nøjagtighed”. Dette er ikke normal praksis i dag, men der er udviklinger i gang som gør sådanne beregninger mulige (ref. 30)
   
• Beregningerne bør være troværdige. Der er under alle omstændigheder problemer ved accept af planer i lokalplanlægning, hvor der ofte er helt legitime modsætningsforhold. Modelresultater skal kunne anvendes uden at skabe yderligere problemer end dem der ligger i implicit i planlægningssituationen. Dette kan kun delvis opnås ved at få pålidelige modeller. De fleste interesserede personer vurderer sikkerhedsspørgsmål på basis af egne erfaringer hvis disse haves, og ellers efter reportager fra aviser og især fjernsynet. Beregninger bør reflektere de erfaringer fra uheld og specielt vanskeligheder i håndtering af uheld. Eksempler er spredninger i ekstreme situationer, som for eksempel meget høje eller lave vindhastigheder og problemer med nedslag af giftig røg omkring bygninger. Det er måske unødvendigt at alle disse fænomener modellereres men det bør gøres klart, at specielsituationer kan opstå, og der bør være en vurdering af disse.

5.8 A priori kontra tunede modeller

Modeller til udslipsberegning kan laves på basis af en grundlæggende teori. Beregninger af udslippet af væske fra et rundt hul kan for eksempel baseres på Bernoulli’s ligning, som følger direkte fra energibevarelse og fra løsning af flow langs strømlinier. Modellen baseres ikke på eksperimentale resultater. Modellen bekræftes igennem eksperimenter men anvender ingen eksperimentalt baserede konstanter eller tilpasninger i sin opbygning. Sådanne modeller hedder ”a priori” modeller.

Der er kun få modeller der anvendes i spredningsberegninger som er rene a priori modeller. Men mange er i sin overordnede form baseret på et teoretisk grundlag, med delmodeller som er baseret på eksperimenter der beskriver enkelte fænomener. De fleste tunggas spredningsmodeller, for eksempel, er baseret på masse, energi og momentumbevarelse, men anvender resultater fra detaileksperimenter til bestemmelse af værdier af diffusionskonstanter, varmetransmissionskonstanter og konstanter for effektiviteten af omdannelse af potentiel til kinetisk energi.

Modsætningen til ”a priori” modeller er rene empiriske modeller, der baseres på tilpasning af formler til eksperimentale resultater. Formlerne vælges frit for at opnå det bedste tilpasning til eksperimenterne uden nødvendigvis at tage hensyn til underliggende teori. Modellerne gøres rimeligt bredanvendelig ved at laver tilpasning på basis af dimensionsfrie variabler. En sådan model er Britter og McQuaid’s model for tunggas spredning.

”A priori” modeller betragtes som bedre end empiriske modeller fordi de forklarer mere og burde i princip være mere robust, idet de vil passe situationer der ligger udenfor området der er dækket af eksperimenter.

Empiriske modeller vil altid viser sig at være de bedste hvis kvaliteten af modellerne vurderes alene udefra nøjagtigheden af overensstemmelse med eksperimentale resultater. Overensstemmelsen kan gøres perfekt, hvis modellen gøres tilstrækkelig kompliceret. Men en empirisk model vil måske vise sig at være unøjagtig hvis den sammenlignes med nye eksperimentale resultater.

En mellemstadie imellem rene empiriske modeller og a priori modeller er ”tunede” modeller. Disse baseres på a priori modeller, men med en eller få konstanter for hvilken der er ingen teoretiske grundlag. Tilpasningen til eksperimentale resultater laves med at vælge værdier for disse konstanter.

Muligheden for tuning gør valget af modeller mere vanskelig. Man bør ikke vælge modellen der passer eksperimenterne bedst hvis den model er baseret på rene empiri fordi man ved ikke hvornår der vil opstå situationer hvor modellen passer ikke. Der er til gengæld ingen grund til at foretrække en model med et godt teoretisk grundlag hvis de beregnede resultater passer dårligt til eksperimenterne. Et kompromis er oftest nødvendigt. Et rimeligt kriterium er at man bør vælge den a ”priori model” der passer eksperimentale resultater bedst såfremt den underlæggende teori er i orden og den ikke er væsentlig dårligere end den bedste empiriske model. Der er alligevel den beslutning at tage, om man bør tune modellerne. Ref. 25 beskriver vanskelighederne i at vælge den bedste model.

