Słowa kluczowe: przemysł koksowniczy, rozprzestrzenianie zanieczyszczeń w powietrzu, modelowanie stężeń zanieczyszczeń powietrza, program komputerowy
Keywords: coke industry, dispersion of pollutants in the air, modeling of air pollution concentrations, computer program
oceny oddziaływania obiektów przemysłowych na środowi-sko. W celu zwiększenia tej dokładności opracowano model uwzględniający wymienione, charakterystyczne dla koksowni zjawiska poprzez wprowadzenie zmian polegających na:
– korekcie modelu – dostosowanie występujących w mo-delu parametrów do lokalnych warunków rozprzestrze-niania na podstawie wykonanego eksperymentu, – modyfikacji modelu – uszczegółowienie opisu
mate-matycznego zjawiska rozprzestrzeniania.
Opracowany model to gaussowski model smugi, którego część dyfuzyjna odpowiada formule Pasquilla ze współczyn-nikami dyfuzji zgodnymi z polskim modelem standardowym [4]. W omawianym modelu wykładnik meteorologiczny stosowany do obliczania współczynników dyfuzji jest para-metrem reprezentującym turbulencję powietrza [5]. Parametr ten został skorygowany w celu uwzględnienia dodatkowej turbulencji związanej ze zwiększoną emisją ciepła techno-logicznego, silnym gradientem pionowym prędkości wiatru związanym z małą wysokością dominujących źródeł emisji oraz zaburzającym oddziaływaniem na przepływ występu-jących na stosunkowo małym obszarze licznych obiektów o dużych wymiarach. Część modelu opisująca zjawiska od-powiedzialne za wysokość punktu emisji gazów odlotowych została poddana modyfikacji w stosunku do standardowego modelu obliczeniowego ze względu na ponadprzeciętne pio-nowe wyniesienie zanieczyszczeń w intensywnym strumieniu konwekcyjnym tych gazów [4].
Podstawą do znalezienia wartości wykładników było ponad 1700 pionowych profilów wiatru wyznaczonych z pręd-kości wiatru mierzonych na wysopręd-kości 2 m i 10 m. Pomiary
te były prowadzone na stacji meteorologicznej znajdującej się na terenie zakładu. Przy zastosowaniu wzoru wiążącego wykładnik meteorologiczny z profilem wiatru wg [5, 6] można było wyznaczyć jego wartość dla poszczególnych klas równo-wagi poprzez minimalizację odchyleń profilu rzeczywistego i teoretycznego [7]. W ten sposób uzyskano wartości wykład-nika odbiegające od stosowanych w polskim standardowym modelu obliczeniowym (tabl. 1) [4].
Modyfikacja modelu polegała na wprowadzeniu algorytmu na wyniesienie gazów odlotowych opracowanego specjalnie dla baterii koksowniczych, co zostało poprzedzone badaniami nad zgodnością wysokości pozornego punktu emisji gazów obliczanej przy wykorzystaniu różnych znanych formuł ob-liczeniowych z obserwowaną. W ramach tych badań wyko-nano około 500 zdjęć trajektorii gazów odlotowych z baterii koksowniczej przy różnych konfiguracjach prędkości wiatru i stanów równowagi atmosfery. Uzyskany materiał zdjęciowy został poddany selekcji oraz obróbce graficznej zmierzającej do zwiększenia kontrastowości. Korzystając z tak przygoto-wanych zdjęć oraz wzorów opisujących geometrię smugi, obliczono wysokość punktu emisji, wykorzystując specjalnie w tym celu opracowaną metodę obserwacyjno-obliczeniową.
Metoda ta wraz z opisem uzyskanych wyników została przed-stawiona w [8]. Ostatecznie, w wyniku prowadzonych badań, do modelu przyjęto algorytm bazujący na amerykańskim modelu BLP (Bouyant Line and Point Sources) dla źródeł punktowych [9].
Skorygowany i zmodyfikowany w opisany sposób model stał się podstawą do opracowania programu COPDIMO do obliczeń rozprzestrzeniania się zanieczyszczeń, dedykowa-nego dla przemysłu koksowniczego.
