Hodnocení rizik v procesu EIA/SEA

1. Hodnocení rizik v procesu EIA/SEA Část 8 Dodatky

2. Diagram TORNÁDO příklad analýzy citlivosti pro alokaci rizika • Smyslem analýzy citlivosti je identifikace nejistoty pro plánování a rozhodovací proces na kritické úrovni. Představuje důležitý krok v procesu rozhodování, šetří čas a umožňuje zjednodušit analýzu nadměrně složitých systémů. • Hledání „klíčových“  několika málo relevantních parametrů systému. • Hledání odpovědi na dotaz ve smyslu „Co je skutečně důležité pro toto rozhodnutí?“

3. Koncept „Tornado diagram“ umožňuje odhalit nejen prvek rozhodující kritické nejistoty, ale numericky i graficky posoudit relativní důležitost uvažovaných dílčích parametrů a stanovit jejich pořadí od největšího po nejmenší potenciální impakt pro sledovaný strategický cíl. • Vizualizace šetří čas, umožňuje zjednodušení složitého problému. • Pracovní postup obecně vyžaduje stanovení tří hodnot uvažovaných parametrů, tj.  základní referenční hodnotu (medián),  minimální, a  maximální hodnotu

4. Aplikace volně dostupného programu TORNDIAG.xls - autorizovaný firmou SMARTORGhome.uchicago.edu/~rmyerson/torndiag.xls • Uspořádání diagramu vyjadřuje pruhový diagram, kde vodorovný rozměr jednotlivých pruhů definuje velikost diference (swing) možných výstupů pro jednotlivá aplikovaná kritéria (parametry). Hierarchizace diagramu je od vrcholu s největší diferencí, tzn. od shora dolů.

5. DEMO - příklad • Segment z aktuálního dokumentu Riziková analýza vybraných scénářů Státní energetické politiky ČR (se zvláštním zřetelem na bezpečnost systému elektroenergetiky a časový horizont 2030) – z roku 2008 • Analýza citlivosti je provedena jako DEMO-příklad pro 4 definované scénáře SEP a 5 vybraných indikátorů rizika

6. Předmětem zájmu je zjištění míry vlivu (impaktu) dílčích parametrů rizika na souhrnný ukazatel rizika, tj. totální index rizikaTIR, definovaného vztahem pro soubor posuzovaných scénářů (variant) Vi Tento požadavek ve smyslu hledané proměnné veličiny TIR musí být vložen do příslušné cílové buňky procesoru.

7. Okno programu TORNDIAG.xls

8. Diagram TORNADO

9. Diagramy typu tornádo zobrazují korelaci mezi proměnnými na vstupu do modelu a rozdělení jejich výstupů; jinými slovy upozorňují na největší příčiny celkového rizika. Ukazují, kde se může měnit velmi výrazně riziko projektu. • Délky jednotlivých proužků v diagramu odpovídají vlivu jednotlivých položek na celkové riziko.

11. Subjektivní pravděpodobnost

12. Snižování rizika pomocí subjektivní pravděpodobnosti • jakýkoliv odhad vlivu (změny) zavádí náhodné veličiny, které v rozhodovacím procesu představují rizikové faktory • v deterministickém modelu je povaha náhodné veličiny zanedbána absence rizikových faktorů v procesu EIA/SEA !!! ŘEŠENÍ: Uplatnění stochastických údajů pomocí modelové techniky

13. analytik musí využít dostupných matematických modelů, uplatnit subjektivní pravděpodobnost náhodných veličin (rizikových faktorů), přesněji řečeno subjektivní rozdělení pravděpodobnosti • význam neformálního expertního a analogického pracovního postupu • posudek ojedinělého znalce (one man prediction) • Skupina expertů – metoda DELFY

14. Simulace metodou Monte Carlo Použití stochastických matematických modelů řeší systémová analýzy a operační výzkum formou simulace chování (napodobování) systémů s důrazem na analýzu rizika nejčastěji metodou Monte Carlo (MC). Posouzení či zadání náhodných veličin (rizikových faktorů) lze učinit pomocí histogramů. Příklad hodnocení podle kritéria „Vliv na zvýšení odolnosti území proti krizovým situacím“ (kritérium vyjadřuje vliv na odolnost území proti krizovým situacím v důsledku přerušení dodávek energie z celostátních přenosových soustav a systémových zdrojů; některé Programy tuto hrozbu snižují v důsledku vytvoření vlastních – alternativních - zdrojů). Zdroj: Posouzení územní energetické koncepce Středočeského kraje“ z roku 2004  11 variant (technologických programů, scénářů)  21 kritérií  36 znaleckých výpovědí expertů.