5.9 Fremgangsmåder til at opfylde kriterierne

Ingen af de nuværende vejledninger til spredningsberegninger af toksiske gasarter der anvendes i dag opfylder kravene fra den forrige sektion. Der er dog flere fremgangsmåder hvormed det vil være muligt at forbedre situationen:

1. Det er muligt at specificere et standardværktøj til beregning af gasspredning. Et standardværktøj, sammen med en detaljeret vejledning i anvendelsen, vil sikre at beregningerne var i hvert fald reproducerbare. Denne fremgangsmåde er blevet anvendt til forureningsspredningsberegninger med modeller som ADMS(ref. 55), den danske OML(ref. 56) og AERMOD(ref. 57), som er såkaldte ”regulatory models”. Fremgangsmåden er anvendt til beredskabsplanlægning i USA, med CAMEO modellen (ref. 5.58) der anvendes til beredskabsplanlægning. Fremgangsmåden er også anvendt i dag i Holland og Italien til risikoanalyseberegninger hvor PHAST programpakken (ref. 59) blev valgt. De britiske myndigheder anvender et standardværktøj, RISKAT (ref. 60), til deres egne vurderinger, men værktøjet er ikke tilgængelig for virksomheder.
   
   Fremgangsmåden har to ulemper. Der er stadigvæk betydelige forbedringer i beregningerne hvert år og der er ingen standardværktøjer i dag der dækker samtlige relevante uheldsscenarier. Beregninger i nærfeltet, indenfor virksomhedens hegn er specielt dårligt understøttet af de oftest anvendte værktøjer.
    
2. Mange usikkerheder vil kunne fjernes ved at følge en bedre procedure i beregningerne. Der findes i dag to gode vejledninger, fra CCPS (ref. 1 ) og fra de hollandske myndigheder, i form af de Red, Yellow, Green and Purple Books (ref. 4,5 og 6). De hollandske vejledninger har især har gjort det muligt at forbedre reproducerbarheden af risikoanalyser således at forskellige analytikerhold har opnået at reducere maksimum variationer fra lavest til højest risikoværdi til 50 %(ref. 19). Efterfølgende studier har vist at der er stadigvæk mange detaljer der bør dækkes, før man kan opnå et analyseprocess der vil sikre den ønskede grad af reproducerbarhed (ref. 5.37).
    
3. Usikkerheder med hensyn til vindforhold vil kunne reduceres ved udarbejdelse af et vindkort for Danmark som er egnet til risikoanalyse og spredningsberegninger. (vindkort findes i dag på Risø)
    
4. Det er muligt at gennemføre en slags standardisering af beregningsmetoder ved at opstille eksperimentdata, der skal anvendes til vurdering af beregningsnøjagtighed. Som beskrevet ovenfor findes der en del data til validering af spredningsbereninger. Ref. 54 giver en oversigt over eksperimentdata, som er til rådighed. Der er nogle områder, hvor der er en mærkelig mangel på eksperimentalt data, selv på områder hvor eksperimenter kan udføres med simple midler, f.eks. fordampning fra sprayudslip.
    
5. Vejledninger om fortolkning af resultater vil kunne udarbejdes for de områder hvor standardværktøjer ikke er til rådighed i dag. En sådan fremgangsmåde er anvendt for eksempel i ref. 61, ” Emergency Responders’ Rules-of-Thumb for Air Toxics Releases in Urban Environments” af Michael J. Brown & Gerald E. Streit, Los Alamos National Laboratory. Bemærk, at det ikke vil være så nødvendig at anvende de mere komplicerede beregninger, hvis man havde et velafprøvet sæt af tommelfingerregler til vurdering af størrelsen af afvigelserne i specielle situationer.
    
6. Modellerne bør være åbne for at kunne opnå troværdighed. Dette kan delvis opnås ved at afprøve modellerne imod eksperimentale resultater, og fremlægge resultaterne, men det er ønskværdigt, at også de underliggende modeller er offentliggjort. Fremlæggelse af den grundlæggende fysik er ofte nødvendig for at kunne forstå modellernes begrænsninger. Mange af modellerne der anvendes i dag er åbne, men nogle er ”proprietary” dvs. modellerne betragtes som kommercielle hemmeligheder.
    
7. Det vil øge troværdigheden af spredningberegninger, hvis der blev udarbejdet en konsensus om behandling af usikkerheder og nødvendigheden af anvendelse af sikkerhesdfaktorer i beregningen. Det noteres, at behovet for sikkerhedsfaktorer varierer imellem de forskellige anvendelser, for eksempel imellem beregninger til risikoanalyse og til beredskabsplanlægning, idet forskellige overvejelser indgår i vurderingerne. (Se bilag A)

5.10 Modeller for konsekvensreduktion

Konsekvensreduktion er et krav i de bekendtgørelser der anvendes til styring af risici ved industrielle anlæg. Konsekvensreduktion er også ønskelig, fordi der er flere situationer hvor store konsekvenser kan give betydelige kommuneplanlægningsproblemer. Eksempler på konsekvensreducerende foranstaltninger der overvejet eller anvendt i praksis i Danmark er:

