Diseño inverso de chimeneas industriales Minimización del impacto ambiental y reducción de costes mediante el uso de algoritmos genéticos Salvador Izquierdo Estallo ([email protected]) Departamento de Ciencia y Tecnología de Materiales y Fluidos, Centro Politécnico Superior, Universidad de Zaragoza Tutor: Norberto Fueyo Díaz Nomenclatura Caracteres latinos: AG(s) algoritmo(s) genético(s) CF costes fijos [Euros] CT costes totales [Euros] CV costes variables [Euros] D diámetro interno de la chimenea [m] DA deterioro ambiental H altura de la chimenea [m] I interés anual m masa de contaminante [kg/s] P presión [Pa] PM peso molecular [g/mol] Q caudal volumétrico de gases que salen por la chimenea [m3/s] Q& caudal másico de gases que salen por la chimenea [kg/s] s sección interior mínima de al boca de salida de la chimenea [m2] u velocidad del viento en la boca de la chimenea [m/s] v velocidad de salida de los gases en la boca de la chimenea [m/s] Caracteres griegos: h rendimiento del ventilador e rugosidad de las paredes internas de la chimenea s desviación de la distribución gaussiana 1 1 Introducción 1.1 El Problema Inverso El objetivo final en prácticamente todas las ramas de la Ingeniería es el diseño, ya sea de equipos, procesos, instalaciones o planificaciones. A la hora de realizar este diseño se pretende, en la mayoría de los casos, que sea óptimo; esto es, que consiga minimizar (o maximizar) una serie de criterios contrapuestos, alcanzándose el mejor compromiso entre todos ellos. Para llevar esto a cabo se procede normalmente de forma iterativa, diseñando un determinado equipo, evaluando sus cualidades y posteriormente comprobando si cumple las especificaciones que se buscan. Esto quiere decir que cuando se comienza un proceso de diseño, se conoce de antemano el resultado final que se quiere conseguir, pero no como llegar a él y por eso se entra en el proceso de prueba y error. Este problema en el que se conoce el objetivo final y en el que se desconoce el diseño, se denomina frecuentemente “el problema inverso”. El problema inverso es, en gran medida, “El Problema” de la Ingeniería. Puede ser formulado de varias formas, todas ellas equivalentes: · Determinar las causas desconocidas de un fenómeno basándose en la observación de sus efectos. · Dada una respuesta a un problema, encontrar la pregunta que lo enuncia. · Dados los resultados deseables de un proceso, encontrar las condiciones de operación (o condiciones de contorno) que llevan a dichos resultados. La definición del problema inverso admite otras formulaciones alternativas, que están muy relacionadas con las anteriores. Éstas incluyen: · La optimización de un proceso mediante el cambio de las condiciones de operación, la geometría, etc. · Encontrar las constantes de un modelo que mejor se ajusten a los resultados de las observaciones. 2 · Encontrar el peor escenario que es posible alcanzar debido a la combinación de las incertidumbres de un modelo. De la anterior descripción, se puede concluir que la mayoría de las resoluciones directas que se hacen de un problema de ingeniería son en realidad uno de los pasos de un problema inverso que debe ser resuelto. Por ejemplo, cuando se calcula un flujo determinado de una instalación, es frecuente hacerlo con el objetivo de mejorar el proceso de un producto. A raíz de los resultados del cálculo, el ingeniero, la mayoría de las veces, introduce cambios en el diseño o en las condiciones de operación con la esperanza de hacer el proceso más eficiente. Este ingeniero está, sin saberlo, intentando resolver un problema inverso. Se puede acudir a varias técnicas para resolver el problema inverso, entre las que se encuentran gran parte de los métodos de optimización existentes. En este caso se emplearán como base para la resolución de este problema los Algoritmos Genéticos (AGs), ya que presentan la ventaja de poderse desacoplar del problema a resolver y de ser muy robustos, con lo cual es posible su aplicación a una gran variedad de problemas. 1.1.1 Problema inverso, Algoritmos Genéticos y Combustión Debido a que el problema inverso, en cualquiera de las formas presentadas anteriormente, es muy relevante en la generación de electricidad a partir de combustibles fósiles, este trabajo pretende dedicarse al estudio de su resolución, especialmente a la problemática entorno a la generación de contaminantes en la combustión. Los Algoritmos Genéticos, desde su aparición en la década de los 70, desarrollados por John Holland (1975), han sido empleados hasta ahora, en multitud de campos y aplicaciones, entre las que destacan: la optimización, la programación automática, el aprendizaje máquina, la economía, el estudio de sistemas sociales o la asignación de recursos. Su extensión a todas estas áreas de conocimiento se debe a la robustez que presentan en su estructura más sencilla y a su correcta adaptación para resolver problemas reales, que ha sido posible gracias al esfuerzo realizado por varios grupos de investigación en el desarrollo de técnicas avanzadas para AGs. Un Algoritmo Genético (AG) consigue resolver problemas de optimización de una manera rápida y eficaz, mediante la emulación del proceso natural de supervivencia de los mejor adaptados. Para ello, genera poblaciones cuyos individuos son las posibles soluciones a un problema y las hace evolucionar, consiguiendo, en el transcurso de un cierto número de 3 generaciones, conocer la solución óptima para dicho problema. Como no requiere la derivación de ninguna función, puede dar solución a problemas irresolubles con otros métodos. Además, los AGs pueden ser masivamente paralelizados, reduciendo enormemente el tiempo de computación frente a otros métodos de optimización. La utilización de combustibles fósiles en calderas produce una serie de contaminantes (CO2, CO, SO2 y NOx entre otros), que tras haberse realizado los procesos correspondientes de limpieza de gases, deben ser expulsados a la atmósfera garantizando la máxima seguridad para las personas y el medio ambiente circundante. Los dispositivos empleados para expulsar los gases son las chimeneas, y de su correcto diseño depende la calidad del servicio. En este trabajo se propone una metodología para el diseño de chimeneas que consigue minimizar el impacto ambiental que éstas suponen, debido a la emisión de gases contaminantes, a la vez que se minimizan los costes de construcción y explotación. 