Prezentacja programu COPDIMO
Opracowany program COPDIMO łączy w sobie rozwią-zania stosowane w standardowym modelu obliczeniowym z rozwiązaniami jakie w wyniku prowadzonych badań zostały wskazane do zastosowania w przypadku baterii koksowniczej i niskich emitorów punktowych. Program służy do obliczeń rozprzestrzeniania gazów i pyłu zawieszonego w siatce re-ceptorów, wykonując obliczenia rozkładów stężeń Sm i Sa, a także częstości P(D1) z uwzględnieniem podokresów pracy źródeł. Wyniki obliczeń są zapisywane w plikach tekstowych z opisem do odczytu i wydruku oraz plikach przeznaczo-nych do wykorzystania w programach graficzprzeznaczo-nych w celu tworzenia izolinii przestrzennego rozkładu stężeń i częstości
przekroczeń. Zbiory danych meteorologicznych wczytywane do programu mają postać plików tekstowych ASCII zawiera-jących macierze danych o 36 wierszach (kombinacje stanów równowagi i prędkości wiatru) i 12 kolumnach (kierunki wiatru dla 12 sektorowej róży wiatrów).
Istotną cechą programu COPDIMO jest możliwość pro-wadzenia obliczeń wg:
– skorygowanego i zmodyfikowanego modelu dla baterii koksowniczej,
– skorygowanego modelu dla niskich emitorów punkto-wych,
– modelu standardowego do obliczeń rozprzestrzeniana dla pozostałych źródeł.
Praktyczna realizacja wskazania odpowiedniego rodzaju modelu obliczeniowego dla każdego z wprowadzanych do programu emitorów polega na umieszczeniu w pliku danych wejściowych przełącznika w postaci jednego ze znaków B/N/P. Znak B wymusza zastosowanie dla danego emitora mo-delu obliczeniowego dla baterii koksowniczej, znak N powo-duje zastosowanie modelu dla niskich emitorów punktowych, natomiast znak P – modelu standardowego. W obliczeniach bateria koksownicza reprezentowana jest przez odpowiednią liczbę emitorów punktowych o rozmiarze 10×10 m każdy (średnica zastępcza 11,28 m). Wydruk przykładowego pliku z danymi wejściowymi przedstawiono na rysunku 1.
Obliczenia porównawcze rozkładu stężeń
Dla oceny efektu zastosowania w programie COPDIMO opisywanych zmian w stosunku do stosowanego w Polsce modelu standardowego wykonano obliczenia porównawcze rozprzestrzeniania się zanieczyszczeń w otoczeniu koksowni.
Polegały one na obliczeniu stężeń maksymalnych 1-godzin-nych (Sm) i średniorocznych (Sa) w punktach siatki oblicze-niowej. Do obliczeń wybrano przykładowe 3 zanieczyszcze-nia: B(a)P, benzen, PM10. W obliczeniach równoczesność pracy źródeł oraz zmienność emisji zanieczyszczeń w czasie uwzględniono poprzez podział rocznego okresu emisji na podokresy. Informację o czasach trwania poszczególnych pod-okresów, odpowiadające im parametry i wielkości emisji dla poszczególnych źródeł zawierają pliki wsadowe z danymi do obliczeń. Dane te pochodzą z wniosku koksowni o pozwolenie zintegrowane. Emitory powierzchniowe zastąpiono zbiorem odpowiednio dobranych emitorów punktowych.
Rodzaj wykładnika Stan równowagi
SR 1 SR 2 SR 3 SR 4 SR 5 SR 6
skorygowane 0,157 0,170 0,184 0,200 0,217 0,236
standardowe 0,080 0,143 0,196 0,270 0,363 0,440
Tablica 1 Wartości wykładnika meteorologicznego standardowe i skorygowane dla poszczególnych stanów równowagi (SR)
Table 1
Standard and corrected values of the meteorological exponent for the different atmospheric stability classes (SR)
Na podstawie wyników obliczeń sporządzono przykłado-we wykresy izolinii stężeń maksymalnych i średniorocznych (rys. 2-7) w przyjętej siatce receptorów (współrzędne x, y wyrażone są w metrach) oraz wykresy rozkładów stężeń
maksymalnych i średniorocznych wzdłuż osi wschód-zachód przechodzącej przez środek koksowni (rys. 8 i 9). Zestawienie największych i najmniejszych wartość stężeń Sm i Sa uzyska-nych w obszarze obliczeniowym przedstawiono w tablicy 2.
