Ingeniería Civil Ambiental
Permanent URI for this collection
Browse
Browsing Ingeniería Civil Ambiental by Subject "ATMOSFÉRICOS"
Now showing 1 - 1 of 1
Results Per Page
Sort Options
- PublicationModelación de dispersión de emisiones de SO2 de Refinería Aconcagua(2022-08)
;Tobar Gutiérrez, Joshua Alexie ;Ramírez Livingston, Daniel Alberto (Profesor Guía) ;Guzmán Cortez, Laura (Profesora Correferente)Universidad Técnica Federico Santa María. Departamento de Ingeniería Química y AmbientalEn este estudio se realizó un análisis de distintos modelos de dispersión de contaminantes como Gauss, Aermod y Calpuff para ENAP Refinería Aconcagua. Con el propósito de brindar una herramienta que permita detectar rápidamente las variaciones en la calidad del aire en la zona urbana de Concón. Para esto se hizo un exhaustivo análisis de las fuentes de emisión de dióxido de azufre, obteniendo un total de 28 fuentes de emisión divididas en Hornos, Calderas, Antorchas, Plantas de Azufre, Cogeneradora, Cracking catalítico y una planta de Ácido Sulfúrico. Para estas fuentes se determinó la velocidad de salida de los gases, temperatura de salida y las dimensiones creando una base de datos de emisiones en Sistema Airviro, con la que se realizó una serie simulaciones para los modelos anteriormente mencionados, obteniendo un error que varía entre 30 a 50% para Calpuff, 90% para Gauss y 90% para Aermod. Siendo Calpuff el modelo de dispersión que mejor se adapta a las condiciones de la empresa. Una vez escogido Calpuff como modelo se realizaron distintos estudios que determinaron que a mayor altura existe una menos concentración de contaminantes (mejor dispersión de contaminantes), las plantas de azufre son la mayor fuente de emisión de SO2 y que mientras mayor sea la concentración de azufre en el fuel gas mayor serán las inmisiones de dióxido de azufre medido en las estaciones de calidad del aire. La importancia de este modelo es que brinda un primer acercamiento a los modelos tipo Puff para ENAP Refinería Aconcagua, los cuales presentan un error menor a los modelos Gaussianos utilizados en la actualidad, entregando una mayor claridad al momento de estudiar las emisiones de la empresa. Además, se han realizado una serie sugerencias como la compra de datos de un pronóstico meteorológicos de mayor calidad y resolución, mejorar las condiciones de la estación meteorológica de la empresa, instalación de sensores que permitan obtener datos en serie de tiempo para las antorchas y el uso de algoritmos de Machine Learning. También, se hizo la conexión a un pronóstico meteorológico gratuito para realizar a futuro una simulación que pronóstique la calidad del aire de forma gratuita e incorporaron a la base de datos la información necesaria para la aplicación de la altura y diámetro efectivo como ajuste para la modelación. Por último, se tiene que al implementar estas recomendaciones y configuraciones el error de la simulación disminuiría, pudiendo ser validada como herramienta de corrección y predicción para dar cumplimiento a la normativa primaria de calidad del aire.