1.2 Diseño de chimeneas El diseño de una chimenea industrial radica en calcular su diámetro interno (D) y su altura (H). Por otra parte, debe comprobarse que la chimenea diseñada crea suficiente tiro. Antes de comenzar con la discusión acerca de cómo afrontar el diseño de chimeneas, se definen los siguientes conceptos: · Nivel de emisión: cantidad de un contaminante emitido a la atmósfera por un foco fijo o móvil, medido en una unidad de tiempo. · Nivel de inmisión: cantidad de contaminantes sólidos, líquidos o gaseosos, por unidad de volumen de aire, existente entre cero y dos metros de altura sobre el suelo. La misión de una chimenea en una industria que emite gases a la atmósfera es crear el tiro necesario para conseguir que la emisión de dichos gases se haga de tal forma que la concentración de contaminantes en inmisión no sobrepase en ningún caso los límites permitidos por la legislación. Esto supone que se tenga que conocer, antes de la construcción de la chimenea, que concentraciones se van a dar en inmisión a partir de ciertos valores de emisión que es posible calcular en el proceso de diseño del proceso industrial correspondiente. Para diseñar una determinada chimenea se deben conocen los límites para cada uno de los contaminante producidos, así como los valores de concentraciones de emisión para cada uno de ellos. Se necesita algún medio para relacionar estos valores, de tal forma que se pueda asegurar 4 que la chimenea diseñada es apta, o por el contrario, genera concentraciones en inmisión por encima de los valores establecidos en la legislación. El método buscado debe cumplir las siguientes características: · Ser universal, es decir, que sea posible aplicarlo a todo tipo de chimeneas, sin restricción de dimensiones ni de situación geográfica. · Ser fiable, de tal forma que garantice un valor correcto en inmisión a partir de un valor de emisión dado. 1.2.1 Metodologías de diseño Actualmente quien se enfrente a este tipo de diseño podría optar por tres vías bien diferenciadas: · Fórmulas semiempíricas, en las que se tienen en cuenta valores medios anuales de climatología. Un ejemplo es la fórmula propuesta para el cálculo de la altura de chimeneas industriales pequeñas y medianas del Anexo II de la Orden Ministerial (18 de octubre de 1976). Este tipo de métodos es de aplicación muy limitada y no garantiza el cumplimiento de los valores permitidos por la legislación en inmisión. Por lo tanto, no se puede considerar apto para realizar diseños de chimeneas de forma universal. · Manuales de buenas prácticas en ingeniería, en los que se señalan criterios generales y normas básicas a respetar en el diseño. Un manual de este tipo, como pueda ser el desarrollado por la Agencia de Protección Ambiental de EEUU (1985), basa sus conclusiones en una amplia cantidad de experimentos y experiencias. Se define la altura GEP (Good Engineering Practice) como la altura necesaria para asegurar que las emisiones de la chimenea no resulten en concentraciones excesivas de cualquier contaminante del aire en la vecindad inmediata a la fuente, como resultado de precipitaciones atmosféricas o turbulencias que pudieran crearse por la fuente misma, las estructuras cercanas u obstáculos en los terrenos cercanos. El uso de este manual de buenas prácticas cumple la condición de universalidad exigida anteriormente, pero no garantiza el cumplimiento de la legislación. · Aplicación de modelos de dispersión de contaminantes para conocer si la chimenea diseñada respeta los valores en inmisión marcados por la legislación. Esta tercera vía de diseño es propuesta cuando ninguna de las dos vías anteriores es aplicable o no son capaces de proporcionar soluciones satisfactorias. Tanto la legislación española, como la Agencia Ambiental Americana recomiendan recurrir a este tipo de métodos para asegurar que los 5 contaminantes emitidos a la atmósfera por medio de las chimeneas a diseñar no sobrepasaran en ningún caso las concentraciones permitidas por la legislación. Existe una gran variedad de modelos de dispersión de contaminantes; el análisis de los diferentes modelos y sus capacidades ayuda a escoger el más adecuado. 2 Objetivos El presente trabajo consta de los siguientes objetivos: · Aplicar técnicas avanzadas de Algoritmos Genéticos para el diseño de chimeneas industriales. Dichas técnicas avanzadas son: o El análisis multiobjetivo, que se espera proporcione información útil para la toma de decisión a la hora de diseñar la chimenea (Deb, 1999), (Natalie et al, 1999), (Oei et al, 1991). o La paralelización del cálculo con el Algoritmo Genético para reducir el tiempo en el que se realiza el diseño (Cantú-Paz, 1997). · Escoger el modelo de dispersión de contaminantes más adecuado para realizar este tipo de diseño. El modelo elegido debe cumplir las dos siguientes características: o Ser universal, es decir, que sea posible aplicarlo a todo tipo de chimeneas, sin restricción de dimensiones ni de situación geográfica. o Ser fiable, de tal forma que garantice un valor correcto en inmisión a partir de un valor de emisión dado. · Realizar el diseño de tal forma que se consiga cumplir simultáneamente los dos siguientes propósitos: o Minimizar el impacto ambiental producido por los gases emitidos. o Minimizar el coste económico de la construcción de chimenea y de su posterior explotación. 6 3 El Algoritmo Genético El AG empleado constará de un AG básico más una serie de técnicas avanzadas que mejoran sus capacidades haciéndolo más rápido. Adicionalmente se le incluyen una serie de técnicas avanzadas, como son la capacidad de realizar análisis multiobjetivo y la paralelización del cálculo. 3.1 AG básico Una definición general de los AGs podría ser como sigue: Los Algoritmos Genéticos son métodos estocásticos de búsqueda ciega de soluciones cuasi-óptimas. En ellos se mantiene una población que representa a un conjunto de posibles soluciones a lo largo de un proceso (evolución) en el cual, dicha población, es sometida a ciertas transformaciones, con las que se trata de obtener nuevos candidatos (reproducción) y a un proceso de selección sesgado en favor de los mejores candidatos. La principal innovación de los AGs en el campo de los métodos de búsqueda es la adición de un mecanismo de selección de soluciones basándose en un función objetivo definida para cada problema. En cuanto a las restantes características que definen los AGs cabe decir que éstos son métodos de búsqueda: · Ciega, es decir, no disponen de ningún conocimiento específico del problema (no hay ninguna función analítica que lo defina a priori) de manera que la búsqueda se basa exclusivamente en los valores de la función objetivo. · Codificada, puesto que no trabajan directamente sobre el dominio del problema, sino sobre representaciones de sus elementos. · Múltiple, esto es, buscan simultáneamente entre un conjunto de candidatos. · Estocástica referida tanto a las fases de selección como a las de transformación. Esto proporciona control sobre la explotación y exploración del espacio de búsqueda. Todas las características mencionadas se introducen deliberadamente para proporcionar más robustez a la búsqueda, esto es, para darle más eficiencia sin perder la generalidad y viceversa. 