Rys. 1. Fragment pliku z danymi wejściowymi do programu COPDIMO Fig. 1. Extract from the input file to the program COPDIMO
Rys. 2. Rozkład stężeń maksymalnych B(a)P wyliczonych przy użyciu programu COPDIMO (wykres a) oraz modelu standardowego – program Pmg (wykres b), ng/m3
Fig. 2. Distribution of the maximum concentrations of B(a)P calculated using program COPDIMO (Figure a) and the standard model – program Pmg (Figure b), ng/m3
a) b)
262500 263000 263500 264000 264500 265000 265500 266000 877000
877500 878000 878500 879000 879500 880000 880500 881000
262500 263000 263500 264000 264500 265000 265500 266000 877000
877500 878000 878500 879000 879500 880000 880500 881000
0.00.5 1.01.5 2.02.5 3.03.5 4.04.5 5.06.0 8.010.0 12.014.0 16.018.0 20.022.0 24.026.0
obrys koksowni obrys koksowni
Omówienie i dyskusja wyników
Na podstawie obliczeń przeprowadzonych programami COPDIMO i standardowym stwierdzono, że:
1) Zarówno stężenia maksymalne jak i średnioroczne obliczo-ne programem COPDIMO są w większości przypadków
niższe niż stężenia uzyskane programem standardowym w obszarze obliczeniowym. Tendencja ta jest szczególnie widoczna wraz ze wzrostem odległości od granic zakładu.
Potwierdza ją także wykaz minimalnych i maksymalnych stężeń uzyskanych w drodze obliczeń wymienionymi programami dla B(a)P i benzenu. Nie dotyczy to war-tości maksymalnych dla stężeń średniorocznych PM10, Rys. 4. Rozkład stężeń maksymalnych PM10 wyliczonych przy użyciu programu COPDIMO (wykres a)
oraz modelu standardowego – program Pmg (wykres b), µg/m3
Fig. 4. Distribution of the maximum concentrations of PM10 calculated using COPDIMO (Figure a) and the standard model – program Pmg (Figure b), μg/m3
Rys. 3. Rozkład stężeń maksymalnych benzenu wyliczonych przy użyciu programu COPDIMO (wykres a) oraz modelu standardowego – program Pmg (wykres b), µg/m3
Fig. 3. Distribution of the maximum concentrations of benzene calculated using COPDIMO (Figure a) and the standard model – program Pmg (Figure b), μg/m3
a) b)
262500 263000 263500 264000 264500 265000 265500 266000 877000
262500 263000 263500 264000 264500 265000 265500 266000 877000
262500 263000 263500 264000 264500 265000 265500 266000 877000
262500 263000 263500 264000 264500 265000 265500 266000 877000
co jest związane ze stosunkowo wysoką emisją tego zanieczyszczenia pochodzącą z emitorów związanych z wypychaniem koksu oraz załadunkiem i rozładunkiem koksu z węzła chłodzenia koksu, przy niskiej wysokości położenia punktu emisji. Powoduje to występowanie mak-simów stężeń chwilowych w obszarze równowagi chwiej-nej, charakteryzowanej wykładnikami meteorologicznymi o wyższych wartościach niż w modelu standardowym.