15. Zpracování výsledků simulace je shodné s  principy matematické statistiky. Především střední hodnota náhodné veličiny se odhaduje aritmetickým průměrem pozorovaných (popř. vygenerovaných ) hodnot, rozptyl náhodné veličiny se odhaduje výběrovým rozptylem, pravděpodobnost sledovaného jevu se odhaduje relativní četností atd. Odmocninu z rozptylu, tj. směrodatnou odchylku, lze do jisté míry brát ve statistice za míru chyby e odhadu střední hodnoty náhodné veličiny. • Výrazné jsou značné nároky na velký počet pokusů, takže metoda MC je náročná na strojový čas počítače. Toto souvisí se skutečností, že chyba e odhadu sledované pravděpodobnostní charakteristiky klesá s počtem pokusů velmi pomalu.

18. Histogramy

19. Hierarchizace posouzených programů podle indikátoru rizika „Vliv na zvýšení odolnosti území proti krizovým situacím“ v rámci procesu SEA

20. Legenda - pořadí posouzených programů • 1. Energetické využívání biomasy. • 2. Energetické využívání bioplynu. • 3. Výstavba pasivních domů (dosažení nízkých tepelných ztrát u nových budov). • 4. Společná výroba tepla a elektřiny (kogenerace, teplárenství). • 5.-6. Využívání energie malé vody (malé vodní elektrárny do 10 MW). • 5.-6. Snižování měrné spotřeby pro vytápění budov (snižování tepelných ztrát při obnově bytového fondu). • 7. Rekuperace tepla (recyklace tepla z odpadního vzduchu a vody) • 8. Využívání termosolárních systémů s akumulací tepla. • 9. Využívání energie větru (větrné elektrárny). • 10. Využívání geotermální energie (tepelná čerpadla) • 11. Využívání energie slunce – výroba elektřiny (fotovoltaika).

21. DEMO-příklad transformační funkce užitku Vliv na zvýšení odolnosti území proti krizovým situacím

22. Komentář k diagramu: • Kritérium K(C-2) vyjadřuje vliv na odolnost území proti krizovým situacím v důsledku přerušení dodávek energie z celostátních přenosových soustav a systémových zdrojů. Některé Programy tuto hrozbu snižují v důsledku vytvoření vlastních (alternativních) zdrojů.

23. Hierarchizace posouzených 11 technologických programů podle souboru 21 parametrů

24. Počítačová podpora

25. „Crystal Ball 2000“ Posun lineárních diskrétních modelů deterministické povahy do oblasti modelů pravděpodobnostních, které lépe vyjadřují nejistoty v procesu rozhodování, v současné době nabízí internetová databáze, především aplikace metody Monte Carlo.

26. Software pro rizikovou analýzu „Crystal Ball 2000“ byl vyvíjen od roku 1986 a je autorizován firmou Decisioneering, Inc., Denver, Co, USA. Umožňuje zautomatizovat těžkopádné paradigma „what-if“ pomocí simulace Monte Carlo, využitím definovaného rozsahu hodnot anebo pravděpodobnostní charakteristiky náhodně rozdělené veličiny pro každou neznámou proměnnou (rizikový faktor). Využití: Největší světové koncerny. Kontakt: Decisioneering, Inc., 1515 Arapahoe St.. Suite 1311, Denver, CO 80202.  Informace: www.decisioneering.com, sales@crystalball.com;  Web: http://www.crystalball.com.

27. DSL (1999): A Graphical Network Interface. Decision Systems Laboratory, University of Pittsburgh, School of Information Science. Pittsburgh, PA, April 20, 1999. Web: http://www2.sis.pitt.edu/~genie/ .

28. Okno modelu GeNIe se strukturou MAU pro 11 kritérií

29. Výsledek skórování podle modelu GENIE

30. InfoHarvest (2005): Criterium DecisionPlus. Student version CDP 3.0. InfoHarvest Inc. Seattle WA, USA. Web: http://www.infoharvest.com/ihroot/download/cdp3/cdp304S.exeQ

31. Okno modelu CDP pro stromovou strukturu 11 kritérií a dvou variant

32. Okno modelu CDP s numerickými a grafickými hodnotami wj(N)

33. Okno modelu CDP s výslednými hodnotami vícerozměrných vektorů