7 3.1.1 Estructura y componentes básicos Al ejecutar un Algoritmo Evolutivo, una población de individuos que representan a un conjunto de candidatos a soluciones de un problema, es sometida a una serie de transformaciones (reproducción) con las que se actualiza la búsqueda y después a un proceso de selección que favorece a los mejores individuos. Cada ciclo de reproducción + selección constituye una generación, y se espera del AE que, al cabo de un número razonable de generaciones, alcance un conjunto de individuos que estén lo suficientemente próximos a la solución buscada. Los Algoritmos Genéticos, como ejemplo fundamental de los Algoritmos Evolutivos, siguen dicho esquema básico con ciertos detalles propios. n Generar población incial (n individuos) 1 Función de coste (Fitness) 2 n 3 Selección 4 generación = = generación +1 Reproducción (Operadores genéticos) n m Reemplazo 5 n NO 6 ¿Criterio de terminación? SÍ Individuo óptimo Figura 1- Estructura de un Algoritmo Genético simple. n es el número de individuos de la población; m es el número de individuos de la descendencia (m<n). Siguiendo el esquema de la Figura 1, se detalla cada uno de los pasos: 8 [1] Generar la población inicial Supone establecer un criterio para construir la población inicial con la que se arranca el bucle básico del AG. Normalmente se hace de forma aleatoria. Esta población que se someten a evolución en un AG son cadenas binarias sobre las que se codifican los elementos del espacio de búsqueda. Las cadenas binarias reciben el nombre de individuo codificado y los elementos del espacio de búsqueda el de individuos sin codificar. [2] Función de coste Todo el procedimiento de búsqueda está guiado exclusivamente por una función de aptitud f(x). Esta función de aptitud corresponde a la función objetivo del problema. A este valor se le denominará con el término empleado en la bibliografía inglesa: fitness. La función de evaluación no tiene por qué estar expresada de forma cerrada como una función objetivo clásica, basta con que proporcione un 'índice de idoneidad' para cada uno de los candidatos a solución que se le presenten. De todos modos, es conveniente que el procedimiento de obtención de dicho índice se pueda implantar con facilidad en un computador, dado que la evolución de todo el algoritmo va a depender de él. [3] Selección La función de selección representa un papel fundamental en la convergencia y evolución de un algoritmo genético. Por otro lado, mientras el tamaño de población juega un papel fundamental en la exploración de un algoritmo genético, la función de selección determina la explotación realizada en un algoritmo genético. Existen varios métodos para efectuar la selección, la decisión para usar un método de selección depende en gran medida del tipo de problema y la representación usada en éste. Uno de los métodos más empleados, por sus buenos resultados es la selección por torneo. Este método se basa en formar tantos grupos de k individuos como el tamaño de la población. El mejor de cada grupo es introducido en la nueva población. [4] Reproducción (operadores genéticos) Una población que consta de n individuos se somete a un proceso de selección para constituir una población intermedia de progenitores que son los que generarán los nuevos individuos. Sirviéndose de los operadores genéticos, los progenitores son sometidos a ciertas 9 transformaciones de alteración y recombinación en la fase de reproducción en virtud de las cuales se generan m nuevos individuos que constituyen la descendencia. 3.1.1.1.1 Los operadores genéticos Se llaman así a los operadores con los que se lleva a cabo la reproducción. Todo AG hace uso de al menos dos operadores genéticos, el cruce y la mutación; no obstante ellos no son los únicos posibles y además admiten variaciones. Los operadores genéticos nos permiten realizar explotación y exploración de soluciones en un espacio de búsqueda determinado. 3.1.1.1.2 Operador clásico de cruce El cruce es el operador más importante del AG, permite generar nuevos individuos a partir de un par de individuos padres, este operador da, como ya se ha dicho, capacidad de explotación. Inicialmente se define una probabilidad de cruce pC (normalmente se encuentra entre 0,5 y 0,9). En función de esta probabilidad se decide si dos individuos, seleccionados anteriormente en el proceso como padres, se cruzan. El cruce implica intercambiar la información del gen (cadena de codificación de la solución) desde un punto determinado aleatoriamente hasta el final. 3.1.1.1.3 Operador clásico de mutación La mutación es un operador que permite introducir nueva información a la población. Para su aplicación, inicialmente se determina una probabilidad de mutación pm que suele ser baja (típicamente 1/N), entonces cada cromosoma Ai de la nueva población se recorre secuencialmente, mutando los caracteres (de 0 a 1 ó viceversa) en función de la probabilidad fijada. [5] Reemplazo Para formar la nueva población se deben seleccionar n supervivientes de entre los n + m de la población original y la descendencia, eso se hace en la fase de reemplazo. Como ya se comentó, la selección se hace en dos etapas (selección y reemplazo) con la idea de emular las dos vertientes del principio de selección natural: selección de criadores y selección de supervivientes para la próxima generación o reemplazo. 10 La selección de los individuos que pasarán de una generación a otra debe hacerse considerando la aptitud del individuo y la aptitud promedio de la población actual. De modo que los individuos con una aptitud mayor que el promedio tienen una alta probabilidad de sobrevivir y los individuos con una aptitud inferior al promedio tienen una alta probabilidad de morir. Los criterios con que se seleccionan los criadores no necesariamente han de ser los mismos con que se seleccionan los supervivientes, de ahí la necesidad de especificarlos por separado. [6] Iteración Se deben concretar las condiciones con las que se considera que el AG ha dado con una solución aceptable o, en su defecto, ha fracasado en la búsqueda y no tiene sentido continuar. 3.2 Análisis Multiobjetivo En ingeniería, es común optimizar diseños o planificaciones que requiere satisfacer dos o más propósitos contrapuestos. Un ejemplo típico de esta optimización multiobjetivo podría ser minimizar el coste de un producto y obtener del mismo el máximo beneficio. Otro ejemplo sería el diseño de un automóvil que, siendo lo más ligero posible, posea a la vez la máxima seguridad. En estos casos caben dos posibilidades: (1) ponderar los distintos objetivos que se tengan o (2) aplicarse optimización multiobjetivo. La optimización multiobjetivo con AG (Deb, 1999), (Natalie, 1999) se basa en la selección de los individuos en función de su clasificación jerárquica en frentes. El primer frente está formado por los individuos no dominados de la población entera, el siguiente frente lo forman los individuos que no son dominados por el resto de individuos de la población y así sucesivamente. Así, el valor de la función objetivo (fitness) para cada invididuo es igual a la inversa de su número de frente en caso de minimización e igual al número de frente en caso de maximización. A este fitness se le denomina relativo, porque no corresponde a una valoración cuantitativa proveniente de la evaluación de una función, sino a una comparación con el resto de posibles soluciones. Esta técnica se denomina Nondominated Sorting Genetic Algorithms (NSGA). Para hacerla más efectiva, se utiliza el método niche (Oei et al, 1991) (nicho ecológico, en la terminología de los AGs con paralelismo en la naturaleza). Este método evita que los individuos se estanquen en un nicho ecológico determinado (frente de soluciones) promoviendo así la variabilidad de la población, de esta forma es posible obtener varios puntos por cada frente. En otras palabras, dos individuos en el mismo frente que sean demasiado parecidos (pequeña distancia entre ellos) se 11 consideran del mismo nicho y se rebaja su aptitud para favorecer la diversidad evitando su reproducción. 