Rys. 5. Rozkład stężeń średniorocznych B(a)P wyliczonych przy użyciu programu COPDIMO (wykres a) oraz modelu standardowego – program Pmg (wykres b), ng/m3
Fig. 5. Distribution of the annual average concentrations of B(a)P calculated using COPDIMO (Figure a) and the standard model – program Pmg (Figure b), ng / m3
Rys. 6. Rozkład stężeń średniorocznych benzenu wyliczonych przy użyciu programu COPDIMO (wykres a) oraz modelu standardowego – program Pmg (wykres b), µg/m3
Fig. 6. Distribution of the annual average concentrations of benzene calculated using COPDIMO (Figure a) and the standard model – program Pmg (Figure b), μg/m3
262500 263000 263500 264000 264500 265000 265500 266000 877000
262500 263000 263500 264000 264500 265000 265500 266000 877000
262500 263000 263500 264000 264500 265000 265500 266000 877000
262500 263000 263500 264000 264500 265000 265500 266000 877000
2) Największe różnice w poziomie stężeń obliczonych pro-gramem standardowym i COPDIMO dają się zauważyć dla zanieczyszczeń charakterystycznych dla baterii koksowni-czej tj.: B(a)P i benzenu. W szczególności dotyczy to punk-tów występowania maksimów stężeń, w mniejszym stop-niu punktów leżących w okolicach granic zakładu. I tak dla B(a)P największe ze stężeń maksymalnych w siatce re-ceptorów wynosi odpowiednio – 27,77 ng/m3 i 5,00 ng/m3
obrys koksowni obrys koksowni
obrys koksowni obrys koksowni
Rys. 7. Rozkład stężeń średniorocznych PM10 wyliczonych przy użyciu programu COPDIMO (wykres a) oraz modelu standardowego – program Pmg (wykres b), µg/m3
Fig. 7. Distribution of the annual average PM10 concentrations calculated using COPDIMO (Figure a) and the standard model – program Pmg (Figure b), μg/m3
262500 263000 263500 264000 264500 265000 265500 266000 877000
877500 878000 878500 879000 879500 880000 880500
262500 263000 263500 264000 264500 265000 265500 266000 877000
877500 878000 878500 879000 879500 880000 880500
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 2.5 3.0 3.5 4.0 4.2
Rys. 8. Rozkład stężeń maksymalnych B(a)P wzdłuż osi wschód-zachód Fig. 8 Distribution of maximum concentrations of B(a)P along the east-west axis
a) b)
(spadek o ponad 80 %), a w odległości około 1000 m od środka zakładu mieszczą się w przedziale 2,5-5,0 ng/m3 i 1,0-1,5 ng/m3 (spadek o ponad 60 %). W przypadku największych ze stężeń średniorocznych różnica ta wynosi 60 % (od 1,57 ng/m3 do 0,63 ng/m3), natomiast w promie-niu około 1000 m – 50 % (od 0,10 ng/m3 do 0,05 ng/m3).
Dla benzenu największe ze stężeń maksymalnych w siatce receptorów wynosi odpowiednio – 57,89 µg/m3 i 7,01 µg/m3 (spadek o prawie 90 %), a w odległości około 1000 m od środka zakładu – 7,0-10,0 µg/m3 i 1,5-2,0 µg/m3 (spadek o około 80 %). W przypadku największych ze stężeń
średniorocznych różnica ta wynosi 63 % (od 3,26 µg/m3 do 1,21 µg/m3), natomiast w promieniu około 1000 m – 50 % (od 0,10 µg/m3 do 0,05 µg/m3).
3) W przypadku PM10, który związany jest z większo-ścią emitorów na terenie zakładu, różnice w poziomie stężeń obliczonych programem standardowym i COP-DIMO są znacznie mniejsze. W punktach występowa-nia najwyższych ze stężeń maksymalnych wynoszą one odpowiednio: 35,71 µg/m3 i 35,19 µg/m3 (spadek o około 1,5 %), a w odległości około 1000 m od środ-ka zakładu mieszczą się w przedziale 18,0-22,0 µg/m3
obrys koksowni obrys koksowni
Rys. 9. Rozkład stężeń średniorocznych B(a)P wzdłuż osi wschód-zachód Fig. 9 Distribution of annual average concentrations of B(a)P along the east-west axis
Tablica 2 Zestawienie największych i najmniejszych wartości stężeń Sm i Sa, µg/m3
Table 2
Summary of the largest and smallest values of Sm and Sa concentrations, µg/m3 Zanieczyszczenie
Stężenie maksymalne
1-godzinne (Sm) Stężenie średnioroczne (Sa)
COPDIMO Pmg COPDIMO Pmg
PM10 maksimum 35,1885 35,7117 4,3346 3,5406
minimum 3,6865 11,0639 0,0596 0,0804
B(a)P* maksimum 4,9986 27,7715 0,6296 1,5726
minimum 0,234 1,5803 0,0037 0,0078
benzen maksimum 7,0105 57,8904 1,2064 3,2633
minimum 0,4476 2,3733 0,004 0,0082
i 8,0-9,0 µg/m3 (spadek o niecałe 60 %). W przypadku największych ze stężeń średniorocznych zanotowano wzrost wynoszący 18 % (od 3,54 µg/m3 do 4,33 µg/m3), natomiast w promieniu około 1000 m od środka zakładu zanotowano spadek średnio o około 12 % (0,3-1,3 µg/m3 i 0,2-1,2 µg/m3).