• Anvendelse af tilbageholdesesmure eller volde, for at forhindre spredning af tunggas ved lave vindhastigheder.
• Anvendelse af sprinkler, spray og vand monitorer for at ”slå gasfaner ned”
• Anvendelse af træbælter for at øge gasdispersion
• Anvendelse af vand og dampgardiner
• Anvendelse af nødskrubbere
• Anvendelse af skumtildækning

Det er ønskelig at have anerkendte modeller til dette formål, både til støtte for projektering af risikoreduktion, og for at kunne vurdere indvirkning af disse effekter på planlægning. Der findes modeller og eksperimentale data til alle disse formål. (f.eks. refs. 62 til 68)

5.11 Spredningsberegninger og risikoanalyser

Kvantitative risikoanalyser anvendes i dag til kommuneplanlægning, tillige med de kvalitative. Kvantitativ risikoanalyse foretages med beregning af mange scenarier og scenario varianter, ofte op til 90 scenarier per beholder. Det er specielt for kvantitative metoder, at der skal studeres et bredt spektrum af scenarier (i princip samtlige scenarier) og at sandsynligheder for disse scenarier skal beregnes.

Kvalitative risikoanalyser baseret oftest på anvendelse af hazard og operabilitetsmetoden (HAZOP), der undersøger alle de forstyrrelser der teoretisk forstyrrelser, der kan opstå på et procesanlæg.

Fremgangsmåderne er komplementære. Risikoacceptkriterier fra ”Kvantitative og kvalitative kriterier for risikoaccept”, Miljøprojekt 112 (ref. 69), har igennem ca. 15 år gjort det muligt at vurdere risikoen ved ”Seveso virksomheder” på en objektiv og konsistent måde under den forudsætning, at der blev taget rimeligt hensyn til usikkerhederne i beregningerne.

Spredningsberegninger anvendes i dag i Danmark til både kvalitative og kvantitative risikoanalyser. Det vurderes at ca. halvdelen af de sikkerhedsrapporter der laves i Danmark i dag udføres med kvantitative metoder som et element af rapporten (forfatterens vurdering), og at anvendelsen af kvantitative metoder er så godt som 100 % for stort anlæg og anlæg med potentiale for stor konsekvenser. Risikoberegninger af denne type kræver data for hyppigheden af udslip og for pålidelighed af sikkerhedsforanstaltninger. Usikkerheden i risikoberegninger stammer til dels fra spredningsberegninger, og til dels fra hyppigheds data.

I dag foregår der et ihærdigt arbejde på EU planen for at udvikle standard hyppighedsdata til anvendelse i sikkerhedsrapporter (ref. 70). Det forventes at dette arbejde vil medføre en betydelig forbedring i både reproducerbarhed og nøjagtighed af risikoanalyserne indenfor det kommende år.

5.12 Opsummering

Beregninger af spredning af toksisk gas involverer flere modeller til de forskellige stadier i et udslipsscenarier typisk mellem tre og fem modeller. Der er betydelige usikkerheder på op til 50 % for flere af modellerne og større for nogle få modeller til nogle scenarier.

En gennemgang af tabel A.2 viser, at der kan foretages spredningsberegninger for mange af scenarierne med et minimum af usikkerhed, ca. en faktor 2 overalt. Dette kræver omhyggelig tilrettelæggelse af beregningsvejledninger, således at usikkerhederne der opstår fra datavalg og scenarievalg minimeres. Modeller der baseres direkte på eksperimentdata kan opnå en bedre nøjagtighed end en faktor 2.

Der er større områder hvor usikkerheden i beregningerne er større og nogle områder hvor der ikke findes anerkendte metoder. Spredningsberegninger fortages fortrinsvis med simple modeller i dag og der er områder hvor disse modeller slet ikke passer. Eksempler er udslip i tæt bebyggelser og indendørs. Resultatet er, at beregninger ofte ikke vil kunne anvendes til vurdering af risikoen for medarbejderne.

Der er muligheder for forbedring af situationen, for eksempel ved validering af modeller til nærfeltsberegninger og indendørsberegninger og ved en større anvendelse af CFD metoder.

Der vil ligeledes være muligheder for reduktion af usikkerheder ved at udvikle bedre vejledninger til beregninger, der minimerer unødvendig variationer i beregningsresultater.

5.13 Krav til spredningsberegningsmodeller

Det er muligt at udlede funktionelle krav til standardberegningsmetoder på basis af de ovenstående modelvurderinger. Andre krav der stammer fra anvendelsesbehov, specielt ved beredskabsberegninger, udledes i de senere kapitler.

| Forside | | Indhold | | Forrige | | Næste | | Top |

Version 1.0 Marts 2007, © Miljøstyrelsen.