3.3 Paralelización Actualmente, debido a la creciente accesibilidad de clusters de ordenadores, es posible plantear estrategias de paralelización para los AGs, que permitan reducir el tiempo neto de ejecución. Por otra parte, la propia estructura de cálculo de los AGs hace que sean candidatos idóneos para este tipo de ejecuciones en paralelo. Los algoritmos genéticos denominados en paralelo maestro-esclavo o de paralelización global, distribuyen las funciones de aptitud entre procesadores esclavos (Cantú-Paz, 1997). La información la recolecta el procesador maestro, que procesa la población de soluciones candidatas al óptimo, aplicando operadores de selección, cruce y mutación. Entonces envía las nuevas soluciones a sus esclavos para que sean evaluadas. Se puede realizar la paralelización de forma síncrona o asíncrona. Al realizarla de la primera forma, el procesador maestro espera a que todos los procesadores esclavos terminen su evaluación para mandarles otra, quedando la velocidad del AG condicionada por el procesador más lento. La paralelización asíncrona permite ir asignando a los procesadores esclavo las evaluaciones a realizar conforme éstos van quedando libres de carga. Este tipo de paralelización global asíncrona es la que se ha implementado en el AG del que se hace uso en el presente trabajo. Su elección ha sido debida a que permite un gran ahorro de tiempo en la resolución de problemas en los que el mayor coste computacional está en la evaluación del problema, como es el caso de la mayoría de los procesos industriales reales. La Figura 2 muestra un diagrama de la comunicación entre los diferentes procesadores y el AG. 12 AG en serie Población/ Variables AG Población / Selección Entrecruzamiento Mutación Nueva generación Fitness CPU 1 Evaluación del problema Scripts de distribución (CPU 0) CPU i Individuo Variables AG Evaluación del problema Individuo Fitness Scripts de recolección (CPU 0) CPU n Evaluación del problema Coste H, D Diseño chimenea H, D, v ISCST Evalúa inmisiones Valor función objetivo DA Figura 2 - Estructura de la paralelización global aplicada en el problema que se resuelve en este trabajo y representación de la estructura del problema a resolver por el AG. 4 4.1 Metodología de Diseño de Chimeneas Modelos de dispersión de contaminantes De las tres posibles vías planteadas para el diseño de chimeneas industriales (sección 1.2), tan sólo la tercera vía cumple correctamente las dos características que permiten aplicar algoritmos genéticos y realizar el diseño inverso deseado. En este trabajo se ha optado, de entre los modelos de dispersión de contaminantes existentes y atendiendo a las consideraciones de la Tabla 1 (Zannetti, 1993), por hacer uso de un programa de dispersión de contaminantes de penacho gaussiano. El programa de penacho gaussiano a emplear es Industrial Source Complex (ISC) (US EPA, 1995). 13 Escala de procesos atmosférico Microescala Mesoescala Macroescala s Escala de fenómenos de Local Local - Regional - Regional Continental Global dispersión Modelo Sobreelevac ión Gaussiano Semiempíri co Euleriano Lagrangian o Químico 1,2,4 1,2,4 1,2 1,2,3,4 1,2,4 1,2,4 2,3,4 2,4 4 4 2,4 (1,2,)4 2,3,4 2,4 Recepción 2,4 Estocásticos 2,4 2,4 2,4 Tabla 1 Campos de aplicación de varias categorías de modelos de dispersión de contaminantes dependiendo de la escala de los fenómenos de dispersión (1: Regulación de la calidad del aire, 2: Modelos de planificación económica, política o social, 3: Información pública, 4: Investigación científica). 4.2 Diseño de chimeneas El diagrama de bloques de la Figura 2 muestra la relación entre los distintos módulos de cálculo que intervienen en el proceso de diseño de la chimenea. 4.2.1 Diseño de la chimenea El diámetro y la altura son parámetros necesarios para diseñar una chimenea, pero se precisa conocer también la energía empleada para inducir el tiro y la velocidad media de los gases dentro de ella. 14 El flujo a analizar es compresible; se considera que la chimenea es adiabática y que los gases pueden tratarse como ideales. Tomando los puntos de referencia de la Figura 3 y realizando un balance de fuerzas a los gases dentro de la chimenea, se obtiene la ecuación 1. P1 = Patm + r gH + DPf 1® 2 - ( r a - r ) gH (1) Donde: · Patm es la presión en la boca de la chimenea. · r gH es el término debido a la columna de gas dentro de la chimenea. · DPf 1® 2 es el término de pérdidas de carga entre el punto 1 y el 2. · ( r a - r ) gH es el término de flotabilidad. Tiro natural por diferencias de densidad. D z 2 x (x,y,z) (x,0,0) H Gases de chimenea 0 1 (x,y,0) y Hs H (a) (b) Figura 3 – (a) Chimenea y ventilador para inducir el tiro. (b) Representación del penacho gaussiano calculado por ISC. La pérdida de carga entre el punto 1 y el 2 de la chimenea (Sandler, 1985) se calcula como suma de dos términos (Ec. 2), uno debido a la energía cinética y otro debido a la fricción. DPf 1®2 = DPK + DPF (2) 15 El término debido a la energía cinética se calcula según la expresión 3 y el término debido a la fricción con la Ecuación 4. é æP 1 DPK = r 1 v12 êçç 1 êè P2 2 ëê DPF = K FA f 1 ù ök ú ÷÷ - 1 ú ø ûú (3) L r 12 v12 D 2r (4) El factor de fricción para las pérdidas de carga se calcula a partir de la ecuación de Coolebrok (Ec. 5). El sistema de ecuaciones resultante se resuelve de forma iterativa. é e 2,51 = -2 logê + 3 , 7 D f Re f êë 1 ù ú úû (5) Los parámetros de cálculo empleado son los mostrados en la Tabla 2, y el cálculo de las propiedades del flujo en los puntos 1 y 2 se realizan de acuerdo a las expresiones de la Tabla 3. Valor P0 Tamb Patm PM [Pa] [k] [Pa] [g/mol] 298 101325 29,92 10132 5 R [J/mol k] m& k [kg/s] =Cp/Cv 8,31 140 1,4 0,03 Tabla 2 - Valores de constantes y parámetros empleados. De esta forma se calcula la velocidad de los gases en la chimenea y la presión en la base de la misma. 1 T [k] 400 2 æP T2 = T1 çç 2 è P1 ö ÷÷ ø k -1 k 16 Ecuación (1) P [Pa] 3 r1 = [kg/m ] P1 PM RT1 Patm ök ÷÷ ø æP v2 = v1 çç 1 è P2 ök ÷÷ ø 4m& RT1 v1 = P1 PMpD 2 v [m/s] Tabla 3 - Valores de T, P, 1 æP r 2 = r 1 çç 2 è P1 1 y v en cada uno de los puntos de la chimenea. 4.2.2 Estimación del coste de la chimenea Los costes totales de cada chimenea se calculan como la suma de los costes fijos (CF) más los costes variables (CV). Puesto que existen cuatro chimeneas en la planta (como se verá en la descripción del escenario), el coste total de la instalación de las chimeneas será cuatro veces el coste total calculado para una de ellas. CT = 4(CF + CV ) (6) 4.2.2.1 Costes fijos Los costes fijos de la chimenea (en Euros) se calculan a partir del valor de su diámetro y de su altura. La expresión empleada puede variar según el material que se emplee, el constructor o la temperatura de los gases. Para este trabajo se ha escogido la expresión (Vatavuk, 1999): CF = 3231HD 1, 2 (7) El coste de una chimenea puede variar dependiendo del material de construcción, que a su vez depende de la temperatura de los gases de salida. La ecuación 7 puede ser sustituida por aquella más ajustada al tipo de chimenea que se vaya a construir. 