exempel

Handledande exempel

Som ett stöd för användaren vid genomförande av mikrobiologisk riskanalys med

QMRA- verktyget har ett handledande exempel tagits fram.

Exemplet utgår från samma fiktiva ytvattenverk, Grönköpings vattenverk, som återfinns i exempelkapitlet i ”Introduktion till Mikrobiologisk BarriärAnalys, MBA” (SVU- publikation P112). Ett syfte med detta är att användaren ska kunna göra jämförelser mellan analyser gjorda med både MBA och QMRA. En sådan jämförelse kommer i vissa fall inte att leda till helt överensstämmande resultat avseende huruvida vattenverket uppnår erforderliga mikrobiologiska barriärer eller inte. Om användaren erhåller avvikande resultat med de olika verktygen så ska detta varken tolkas som att det ena verktyget har mer ”rätt” än det andra eller att man inte kan lita på resultaten. Att resultaten skiljer sig åt beror på att verktygen är uppbyggda på olika sätt.

Normalförhållandena för Grönköpings vattenverk är desamma som i P112, men med de patogenhalter i råvattnet som anges i ”MRA – Ett modellverktyg för svenska vattenverk” (SVU- rapport nr 2009-05). Det ska understrykas att dessa patogenhalter inte är att betraktas som standardvärden, och att varje råvatten har sina egna patogenhalter beroende på spridningskällor uppströms. Såväl patogenhalter som reduktion över olika beredningssteg bör väljas så överensstämmande som möjligt med det vattenverk som är föremål för en QMRA. För andra exempel på patogenhalter i svenska ytråvatten hänvisas till ”Patogenhalter i svenska ytvattentäkter för QMRA. Statistisk modellering och utvärdering av ett hypotesbaserat angreppssätt. Svenskt Vatten Utveckling, Rapport Nr 2018-3”.

Grönköpings vattenverk är dimensionerat för att kunna producera 30 000 m3

vatten/dygn, vilket motsvarar 100 000 personer. I dag distribueras vatten till 48 000

personer från vattenverket, vilket motsvarar ca 14 000 m3 vatten/dygn.

Råvatten till Grönköpings vattenverk tas från Älven, uppströms staden.

Beredningsprocessen är uppbyggd enligt:

Figur 1. Beredningsprocess vid Grönköpings vattenverk.

Beredningsprocessen börjar med en silstation med roterande silar. På den till vattenverket inkommande råvattenledningen doseras sedan kalk och koldioxid för att höja vattnets hårdhet och alkalinitet. Därefter doseras fällningskemikalie till vattnet innan det fördelas över sex stycken flockningsbassänger. Uppbyggda flockar avskiljs med sedimentering. Vattnet passerar sedan sex stycken snabbfilter (belastning 3,3 m/h vid dagens medelflöden). Därefter pH-justeras vattnet med natriumhydroxid till pH 8,2 innan det går till fyra stycken långsamfilter.

För att säkerställa god flockningskvalitet mäts pH on-line i början av flockningen och hålls konstant med hjälp av justering av kalkvattendosen. Dosen fällningskemikalie styrs av råvattnets turbiditet. Förutom i råvattnet, mäts turbiditeten på det sammanslagna snabbfiltrerade vattnet, samt på utgående dricksvatten. Som komplement till turbiditetsmätningarna kontrolleras fällningseffektiviteten tre gånger i veckan genom mätning av färgtal och UV-absorbans i samma punkter som turbiditeten, justeringar görs vid behov.

Turbiditeten efter snabbfiltreringen är <0,1 FNU som medel, fler än 10 % av proverna är >0,1 FNU. Råvattenpumparna stoppar automatiskt vid strömsvikt eftersom det inte finns reservkraft. Vattenverket är dock byggt med självfall genom beredningsprocessen och vid strömsvikt fortsätter vattnet att rinna genom verket till dess att handmanövrerade ventiler stängs för att t.ex. undvika torrläggning av snabbfilter och långsamfilter.

