Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos José Luis Bermúdez Cela Belén Mª Fernández de Castro

Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña Estrategias Posibles Fijación de normas de calidad de aire que no pueden sobrepasarse Control de las emisiones mediante las mejores tecnologías disponibles Estrategia Óptima Control de los nuevos focos mediante las mejores tecnologías disponibles Adaptación progresiva de los focos existentes a las exigencias de los nuevos Vigilancia y control de la calidad del aire Estrategias de lucha contra la contaminación atmosférica

RED DE ALERTA INFORMACIÓN METEOROLÓGICA CONTROL DE EMISIONES ADQUISICIÓN Y GESTIÓN DE LA INFORMACIÓN EN TIEMPO REAL TÉCNICAS DE PREDICCIÓN DE INMISIÓN CONTROL SUPLEMENTARIO Sistemas de control suplementario de la contaminación atmosférica Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña

Control suplementario en la UPT As Pontes Objetivo Asegurar el cumplimiento de los requisitos contemplados en el RD 1073/2002 sobre evaluación y gestión del aire ambiente en el entorno de la UPT As Pontes Actuaciones Planificación de la explotación minera Modificaciones inmediatas de las mezclas de carbón de consumo con el fin de utilizar hasta un 100% de carbón de importación Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña

Elementos Sistema de control de emisiones Red de vigilancia de la calidad del aire Estación meteorológica Unidad central de Adquisición de datos y gestión de la información Sistema de Predicción Estadística de Inmisión (SIPEI) Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos Control suplementario en la UPT As Pontes CEIOME’05, A Coruña

Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos Red de Vigilancia de la Calidad de Aire CEIOME’05, A Coruña Océano Atlántico

Sistema de predicción estadística de inmisión Desarrollado por por el Departamento de Estadística e Investigación Operativa de la Universidad de Santiago Objetivo: predecir con media hora de anticipación la evolución de los niveles de dióxido de azufre en el entorno de la UPT As Pontes y sugerir una línea de actuación Utilización de modelos estadísticos a partir de la información en tiempo real de emisiones, calidad de aire y meteorología Aplicación informática en tiempo real concebida como ayuda a la operación en la toma de decisiones inmediatas Nuevos desarrollos: ampliación de horizontes de predicción, utilización de datos minutales, predicciones probabilísticas Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña

Sistema de predicción estadística de inmisión Planteamiento del problema estadístico Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña Se recogen datos de calidad de aire, en particular de SO 2, de las estaciones de la Red de Vigilancia de Calidad de Aire (frecuencia pentaminutal). La legislación vigente obliga a controlar la media horaria de valores de SO 2.

Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña

Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña

Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña

La instalación necesita disponer de información, al menos, con ½ hora de antelación. Principal objetivo: prevenir episodios de alteración de la calidad del aire Solución: Herramientas de predicción de valores de SO 2, en media horaria, basados en modelos estadísticos Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña

Las diferentes metodologías utilizadas han aportado soluciones desde varios puntos de vista: I.Predicción puntual II.Predicción probabilística III.Predicción espacial IV.Predicción funcional Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña

I. Predicción puntual Este planteamiento nos permite dar como respuesta la predicción del nivel de SO 2. Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña

I. Predicción puntual Modelos utilizados: Semiparamétrico Redes Neuronales Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña

I. Predicción puntual Modelos utilizados: Parcialmente Lineal Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña

II. Predicción probabilística La utilización del modelo G-GAM nos permite dar como respuesta la probabilidad de superar un cierto nivel de SO 2. Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña

II. Predicción probabilística El objetivo es predecir: Siendo Y t la variable binaria El modelo: Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña

III. Predicción espacial Los modelos de predicción espacial nos permiten construir una superficie de predicción de niveles de SO 2 para el entorno de la instalación. Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña

IV. Predicción funcional Los modelos funcionales permiten dar como respuesta la curva completa de niveles de SO 2 para un cierto intervalo de tiempo. Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña

IV. Predicción funcional Modelo: Núcleo funcional Autorregresivo de Hilbert Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña

SIPEI Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña Integración de los sistemas de predicción Resultados Recoge datos Predicción Binaria Predicción Espacial Predicción Puntual MEDAS Crea archivos de datos Usuarios VPR_INM NL

Los modelos de predicción han sido programados e integrados en un sistema que funciona en tiempo continuo en la instalación. Se ha desarrollado un programa que permite a los usuarios del sistema visualizar la predicción. Su última versión (VPR_INM NL) contiene información en tiempo real de valores de diferentes contaminantes, información meteorológica, datos de emisión, predicciones de SO 2, gráficas de predicción, mapas,… Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña Herramienta de visualización

Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña VPR_INM NL: VPR_INM NL: pantalla principal

Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña VPR_INM NL: VPR_INM NL: predicción puntual

Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña VPR_INM NL: VPR_INM NL: predicción espacial

Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña VPR_INM NL: VPR_INM NL: emisión

Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña VPR_INM NL: VPR_INM NL: meteorología

Sistemas de control suplementario de la contaminación atmosférica: predicción con modelos estadísticos CEIOME’05, A Coruña VPR_INM NL: VPR_INM NL: visualización de históricos

José Luis Bermúdez Cela Belén Mª Fernández de Castro