4.2.2.2 Costes variables Los costes variables se calculan mediante una estimación de la energía necesaria para proporcionar el tiro inducido necesario para la correcta expulsión de los gases por la chimenea. En el apartado de Diseño de la chimenea, se calcula la presión en el punto 1. La energía necesaria para tener esa presión es igual a la proporcionada por el ventilador menos la presión en el punto cero. 17 Los costes variables para n años de funcionamiento (en Euros), con crecimiento de precios i y con un coste C de la electricidad (Tabla 4), es: CV = 8,76C ( P1 - P0 )Q 1 - (1 + i ) - n h i C [Euros/kW· n i [años] h] Valor 0,02 3% (8) 0,9 15 Tabla 4 - Valores de los parámetros empleados en el cálculo de CV. 4.2.3 Cálculo de la dispersión de contaminantes con ISCST ISC es un programa que aplica un modelo de penacho Gaussiano estacionario para el cálculo de dispersión de contaminantes. Este programa ha sido desarrollado, evaluado y contrastado por la Agencia de Protección Ambiental americana (EPA), y ha sido y es ampliamente utilizado en estudios de impacto ambiental. Con ISC se pueden calcular concentraciones de inmisión en zonas urbanas o rurales, y también en terreno llano o irregular, ya que permite introducir la topografía de un terreno específico. Se pueden calcular concentraciones de inmisión en zonas alejadas hasta 50 km de la fuente de emisión, y se pueden realizar cálculos a corto y a largo plazo. Cuando se realizan cálculos a largo plazo, se introducen datos meteorológicos medios mensuales, y se obtienen a su vez medias mensuales o anuales, siendo el plazo de simulación mínimo un año. Cuando se utilizan cálculos a corto plazo, se introducen datos meteorológicos medios horarios, y se obtienen desde medias horarias hasta medias anuales de concentraciones de inmisión. El intervalo de simulación en cálculos a corto plazo oscila entre una hora como mínimo y un año como máximo. La aplicación realizada en este proyecto hace uso de ISCST, que es el módulo de cálculo de ISC empleado para cálculos a corto plazo. Los datos que necesita el programa son los siguientes: 18 · Respecto de la fuente contaminante: localización, gasto másico de contaminante emitido, altura de la fuente, velocidad, temperatura y caudal de los gases. · Respecto a la meteorología: datos horarios de temperatura, presión, dirección y velocidad del viento, nubosidad y altura de la capa de mezcla. · Respecto a la topografía: malla del terreno, con la altura del terreno en cada nodo de la malla. Los resultados del programa son: · Resumen de todos los parámetros de control empleados para la ejecución del programa. · Tablas de datos meteorológicos horarios para cada día simulado. · Concentraciones promedio de inmisión, desde horarias hasta anuales, dependiendo de si se realizan cálculos a corto o a largo plazo. · Tablas con los mayores valores en inmisión calculados para cada receptor. 4.2.3.1 Modelo de cálculo ISCST calcula las concentraciones en inmisión con un modelo basado en la ecuación básica del modelo gaussiano de difusión que incluye una serie de correcciones adicionales, permitiendo la aplicación del modelo a las situaciones antes descritas. 4.2.3.1.1 Ecuación básica del modelo gaussiano de difusión La ecuación de difusión gaussiana relaciona los niveles de inmisión en un punto con la cantidad de contaminante vertido a la atmósfera desde la fuente emisora, teniendo en cuenta las condiciones de emisión de los gases y las características atmosféricas y topográficas del medio receptor. 4.2.4 Estimación del Impacto Ambiental Una vez aplicado ISC, los resultados de concentración en inmisión en cada uno de los receptores son conocidos. Es necesario establecer un criterio para transformar toda la información obtenida con el modelo y reflejarla en uno o varios parámetros homogéneos y adimensionales que permitan comparar unos casos frente a otros. 19 Los criterios que se muestran en la siguiente lista cumplen las características necesarias, luego podrían ser útiles para realizar esta evaluación: · Indices de calidad del aire (Conesa, 1997) o ICAIRE o ORAQI · Indices de calidad ambiental o Battelle-EPA (2001) Los índices de calidad del aire se pueden emplear cuando se traten simultáneamente las emisiones de varios contaminantes. El criterio que se propone usar es el de Índices de Calidad Ambiental (CA), en particular los índices propuestos por el instituto Battelle y que son aplicados por la EPA. 4.2.4.1 Indice de calidad ambiental Battelle-EPA El uso de estos índices permiten obtener un parámetro, que se denominará Deterioro Ambiental (DA), con el que poder comparar concentraciones de distintos contaminantes medidos para distintos promedios de tiempo. En este caso sólo se trabaja con concentraciones de NOx, por lo tanto sólo se emplea para comparar concentraciones en distintas escalas temporales. El valor de DA queda delimitado entre 0 y 10, tanto para los promedio horarios como para los promedios anuales, que son, los promedios cuyos valores de concentración están definidos en la legislación. Basándose en los valores mostrados en la Tabla 5 se obtiene la Ecuación 9. Para los dos casos, un valor de DA correspondiente a 7 es el máximo permitido por la legislación. Los mismos conceptos presentados para las concentraciones horarias se aplican a los valores de concentración promedio anual, obteniéndose la expresión (10). Promed Unidad NO2 io 1 hr. Valores de concentración en inmisión es g/m3 0à2 à45 à6 5 0 à8 à11 à15 à20 à27 à40 à40 0 0 0 0* 0 0 0 20 Escala adimensional 1 2 3 4 5 6 7 8 9 10 Tabla 5 - Escala para transformar los valores de inmisión de NO2. * Valor límite de NO2 para promedio horario. DA1h = 10 - 10·(0,9928e - 0.0059[ NO DAanual = 10 - 10·(e - 0.03[ NO 5 2] 2] ) ) (9) (10) Escenario Para poner en práctica lo expuesto, se trabajará sobre un escenario en el que se pretenden diseñar las chimeneas de una central térmica de ciclo combinado usando ISC y Algoritmos Genéticos con el objetivo de minimizar el impacto producido por los óxidos de nitrógeno que se emiten. El escenario planteado es ficticio pero totalmente realista. A continuación se presenta: la descripción de la planta cuyas chimeneas se diseñan, la caracterización de las emisiones de la misma, la topografía del entorno, la meteorología y la calidad del aire circundante. 5.1 Breve descripción de la planta La central térmica propuesta para el escenario, produce energía eléctrica a partir de un ciclo combinado, empleando como único combustible gas natural. La tecnología de ciclo combinado consiste en el aprovechamiento de los gases residuales de una turbina de gas, los cuales se encuentran a temperaturas elevadas, como fuente de energía para un ciclo de vapor. Las ventajas de un ciclo combinado respecto a otros tipos de ciclos térmico para la producción de energía eléctrica es su elevado rendimiento, pudiendo considerarse valores entorno al 55% en condiciones ISO. En la central térmica de turbinas de gas existen 4 turbinas de gas y 4 calderas de recuperación, que producen vapor para dos turbinas de vapor, produciendo un potencia total de 250 MW al 100% de carga. A la salida de estas calderas de recuperación de calor se sitúan las 4 chimeneas que son objeto del proceso de diseño que se quiere llevar a cabo. 21 5.1.1 Caracterización de las emisiones Una vez conocido el proceso, se detallan los contaminantes que pueden aparecer en los gases de salida de las chimeneas. En esta central térmica, los contaminantes emitidos a la atmósfera se producen principalmente en el proceso de combustión del gas natural en la turbina de gas. En los gases de escape de un proceso de combustión, los contaminantes primarios generados son principalmente: el dióxido de azufre (SO2), los óxidos de nitrógeno (NOx), las partículas (PM10: partículas de diámetro inferior a 10 micras), el monóxido de carbono (CO), compuestos orgánicos volátiles (COV´s) y dióxido de carbono (CO2). Para simplificar el análisis, sólo se tendrán en cuenta los NOx emitidos por las chimeneas. En la estimación de las emisiones se introducen las máximas concentraciones de contaminantes esperadas; de esta forma, se escoge la situación más conservativa, pues estos datos se utilizarán posteriormente en el cálculo de las concentraciones de inmisión. 