Klordosen är 0,5 mg Cl2/l. Halten totalt klor mäts on-line på utgående dricksvatten efter reservoaren. Felaktig halt innebär larm med manuell åtgärd. Reservoarens nivå varierade under vecka 8, 2011 mellan 3,7–4,1 m. Vid 4,1 m är reservoaren full och volymen är då 2 000 m3. Dock erhålls lägst uppehållstid vid den lägsta nivån vilket motsvarar en volym på 1 800 m3. Reservoaren är rektangulär, d.v.s. den har ett högt längd/bredd-förhållande och den är försedd med ett flertal skärmväggar. Graden av pluggflöde har bedömts vara mellan Medel och Ganska bra, vilket motsvarar en hydraulisk faktor (t10/T) på 0,6.

Vattenvårdsförbundet utför kontinuerlig mätning i Älven, inte långt från råvattenintaget till Grönköping vattenverk. Turbiditet, konduktivitet och pH mäts on-line. Vid onormala värden i Älven kontaktar Vattenvårdsförbundet personal vid Grönköping vattenverk.

Vid Grönköping vattenverk har endast Escherichia coli (EC) analyserats återkommande (1 gång/vecka) de senaste tre åren. Medelvärdet för EC ligger på 16 cfu/100 ml. Av de 168 analyserade proverna under provtagningsperioden var 62 st = 10, detta motsvarar drygt 1/3 av proverna. Då patogener inte analyserats används de standardvärden som anges i ”MRA – Ett modellverktyg för svenska vattenverk” (SVU- rapport nr 2009-05), enligt tabell 1 nedan:

Tabell 1. Förekomst av patogener i ytvatten. (SVU- rapport nr 2009-05).

Patogen Halt (antal/liter)
Campylobacter 1
Salmonella 1
E.coli O157 0.1
Rotavirus Lognormal (mean=1, stddev=3)
Norovirus 1
Adenovirus 1
Cryptosporidium Lognormal (mean=0.4, stddev=2.1)
Giardia 0.5

I dricksvattenproverna analyseras COD och medelvärdet för perioden oktober 2008 t.o.m. februari 2011 var 1,6 mg/l. Utifrån detta värde har det för Grönköping uppskattats att TOC-halten varit 1,5 mg/l under samma period. Sambandet mellan COD och TOC varierar mellan olika vatten och bör säkerställas med hjälp av analyser som inkluderar flödes- och årstidsvariationer.

Dricksvattnets pH är 8,2 och temperaturen kan periodvis vara nere i 0,5 °C.

I detta exempel modelleras normal drift av vattenverket och normal råvattenkvalitet under hela året. Observera att alla decimalavgränsningar ska anges med punkt (.).

Gå in i den första modulen i QMRA-verktyget, ”Karakterisering av råvatten” och gör följande:

  • Bocka för samtliga referenspatogener.
  • För respektive referenspatogen, välj i rullistan om halten är en punktskattning (punktvärde) eller en fördelning, enligt tabell 1.
  • Fyll i patogenhalter i enlighet med tabell 1. Observera att alla decimalavgränsningar ska anges med punkt (.).

När ovanstående gjorts ska rutan se ut enligt figur 2.

Observera att om en (sannolikhets)fördelning valts i rullistan, kommer verktyget enbart att räkna på de värden som matats in under rubriken ”Sannolikhetsfördelningens värden”. Att det står en siffra (här 1) under rubriken ”Punktskattning” saknar således betydelse.

Figur 2. Karakterisering av råvatten.

I detta steg ska vattenverkets beredningssteg och hur väl dessa fungerar beskrivas.

Fällning/Sedimentering/snabbfiltrering (konventionell rening)

Gå in i modulen ”Fällning/Sedimentering/Snabbfiltrering”.

Välj ”JA” på frågan om konventionell rening ska ingå i beredningsprocessen.

Då vi här saknar egna mätningar för logavskiljningen använder vi verktygets förinlagda standardvärden för log-reduktion, se figur 3.

