Análisis De Modelos Fuentes Para Tuberías De Transporte De Hidrocarburos Líquidos ¿Que Tan Variable Puede Ser La Liberación De Líquidos Con Baja Volatilidad?

Los modelos fuentes buscan describir el comportamiento de los fluidos en caso de una prdida de contencin debido a una ruptura o fallo en una tubera de transporte. Estos modelos se basan en principios de dinmica de fluidos y ecuaciones de conservacin de masa, energa y momento para prever cmo se comportar un fluido al ser liberado al ambiente bajo diferentes condiciones operativas. Estas herramientas son fundamentales para el diseo de medidas de contencin y el desarrollo de planes de respuesta rpida que minimicen los daos econmicos y ambientales, as como los riesgos para la vida humana. Este documento presenta un anlisis comparativo de diversos modelos fuentes bajo condiciones dinmicas y estticas, contrastando los resultados de las simulaciones con mediciones de casos experimentales para lquidos de baja volatilidad. Los modelos examinados incluyen el flujo a travs de tuberas, la solucin del modelado matemtico del flujo en una tubera con fuga utilizando la analoga de un sistema con resistencias, el flujo a travs de un orificio en un tanque y el modelo asociado al proceso de fuga de una tubera presurizada.

En este sentido, los resultados obtenidos muestran coherencia en los modelos estacionarios, pero sealan la necesidad de correcciones en los modelos dinmicos, sugiriendo la inclusin de ecuaciones adicionales para mejorar la precisin. Por otro lado, la comparacin entre las simulaciones y los casos reales de liberacin revel residuales en el estado final correspondientes al 5,84% y 9,75% para las mediciones en estado estacionario y dinmico, respectivamente. Este hallazgo subraya la importancia de seleccionar el modelo fuente adecuado segn las caractersticas especficas del escenario analizado para mejorar la precisin en la gestin de emergencias y la minimizacin de riesgos. Finalmente, se propone la inclusin de variables aleatorias para abordar la incertidumbre asociada a estos eventos como una solucin para mejorar la evaluacin de los modelos.