5.2 Legislación El objeto de esta sección es revisar la legislación sobre contaminación atmosférica, y establecer los niveles de emisión y de inmisión que dicta la ley para los contaminantes emitidos por la central objeto de estudio. La entrada de España en la Comunidad Económica Europea obligó a la transposición de la legislación europea en materia medioambiental a la legislación española, por lo que el cuerpo legislativo en materia de contaminación atmosférica está constituido tanto por legislación española como por legislación europea. 5.2.1 Niveles de emisión En la actualidad, el R.D. 646/1991 sobre niveles de emisión en grandes instalaciones de combustión excluye expresamente a las instalaciones accionadas por turbinas de gas. La Directiva 2001/80/CE sí que presenta valores de emisión para este tipo de instalaciones pero todavía no se ha transpuesto a la legislación española. En la Tabla 6 se muestran los niveles de emisión que marca, tanto la legislación española (no aplicable por ser una instalación de gas natural) como la europea, para instalaciones como la contemplada en el escenario propuesto. 22 Valores límites de emisión (mg/Nm3) NOx (1) R.D. 646/1991 350 NOx(2) Directiva 2001/80/CE 50(3),(4),(5) Tabla 6 – Niveles de emisión permitidos para NOx. (1) Niveles de emisión para NOx se refiere al 3 % de O2 en base seca de los gases residuales, calculando el volumen de los gases en condiciones normales (101.3 KPa y 0 ºC) Niveles de emisión para NOx, (2) Concentración referida al 15 % de O2 en los gases residuales en base seca, calculando el volumen de los gases en condiciones normales (101.3 KPa y 0 ºC). (3) Los valores límites se aplican únicamente por encima de una carga del 70 %. (4) Para turbinas de gas utilizadas en ciclos combinados cuyo rendimiento eléctrico global medio anual sea superior al 55 %, el límite se establece en 75 mg/Nm3, medido en las mismas condiciones (referido al 15 % de O2 en base seca). 5.2.2 Niveles de inmisión Los límites de inmisión de los óxidos de nitrógeno se fijaron en el R.D.833/1975 y posteriormente se actualizaron en el R.D.717/1987. En el año 2002 se traspuso la Directiva 99/30/CE, la Directiva 2000/69/CE y la Decisión de la Comisión del 17 de Octubre de 2001 en el R.D.1073/2002, que actualmente es la legislación vigente referida a los niveles de inmisión de las principales sustancias contaminantes. En la tabla 12 se presentan los valores de los niveles de inmisión para los óxidos de nitrógeno que marcan el Real Decreto 1073/2002. R.D. 1073/2002 Periodo de promedio Valor límite Margen de tolerancia Fecha de cumplimiento de valor límite 50 % a la entrada 200 mg/m3 de NO2, Valor límite horario para la protección de la salud humana valor que no podrán 1 hora superarse más de 18 ocasiones por año civil en vigor de la directiva, con una reducción lineal a partir del 1 de 1 de enero de 2010 enero de 2001, hasta alcanzar el 0 % el 1 de enero de 23 2010. 50 % a la entrada en vigor de la directiva, con una Valor límite anual para la protección de la reducción lineal a 40 mg/m3 de NO2 1 año civil 1 de enero de partir del 1 de 2010 enero de 2001, salud humana hasta alcanzar el 0 % el 1 de enero de 2010. Valor límite anual para la protección de la 30 mg/m3 de NOx 1 año civil 19 de Junio de Ninguno 2001 vegetación Tabla 7 - Límites de inmisión para NOx en el R.D. 1073/2002. Los valores que aparecen en esta tabla se miden en condiciones estándar (101,3 KPa y 20 ºC) 5.3 Datos de entrada de ISC La información necesaria para ejecutar ISC se describe a continuación. Los datos son introducidos mediante ficheros externos que incluyen toda la información necesaria. 5.3.1 Fuentes de contaminantes Como se ha indicado en la descripción del escenario se consideran cuatro fuentes puntuales cuyos parámetros se dan en la Tabla 8. Tipo de Q fuente [gNOx/s] H [m] T [K] V [m/s] D [m] Para cada una de las Puntual 4 chimenea 13,53 Variable del AG Calculada 400 (ver Tabla 3) Variable del AG s Tabla 8 - Datos necesarios para cada una de las fuentes simuladas. 24 5.3.2 Topografía El terreno se ha modelado sobre la base del modelo digital del terreno MDT200 del Instituto Geográfico Nacional (IGN). Cubre una extensión de 1.600 km2. Este modelo digital proporciona información para simular el terreno con un paso de malla de 200 m. Se considera que la esquina inferior izquierda, del cuadrado de 40 x 40 km simulado, es el origen del sistema de coordenadas de la malla. En la Figura 5 se muestra un plano del terreno incluido en la simulación. 5.3.3 Receptores La evaluación de la concentración en inmisión se realiza en puntos discretos sobre el terreno simulado. En este caso se han empleado receptores dispuestos en la misma disposición que la malla del terreno pero con un paso de 400 m. Disponiendo de unos 6 receptores por cada kilómetro cuadrado. 5.3.4 Meteorología Los datos meteorológicos se obtienen a partir del INM. En la Figura 4 se presenta la rosa de los vientos elaborada a partir de los datos disponibles para el año 2001. 5.3.5 Calidad del aire El entorno propuesto para la central es típicamente rural, alejado de grandes vías de circulación. Por ello, la contaminación de fondo derivada de focos móviles (automoción) o de actividad industrial debe ser, muy baja. Se fijan los siguientes valores de concentración de fondo para NOx: Concentración de Tiempo promedio NOx [ g/Nm3] 1 hora 8 1 año 0 Tabla 9- Concentraciones de fondo de NOx del escenario planteado. 25 N Año 2001 25 NNW Calmas 4,7% NNE 20 NW NE 15 WNW 10 ENE 5 W 0 E WSW ESE SW SE SSW SSE S Velocidades medias en km/h Frecuencia anual del viento en % Figura 4 - Rosa de los vientos anual correspondiente a datos de 2001 de la estación meteorológica representativa de la zona de estudio. 340 220 40 30 0 30 22 0 260 300 30 0 30 2 26 0 2 0 22 0 <Ce ntral> o 1 80 0 180 1 80 22 0 18 26 0 300 26 0 22 0 220 0 180 20 30 0 22 38 0 380 0 0 0 30 26 0 260 300 30 0 34 0 34 38 0 10 34 0 10 0 22 300 0 3 40 38 42 0 340 0 0 30 0 42 0 20 30 40 Figura 5 - Plano del terreno simulado. Las medidas están en kilómetros. 5.4 Datos de entrada del AG 5.4.1 Parámetros del AG A continuación se presentan las características que definen el AG mono-objetivo empleado (Tabla 10). 26 Parámetros Valor Generaciones 23 Individuos por generación 24 Elitismo Sí Selección Torneo Niche No Paralelización Sí Multiobjetivo No --- share Mutaciones Jump mutation 0,01 Creep mutation No Puntual 0,65 Uniforme No Cruce Tabla 10 - Parámetros del AG empleado para el diseño de chimeneas. De la misma manera se muestran en la Tabla 11 el intervalo de búsqueda de las dos variables que definen la chimenea; así como, la precisión con la que se codifican. Característica Valor Límites a variables · H [m] 10 – 350 · D [m] 1,5 – 15 Precisión · H [m] 11 bits à · D [m] ±0,1660 9 bitsà ±0,02637 Tabla 11 - Límites a las variables del AG y precisión con la que se codifican. 