Figur 3. Konventionell rening (fällning/sedimentering/snabbfiltrering).

Gå vidare till ”Simulering av förändrad barriärfunktion”. Då vi i detta fall vill titta på normaldrift väljer vi ”Slumpmässig” i rullistan under ”Typ av simulering”.

I QMRA kan man välja tre fällningslinjer medan Grönköpings vattenverk har sex fällningslinjer. Här måste således anpassning till denna begränsning i verktyget göras och vi väljer att se varje fällningslinje i Grönköpings vattenverk som en fällningslinje i verktyget. Därefter anges flödesfördelningen till respektive linje. Eftersom det inte går att exakt dela upp flödet på tre linjer (flödet per linje blir 0,3333…..), så väljer vi att ange andelen av flödet till linje 1 som 0,333 och till linje 2 som 0,333. Summan av flödesfördelningen måste bli 1. Genom att klicka på ”Calc” erhålls andelen av flödet till linje 3, i det här fallet 0,334.

Under ”Simulering av slumpmässiga fel” väljer vi ”Använd standardvärde för fällningsfel”, i rullistan. I det här exemplet saknas information om felfrekvens varför vi här väljer att utgå från standardvärden för detta. Standardvärdet är 1%.

Under ”Filtrering” ska vi först ange antal snabbfilter per fällningslinje. I beskrivningen av Grönköpings vattenverk framgår inte hur snabbfiltren är fördelade mellan fällningslinjerna, men här antar vi att de är jämt fördelade, dvs 1 st snabbfilter per fällningslinje. I verktyget, som är begränsat till tre fällningslinjer hanteras detta genom att anta två snabbfilter/fällningslinje, vilket ger (2 snabbfilter/fällningslinje * 3 fällningslinjer) sex snabbfilter totalt.

Därefter ska vi ange hur ofta slumpmässiga fel inträffar. Detta anges under ”Simulering av slumpmässiga fel”. I det här exemplet saknas information om felfrekvens varför vi här väljer att utgå från standardvärden för detta. Under ”Simulering av slumpmässiga fel” väljs ”Använd standardvärde för filtrerfel” i rullistan. Standardvärdet är 1%.

Observera att det inte spelar någon roll vad som står i rutor tillhörande ”Simulering av scenario”, då vi i det här exemplet tittar på normaldrift av beredningssteget varvid fel i barriärfunktionen hanteras som slumpmässiga fel.

När ovanstående är inmatat/valt ser fönstret ut enligt figur 4.

Figur 4. Simulering av slumpmässigt förändrad barriärfunktion

Långsamfilter

Gå in i modulen ”Långsamfilter”.

Välj ”JA” på frågan om långsamfiltrering ska ingå i beredningsprocessen.

Då vi här saknar egna mätningar för logavskiljningen använder vi förinlagda defaultvärden för logreduktion, se figur 5.

Figur 5. Långsamfilter. Patogenavskiljande förmåga. Standardvärden.

Under ”Simulering av förändrad barriärfunktion” väljs ”Slumpmässig” i rullistan för val av ”Typ av simulering”. Detta då detta exempel avser normaldrift.

Grönköpings vattenverk har fyra långsamfilter, vilka är att betrakta som parallella linjer. Vi matas således in värdet 4 i rutan ”Antal parallella filtreringslinjer”.

Även för långsamfiltren saknas det i exemplet underlag avseende felfrekvens för långsamfiltren, varför vi här antar standardvärde. Detta görs genom att i rullistan under ”Simulering av slumpmässiga fel” välja ”Använd standardvärde för genombrott i långsamfilter”. Standardvärdet är 0%.

När ovanstående är inmatat/valt ser fönstret ut enligt figur 6.

Figur 6. Långsamfilter. Simulering av förändrad barriärfunktion.

Desinfektion med fritt klor

Gå in i modueln ”Desinfektion med fritt klor”.

Välj ”JA” på frågan om klorering ingår i beredningsprocessen.

