Utvikling av metode for å evaluere ytelsen til sammensatte overvannssystemer

Abstract

For å kunne imøtekomme utfordringer knyttet til overvann har mange kommuner i Norge utarbeidet strategier som skal bistå og stille krav til lokal håndtering av overvann. På grunn av alle påvirkningsfaktorene i et nedbørsfelt, begrensninger i metoder og forskjellige dimensjonerende krav fra kommunene, er det ressurskrevende å kunne optimalisere et design av sammensatte overvannsystemer. Med dagens metoder og strategier blir noe av nedbørfeltets egenskaper tatt hensyn til igjennom gjennomsnittlige feltparameter i utregningene. Dette betyr at lokal variasjon av egenskapene i nedbørfeltet utelukkes og potensielt gode utforminger ekskluderes.

Med dette potensiale for utformingen av sammensatte overvannsystemer har det gjennom oppgaven blitt utviklet en metode som kan bidra til økt forståelse og innsikt på temaet. Metoden er basert på overvannstiltaket "regnbed", og bruker Storm Water Management Model (SWMM) som nedbør-avløpsmodell. Gjennom et "Python-script" har forskjellige Monte Carlo simuleringer blitt integrert for utvelgelsen av regnbed arealer og infiltrasjonsevner. Arealene og infiltrasjonsevnene blir satt inn i flere antall duplikasjoner av samme nedbørsfelt som simuleres i SWMM.

Hovedsakelig er metoden testet med fiktive nedbørsfelt der endring av infiltrasjonsevne, nedbør og topologi er undersøkt. Dette resulterte i at endring av nedbør og infiltrasjonsevne hadde stor påvirkning på resultatet. Videre hadde topologi mindre påvirkning. Dette kan underbygge at utformingen av nedbørsfeltet har mindre betydning i denne metoden. Fra virkeligheten vet vi at egenskapene endres som regel med plassering i nedbørfeltet, noe som gjør at topologi har en betydning på utforming av sammensatte overvannsystemer. Videre anbefales det å kalibrere SWMM modellen mot et ekte nedbørfelt for kunne validere metoden.

Oppgaven viser at bruk av den utviklede metoden kan gi utbyggere og konsulenter informasjon som kan være bidragsytende i planlegning og dimensjonering av overvannstiltak.

To be able to meet challenges associated with stormwater in urban areas, many of the municipalities in Norway have developed strategies to assist and set performance criteria for new stormwater management practices. Due to the various changes of properties in drainage basins and different performance criteria between the municipalities, the design of the optimal stormwater management practices is complex. Current methods only take certain drainage basin properties into account through averaged parameters in the calculations. This means that the internal spatial variations of properties in the drainage basin are neglected and consequently the potential design of stormwater management practices is not optimized. To address this potential the goal of this thesis is to contribute increased understanding and insight of stormwater management practices in systems. The method is based on the stormwater management practices called, Rain Garden and uses Storm Water Management Model (SWMM). Through a designed Python-script, SWMM is integrated with various Monte Carlo simulations that generates inputs for Rain Garden areas and infiltration capabilities. The inputs generated from the Monte Carlo simulation is then inserted into the drainage basin model and simulated in the SWMM. The method has mainly been tested with fictitious drainage basins where it investigated changes in infiltration capacity, precipitation and topology. As a result, changes in precipitation and infiltration capacity were found to have major effects on the results. While topology showed to have less of an influence, which may substantiate that the layout of the drainage basin is less important for this method. From reality we know that the properties are usually location dependent and therefore understand that topology has an impact on stormwater management practices. The thesis shows that the developed method can provide designers information that contribute to the planning and designing of stormwater management practices.