27 5.4.2 Función objetivo Al diseñar una chimenea hay que considerar dos aspectos básicos y esenciales. En primer lugar, el impacto que los gases emitidos tendrán sobre medio ambiente circundante, tanto sobre las personas como sobre animales y plantas. En segundo lugar, el coste de la chimenea, ya que a la propiedad le interesará que no tenga un precio elevado. El objetivo es claro, diseñar la chimenea de menor coste que cumpla con los niveles de concentración en inmisión impuestos por la legislación. La función objetivo empleada (Ec. 11) es una relación lineal del coste total de la chimenea y el máximo de entre los valores de deterioro ambiental detectado en la zona de estudio a lo largo del año simulado. Para ser poder detectar tanto concentraciones puntuales muy altas como concentraciones moderadas de carácter persistente, se escoge el valor máximo de deterioro ambiental entre los valores de promedio horario y anual. fitness = 1 max CT + 10 max( DA1max h , DAanual ) 10 5 (11) Se explica en secciones posteriores como se calculan, tanto los costes como los valores de Deterioro Ambiental (DA). 6 6.1 Resultados Resultados del AG La Figura 6 muestra la evolución del fitness (Ec.11) medio y máximo a lo largo de las generaciones. Los valores del fitness son negativos porque el objetivo es minimizar el minimizar el coste y el deterioro ambiental simultáneamente. Se puede observar que el comportamiento del GA es bueno, ya que los valores medios y máximos convergen rápidamente. El tiempo de ejecución de un caso de ISCST junto con el diseño de la chimenea es de 25 minutos en un procesador Pentium II a 500 MHz. Se ha realizado la paralelización empleando 8 CPUs, con lo cual el tiempo total para completar las 23 generaciones ha sido de algo menos de 29 horas. 28 -50 -100 -150 Fitness -200 -250 -300 -350 -400 -450 0 5 10 15 20 25 Ge ne raciones Figura 6 - Evolución del valor de la función objetivo, tanto para el mejor individuo de cada generación como para la media. 6.2 Chimenea óptima El diseño del caso óptimo supone obtener la altura y el diámetro de las cuatro chimeneas (las cuatro son iguales) que minimizan, tanto el coste ambiental que implica realizar la emisión de NOx como el coste económico de su instalación y operación. La Tabla 12 muestra las dimensiones óptimas de las chimeneas encontradas por el GA; así como, la velocidad de los gases dentro de la chimenea. H [m] D [m] v [m/s] 47,54 2,47 31,0 Valor Tabla 12- Altura, diámetro y velocidad de los gases de las chimeneas óptimas diseñadas. La Tabla 13 muestra los costes que implica instalar y operar con las cuatro chimeneas óptimas. CV [miles CF[miles CT[miles €] €] €] 230,8 454,6 685,4 Tabla 13- Costes fijos, variables y totales de la suma de las cuatro chimeneas del caso óptimo. 29 El coste ambiental se puede evaluar viendo los mapas de concentraciones de contaminantes (Figura 7). Se puede observar que los criterios escogidos en la función objetivo son significativamente restrictivos, ya que las chimeneas diseñadas producen unas concentraciones máximas a los largo del año que en ningún momento sobrepasan la legislación. Los valores máximos alcanzados están muy por debajo de estos niveles, especialmente para promedios anuales. El DA máximo anual es de 0,91 y el horario de 6,3 siendo 7 equivalente al máximo permitido por la legislación. 30 0 34 260 22 0 30 3 00 0 260 30 0 0 18 0 220 22 22 Central Central 0 22 18 220 0 0 0 30 0 2 20 30 0 30 0 0 26 18 26 300 34 0 0 30 380 0 38 34 0 0 260 300 34 0 380 340 30 0 38 0 34 300 26 0 22 0 0 26 0 220 300 22 0 180 18 0 2 60 Central Central 30 0 220 300 220 2 60 30 0 34 0 260 0 30 0 38 38 30 0 0 300 26 0220 0 30 0 0 0 34 30 30 0 34 0 30 0 38 0 30 0 380 34 4 60 microg/Nm3 149 139 129 119 109 99 89 79 69 59 50 40 30 20 10 microg/Nm3 2.99 2.87 2.76 2.64 2.52 2.41 2.29 2.17 2.06 1.94 1.83 1.71 1.59 1.48 1.36 1.24 1.13 1.01 0.90 0.78 0.66 0.55 0.43 0.32 0.20 Figura 7. (a) Concentraciones promedio horarias máximas junto con el terreno simulado. El máximo permitido por la concentración es de 200 microgramos de NOx por metro cúbico normal. Se aprecia claramente en la figura como los contornos de concentraciones máximas horarias se ajustan a la orografía del terreno. (b) Concentraciones promedio anuales máximas junto con el terreno simulado. El máximo permitido por la legislación es 40 microgramos de NOx por metro cúbico normal. Se aprecia en la figura como las 31 concentraciones anuales tienen una distribución espacial que corresponde a la de la rosa de los vientos. 6.3 Análisis multiobjetivo La Tabla 14 muestra los parámetros empleados en la optimización multiobjetivo. Al aplicar este tipo de análisis al diseño de la chimenea se evita tener que ponderar los objetivos contrapuestos en una función de coste. Parámetros Valor Generaciones 40 Individuos por generación 28 Elitismo Sí Selección Torneo Niche Sí Paralelización Sí Multiobjetivo Sí 0,8 share Mutaciones Jump mutation 0,01 Creep mutation 0,02 Puntual No Uniforme Sí Cruce Tabla 14 - Parámetros del AG para el análisis multiobjetivo del diseño de chimeneas. Los objetivos optimizados son los que aparecen en la función objetivo propuesta anteriormente. Por una parte se minimiza el coste total de la chimenea y por otra el Deterioro Ambiental máximo, en este caso para promedios horarios. En la Figura 7.a se puede ver el plano objetivo, en el que se recogen las soluciones para todas las chimeneas evaluadas por el AG. Los puntos marcados en negrita pertenecen al frente óptimo de Pareto, es decir, son todas las posibles chimeneas óptimas, solución a los objetivos propuestos. 32 La chimenea diseñada anteriormente, en base a una función objetivo, se situaría en el punto con coste 0,68 y DA 6,3. Esto implica que se ha diseñado una chimenea en la que predomina el objetivo de bajo coste. Hay que tener en cuenta, en el análisis de la Figura 7, que el cálculo del Deterioro Ambiental realizado es conservativo, es decir, eligiendo un diseño de chimenea en el que el DA sea 6,99 (menor que 7), ya se está cumpliendo la legislación, por lo tanto no es necesario invertir más dinero en chimeneas más altas. Ahora bien, siempre sería correcto invertir más, con la idea de causar el menor impacto ambiental posible. En la Figura 7.b se representan mediante línea discontinua los diseños que pertenecen al óptimo de Pareto, acotando el espacio de representación entre 4,3 y 7 para el DA. Del análisis de esta gráfica, junto con la anterior, se aprecia que llega un punto, en el que es necesario realizar inversiones muy altas para poder reducir levemente el impacto ambiental producido por los gases emitidos. Otra representación que ofrece información útil a la hora de tomar la decisión sobre qué diseño escoger se muestra en la Figura 7.c. En ella se puede ver el valor de DA máximo que se obtiene en función de la altura de la chimenea escogida. No se representa el valor de DA en función del diámetro de la chimenea, porque éste no afecta tan decisivamente en la concentración en inmisión. Los puntos en negrita de la figura son los pertenecientes al frente óptimo de Pareto, esto quiere decir que los puntos situados en la línea que une todos los diseños del frente proporcionan información sobre el Deterioro Ambiental mínimo que se puede conseguir con una determinada altura de chimenea. Al igual que en la representación del plano objetivo (Figura 7.a) se puede apreciar que llega un punto, entorno a un valor de deterioro ambiental de 5,3, que para poder disminuir el impacto producido hay que aumentar mucho la altura de la chimenea. Esto probablemente se deba a la orografía del terreno, ya que las elevaciones existentes en el entorno de la central, aunque no de gran altura, sí provocan concentraciones elevadas a pesar de aumentar la altura de la chimenea. 