4) W pewnej, niewielkiej liczbie punktów zanotowano stę-żenia obliczone programem standardowym, o wartościach nieznacznie niższych niż odpowiadające im stężenia obli-czone programem COPDIMO. Punkty te są zlokalizowane głównie na terenie zakładu lub w bliskim jego sąsiedztwie.
Wspomniana sytuacja obejmuje: 1,2 % (Sm) i 5,1 % (Sa) obszaru obliczeniowego dla PM10; 0,06 % (Sa) obszaru obliczeniowego dla B(a)P.
Podsumowanie
Biorąc pod uwagę zakres przeprowadzonych prac można stwierdzić, iż opracowany program obliczeniowy COP-DIMO znacznie lepiej odwzorowuje rzeczywiste warunki
rozprzestrzeniania się zanieczyszczeń w otoczeniu koksowni w stosunku do modelu standardowego. W świetle dokonanego porównania można uznać, że zastosowanie programu COP-DIMO skutkuje niższymi wartościami obliczanych stężeń zarówno maksymalnych 1-godzinnych jak i średniorocznych, za wyjątkiem obszaru ulokowanego w bezpośrednim sąsiedz-twie głównych źródeł emisji. W praktyce przekłada się to na mniejszą, obliczeniowo szacowaną uciążliwość zakładu na środowisko. Wyjątkiem mogą być ograniczone obszary sąsiadujące bezpośrednio z granicą zakładu. Występowanie na tych obszarach wyższych wartości stężeń maksymalnych 1-godzinnych i średniorocznych PM10, obliczanych modelem COPDIMO, związane jest z dominującą emisją tego zanie-czyszczenia ze stosunkowo niskich emitorów.
Dające się zauważyć największe różnice w poziomie stężeń obliczonych programem standardowym i COPDIMO zanieczyszczeń charakterystycznych dla baterii koksowniczej tj.: B(a)P i benzenu, są związane z zastosowaniem w progra-mie COPDIMO rozszerzonego algorytmu do szacowania wysokości punktu emisji przy uwzględnieniu wzmożonej
* stężenie w ng/m3
Praca wykonana w ramach projektu kluczowego nr POIG.01.01.02-24-017/08 „Inteligentna koksownia spełniająca wymagania najlepszej dostępnej techniki” dofinansowanego z Europejskiego Funduszu Rozwoju Regionalnego.
turbulencji atmosfery i zjawisk zachodzących w strefie cienia aerodynamicznego kształtującego się w sąsiedztwie obiektów o znacznych rozmiarach (building downwash), który zostaje uwzględniony wyłącznie dla baterii koksowniczej. Dotyczy to w szczególności punktów zlokalizowanych w obszarach występowania maksimów stężeń 1-godzinnych i średniorocz-nych, w mniejszym stopniu punktów leżących w okolicach granic zakładu i poza nim.
COPDIMO jest programem pozwalającym służbom ochro-ny środowiska koksowni na bardziej wiarygodne szacowanie wielkości stężeń wybranych zanieczyszczeń emitowanych z zakładu w jego otoczeniu w porównaniu do programu standardowego. Program może także służyć osobom odpowie-dzialnym za podejmowanie decyzji w zakładzie jako narzędzie do optymalizowania działań o charakterze inwestycyjnym w celu ograniczania emisji zanieczyszczeń z koksowni do powietrza oraz prowadzenia właściwej polityki ekologicznej.
Literatura
1. Madany A., Bartochowska M., Przegląd polskich modeli roz-przestrzeniania się zanieczyszczeń atmosferycznych. Prace Naukowe Politechniki Warszawskiej, Inżynieria Środowiska, 1995, z. 19, s. 74.
2. Markiewicz M.T., Podstawy modelowania rozprzestrzeniania się zanieczyszczeń w powietrzu atmosferycznym. Oficyna Wydaw-nicza Politechniki Warszawskiej, Warszawa 2004.