Vid beräkning av desinfektionseffekten för fritt klor rekommenderas, för att vara på den säkra sidan, att simulera en situation som motsvarar den kortaste uppehållstiden. Beräkningarna baseras här därför på den situation som uppstår vid maximal dricksvattenproduktion, samtidigt som lågreservoarvolymen är som lägst.

I det här exemplet saknas uppmätta halter fritt klor, varför vi väljer att bestämma initialkoncentration och nedbrytningshastighet empiriskt. I rullistan väljs ”Empiriskt bestämma initialkoncentration och nedbrytningshastighet”

Indata avseende kloreringssteget enligt tabell 2:

Tabell 2. Indataparametrar för desinfektion med klor

Indataparameter Värde Enhet
Klordos 0.5 mg Cl2/l
TOC-halt, utgående dricksvatten 0.5 mg/l
Dricksvattenproduktion, max 30 000 m3/dygn
20.83 m3/min
Reservoarvolym,min 1800 m3

Nästa steg är att välja metod för att bestämma slutkoncentrationen av fritt klor. I det här exemplet väljs ”Från initialkoncentration, nedbrytningshastighet och tid” i rullistan.

Härefter ska den genomsnittliga tiden i kontakttanken (lågreservoaren) anges. Denna tid beräknas som:

Figur 7

När ovanstående är inmatat ser fönstret ut enligt figur 7.

Figur 7. Desinfektion med fritt klor. Klordos, TOC och genomsnittlig tid i kontakttanken.

Lågreservoarens utformning bestämmer hur väl vattnet omblandas och därigenom även vilken kontakttid som varje ”vattenpaket” har för reaktionen med kloret. För att bestämma desinfektionseffekten måste därför hänsyn tas till utformningen av lågreservoaren. I Grönköpings vattenverk är lågreservoaren rektangulär, d.v.s. den har ett högt längd/bredd-förhållande och den är försedd med ett flertal skärmväggar.

Graden av pluggflöde har bedömts vara mellan Medel och Ganska bra, vilket motsvarar en hydraulisk faktor (t10/T) på 0,6.

I QMRA används inte hydraulisk faktor för att beskriva kontakttiden, istället beskrivs denna av det antal CSTR (Completely Stirred Tank Reactors, eller på svenska Antalet totalomblandade tankar) som lågreservoaren motsvarar.

Seriefaktorn är 1 i det här exemplet (lågreservoaren utgörs av en (1) tank) och vi ser då i CSTR-tabellen att antalet CSTR för Medel uppgår till 3 st och för Ganska bra till 5 st. Vi väljer värdet mellan dessa, d.v.s. 4 st CSTR. I rullistan för ”Välj metod för att bestämma antal CSTR” väljer vi ”Definiera antal CSTR manuellt” och matar in värdet 4.

För Grönköpings vattenverk är dricksvattnets pH 8,2 och temperaturen kan periodvis vara nere i 0,5 °C. pH 8,2 finns inte med som val, utan vi måste välja mellan pH 8 eller 8,5. Eftersom desinfektionen fungerar sämre vid högre pH väljer vi pH 8,5 för att vara på den säkra sidan. Mata in pH 8,5 och temperatur 0,5 °C under ”Definiera pH och temperatur”.

Sist ska vi justera känsligheten för klor. Detta är att anse som överkurs och i det här exemplet väljer vi de rekommenderade värdena, dvs:

  • Säkerhetsfaktor för att ta hänsyn till avskärmning = 3
  • Tillåt projektioner bortom mätbart intervall? = Nej

När ovanstående är inmatat/valt ser fönstret ut enligt figur 8.

Figur 8. Desinfektion med fritt klor. CSTR, pH, temperatur och justering av känslighet.

Gå in i modulen ”Exponering”.

Med exponering menas hur mycket dricksvatten som konsumeras i en population,

med hänsyn tagen till konsumtionsmönster och -volym. I QMRA-verktyget finns förinställt konsumtionsmönster från två studier i Sverige. I detta exempel används studien av Säve-Söderbergh et al 2017.