33 920 10 8 720 Coste [miles €] Coste [Millones de €] 820 6 620 520 4 420 320 2 220 0 3 4 5 6 7 8 9 4,3 4,6 4,9 5,2 5,5 10 5,8 6,1 6,4 6,7 7 DA DA (a) (b) 310 260 H[m] 210 160 110 60 10 3 4 5 6 7 8 9 10 DA (c) Figura 7 - (a) Plano objetivo de las soluciones para el diseño de las chimeneas. (b) Frente óptimo de Pareto para el diseño de las chimeneas. (c) Representación de la variación del impacto ambiental máximo con la altura de la chimenea. Los puntos en negrita corresponden al frente óptimo de Pareto. 34 7 Conclusiones Se ha presentado una metodología para el diseño de chimeneas que se basa en la resolución del problema inverso mediante la aplicación de Algoritmos Genéticos. El objetivo, para el problema presentado, es el diseño de la chimenea de mínimo coste que cumpla con la legislación medioambiental aplicable. Para ello se utilizan modelos para el coste de la chimenea y el impacto ambiental de los efluentes como función del dimensionado de la misma. Aunque el modelo de dispersión de contaminantes es relativamente caro en términos computacionales, la paralelización del método entre varios ordenadores permite obtener la solución óptima en un tiempo razonable. Al analizarse un problema en el que existe una confrontación de dos objetivos, en este caso el impacto ambiental y el coste económico, es posible la aplicación del análisis multiobjetivo. Este método genera gran cantidad de información, resultando una buena herramienta que ayuda a tomar la decisión sobre las dimensiones más apropiadas para la chimenea. Por esto, la metodología propuesta de diseño inverso de chimeneas resulta más apropiada que la propuesta por el Ministerio de Industria y Energía (1987), por ser capaz de generar más información. Esto no excluye tener que realizar un análisis estadístico de la meteorología de la zona objeto de estudio. La generalidad exigida al método empleado para poder realizar el diseño inverso de chimeneas industriales, hace que su uso se pueda extender a todo tipo de fuentes de contaminantes. Así pues, la metodología de trabajo propuesta sería válida también para emisiones lineales, como carreteras; o de área, como excavaciones al aire libre. La metodología empleada es muy flexible, y permite no sólo el cambio sencillo de los elementos del método (por ejemplo, la función de coste), sino la adaptación a problemas enteramente distintos. Por ejemplo, con un modelo adecuado puede ser aplicado a la optimización del proceso de fabricación para reducir las emisiones de contaminantes. En la referencia (Izquierdo 2003) se exploran algunas de estas aplicaciones alternativas. 35 8 Bibliografía BATTELLE. Air Quality Index. 2001. http://www.battelle.org/Environment/publications/ CANTÚ-PAZ E. A Survey of Parallel Genetic Algorithms. Urbana, University of Illinois at UrbanaChampaign, Illinois Genetic Algorithms Laboratory. IlliGAL Report Nº. 97003, 1997. CE. Decisión de la comisión de 17 Octubre de 2001 (2001/744/CE), por la que se modifica el anexo V de la Directiva 1999/30/CE del Consejo relativa a los valores límite de dióxido de azufre, dióxido de nitrógeno y óxidos de nitrógeno, partículas y plomo en el aire ambiente. 17 Octubre de 2001. CE. Directiva 2000/69/CE, sobre los valores límites para el benceno y el monóxido de carbono en el aire ambiente.16 Noviembre 2000. CE. Directiva 2001/80/CE, sobre limitación de emisiones a la atmósfera de determinados agentes contaminantes procedentes de grandes instalaciones de combustión. 23 Octubre 2001. CE. Directiva 2002/3/CE, relativa al ozono en el aire ambiente.12 de Febrero de 2002. CE. Directiva 99/30/CE, relativa a los valores límite de dióxido de azufre, dióxido de nitrógeno y óxidos de nitrógeno, partículas y plomo en el aire ambiente. 22 Abril 1999. CONESA FDEZ.-VÍTORA, V. Guía metodológica para la evaluación del impacto ambiental. 3ª Ed. Madrid: Ediciones Mundi-Prensa, 1997. ISBN: 84-7114-647-9. DEB K. Multi-objective Genetic Algorithms: Problem Difficulties and Construction of Test Problems. MIT, Evolutionary Computation, 1999, 7(3), 205-203. ESPAÑA. Decreto 833/75, que desarrolla la Ley 38/72 de protección del Ambiente Atmosférico. BOE núm. 96, 22 Abril 1975. ESPAÑA. MINISTERIO DE INDUSTRIA Y ENERGÍA. Manual de Cálculo de Altura de Chimeneas Industriales. 1987. 36 ESPAÑA. Orden 18 de Octubre de 1976, sobre prevención y corrección de la contaminación industrial de la atmósfera. BOE, núm. 290, 3 Diciembre 1976. ESPAÑA. Real Decreto 646/1991, sobre limitación de emisiones a la atmósfera de determinados agentes contaminantes procedentes de grandes instalaciones de combustión. BOE núm. 99, 25 de Abril de 1991. ESPAÑA. Real Decreto 717/1987, por el cual se modifica parcialmente el Decreto 833/1975 y establece nuevas normas de calidad del aire en lo referente a contaminación por dióxido de nitrógeno y plomo. BOE núm. 135, 6 de Junio de 1987. ESPAÑA. SERVICIO GEOGRÁFICO NACIONAL. MDT200, 2002. GOLDBERG DE. Genetic Algorithms in Search, Optimization, and Machine Learning. AddisonWesley, 1989. ISBN:0-201-15767-5. HOLLAND JH. Adaptation in Natural and Artificial Systems. The University of Michigan Press, Ann Arbor, 1975. IZQUIERDO S, CUBERO A, BLASCO J, FUEYO N. Minimization of pollutants emissions in combustion proceses by Genetic Algorithms. International Congress on Evolutionary Methods for Design, Optimization and Control with Applications to Industrial Problems. EUROGEN 2003, CIMNE, Barcelona, Septiembre 2003. NATALIE M. DÉSIDÉRI, J.A., LANTERI, S. Multi-Objective Optimization in CFD by Genetic Algorithms. Rapport de recherché nº 3686, INRIA. 1999. OEI CK, GOLDBERG DE, CHANG SJ. Tournament Selection, Niching and the Preservation of Diversity. Urbana, University of Illinois at Urbana-Champaign, Illinois Genetic Algorithms Laboratory. IlliGAL Report Nº. 91011, 1991. SANDLER, HENRY J. LUCKIEWICZ, EDUARD T. Practical Process Engineering. A Working Approach to Plant Design. McGraw-Hill, 1987. 37 US ENVIRONMENTAL PROTECTION AGENCY. Office of Air Quality Planning and Standards. Guideline for Determination of Good Engineering Practice Stack Height (Technical Support Document for the Stack Height Regulations). (EPA 450/4–80–023R), 1985. US ENVIRONMENTAL PROTECTION AGENCY. Office of Air Quality Planning and Standards Emissions, Monitoring, and Analysis Division. User’s Guide for the industrial source Complex (ISC3) Dispersion Models. Volume I - User Instructions. Volume II - Description of Model Algorithms. Volume III – Programmer’s Guide. 1995. www.epa.gov/ttn/scram/ VATAVUK WM. Campanas, Ductos y Chimeneas. US Environmental Protection Agency, EPA 452/B-02-002, 1999. ZANNETTI, P. Numerical simulation modelling of air pollution: an overview. 1ª Ed. Southampton: Computational Mechanics Publications, 1993. 38