3. Zannetti P., Air pollution modelling. Computational Mechanics Publications Southampton Boston.
4. Rozporządzenie Ministra Środowiska w sprawie wartości od-niesienia dla niektórych substancji w powietrzu. DzU nr 16 poz. 87 z dnia 26 stycznia 2010.
5. EPA, Meteorological Monitoring Guidance for Regulatory Modeling Applications. EPA-454/R-99-005, U.S. Environmental Protection Agency, Research Triangle Park, NC, 2000.
6. Meteorological data processing, http://www.webmet.com/
met_monitoring/toc.html
7. Kaleta D., Żeliński J., Telenga-Kopyczyńska J., Ocena wpływu ciepła technologicznego na turbulencję powietrza z zastosowaniem do obliczeń modelowania rozprzestrzeniania zanieczyszczeń. Inży-nieria i Ochrona Powietrza, Oficyna Wydawnicza Pol. Wrocławskiej, Wrocław 2014.
8. Kaleta D., Żeliński J., Telenga-Kopyczyńska J., Obserwacyjno--obliczeniowa metoda szacowania wysokości położenia pozornego punktu emisji. Inżynieria i Ochrona Powietrza, Oficyna Wydawnicza Pol. Wrocławskiej, Wrocław 2014.
9. Schulman L., Scire J.S., Buoyant line and point source (BLP) dispersion model user’s guide. Environmental Research and Technol-ogy, Washington 1980.
*) Autor do korespondencji:
Mgr inż. Grzegorz Jakubina – Instytut Chemicznej Przeróbki Węgla, ul. Zamkowa 1, 41-803 Zabrze, tel. 32 271 00 41 e-mail: gjakubina@ichpw.zabrze.pl
Wprowadzenie
Diagnozowanie stanu technicznego złożonego obiektu przemysłowego, jakim jest bateria koksownicza, sprowadza się zazwyczaj do obserwacji warunków jej pracy i gromadze-nia wyników pomiarów parametrów roboczych. Podejście takie nie zapewnia dostatecznej oceny stopnia jej zużycia, dlatego też oprócz systematycznego gromadzenia danych o stanie poszczególnych podzespołów baterii, konieczna jest stała analiza uzyskiwanych wyników, i podejmowanie odpo-wiednich decyzji remontowych. Analiza wyników obserwacji jest procesem dość skomplikowanym ze względu na dużą ilość danych, toteż w wielu koksowniach najczęściej ogranicza się ją do zliczania ilości stwierdzonych usterek, bądź ilości uszko-dzonych elementów. W niektórych zakładach koksowniczych takie zestawienia uzupełnia się czasem o subiektywną ocenę stanu ocenianych składowych, wykorzystując przy ocenie ciągle rozwijającą się technikę komputerową.
W koksownictwie polskim w latach dziewięćdziesiątych ubiegłego stulecia opracowano dwie koncepcje oceny stopnia zużycia baterii koksowniczych: jedną w ówczesnej koksowni Huty im. T. Sendzimira (obecnie ArcelorMittal) oraz drugą w Instytucie Chemicznej Przeróbki Węgla w Zabrzu [1]. Obie opierały się na szczegółowej ocenie stanu poszczególnych elementów ceramiki oraz okotwiczenia, uzbrojenia i osprzętu a także jakości eksploatacji baterii. Do mankamentów tych koncepcji należały: nadmierna ilość danych koniecznych dla dokonania oceny, duży udział ocen subiektywnych oraz niedostatek nowoczesnych metod pomiaru, gromadzenia, przetwarzania i wreszcie analizy uzyskanych wyników.
W opisanej wyżej sytuacji zaistniała potrzeba opracowania nowoczesnego, zintegrowanego systemu monitoringu baterii koksowniczej, charakteryzującego się:
– ściśle określonymi, zunifikowanymi procedurami moni-toringu baterii,
GRZEGORZ JAKUBINA*), PAWEŁ OKARMUS Instytut Chemicznej Przeróbki Węgla, Zabrze JANUSZ MYTYCH, MARIUSZ KUBACKI ArcelorMittal Poland oddział Zdzieszowice