Figur 9. Exponering

Gå in i modulen ”Riskkarakerisering”.

Nu har samtliga inmatningssteg gåtts igenom och det är dags att ta fram resultaten

av analysen. Resultatet redovisas i verktyget som log-reduktion (avskiljning) för

respektive beredningssteg, sannolikhet för infektion (daglig- och årlig risk) samt som

DALYs (Disability Adjusted Life Years).

Logavskiljningen presenteras för respektive patogen i de olika beredningsstegen. På

x-axeln anges logavskiljningen på formen (tal)e-000. Med e-000 avses 10-0 vilket är detsamma som 1, vilket ger att exempelvis 2.0e-000 utläses som 2,0 logs avskiljning (2*1=2). På samma sätt betyder exempelvis e-001 detsamma som 10-1 vilket är lika med 0,1. Exempelvis 5e-001 utläses som 0,5 logs avskiljning (5*0,1=0,5).

För Grönköpings vattenverk erhålls logreduktioner för respektive beredningsprocess enligt figur 10.

Figur 10. Log-avskiljning för respektive beredningssteg. Mid-value.

Tabell 10. Log-avskiljning för respektive beredningssteg. Mid-value.

Sannolikheten för att konsumenter ska bli infekterade av det producerade dricksvattnet på årsbasis redovisas i form av Pinf (Probability of infection) annual.

Pinf annual kan redovisas på olika sätt, vilket ger möjlighet att tolka resultatet från olika synvinklar.

Mid-value

I figur 11 och tabell 11 redovisas resultatet som Mid-value, eller mest troliga värde. Vi ser i figur 11 och tabell 11 att ingen enskild patogen överskrider den acceptabla risknivån 1/10 000 (1*10-4, 1e-004).

Resultaten i figur 11 och tabell 11 redovisas både som High infectivity och som Low infectivity, med olika höjd på staplarna för Campylobacter och för Cryptosporidium.

Skillnaden i staplarna för lower och higher infectivity i figuren ger en fingervisning om osäkerheten kopplad till valet av dos-responsfunktion. Varför erhålls olika staplar även för övriga referenspatogener???

Figur 11. Sannolikhet för infektion (årlig)

Tabell 11. Sannolikhet för infektion (årlig)

Sannolikhetsfördelning (percentiler)

I figur 12 och 13 redovisas resultatet i form av percentiler. Detta redovisningssätt möjliggör en mer ingående tolkning av resultatet. Här har resultatet valts att visas som 5, 25 och 95 procent percentiler. I desktop-versionen kan användaren själv välja vilka percentiler som ska redovisas.

Av resultatet ses att även Vad säger resultatet? Säger det något mer/annat än mid-value?

Figur 12. Higher infectivity

Tabell 12. Higher infectivity

Figur 13. Lower infectivity

Tabell 13. Lower infectivity

Sannolikheten för att konsumenter ska bli infekterade av det producerade dricksvattnet på daglig basis redovisas i form av Pinf (Probability of infection).

Mid-value

I figur 14 och tabell 14 redovisas resultatet som Mid-value, eller mest troliga värde. Vi ser i figur 14 och tabell 14 att ingen enskild patogen överskrider den acceptabla dagliga risknivån 1*10-6 (1e-006).

Figur 14. Sannolikhet för infektion (daglig).

Tabell 14. Sannolikhet för infektion (daglig).

Sannolikhetsfördelning (percentiler)

Higher infectivity

Lower infectivity

I figur xx och tabell xx redovisas resultatet som Mid-value, eller mest troliga värde. Vi ser i figur xx och tabell xx att ingen enskild patogen överskrider den acceptabla dagliga risknivån 1*10-6 (1e-006, 1 µDALY).

Mid-value

Higher

Lower

Figur 13. DALYs

  • exempel.txt
  • Senast uppdaterad: 2020/09/14 09:30
  • av johan