Einleitung: Die entscheidende Rolle der Lüftung in U-Bahn-Stationen

U-Bahnstationen sind begrenzte, stark frequentierte Umgebungen, in denen Tausende von Passagieren stündlich durchfahren. Die Kombination aus begrenzter Frischluftversorgung, hoher Belegung und der ständigen Bewegung von Zügen erzeugt komplexe Luftströmungsmuster und erhöht die Konzentration von Luftpartikeln - von Staub- und Bremsverschleißpartikeln bis hin zu ausgeatmeten Tröpfchen, die Krankheitserreger tragen. Im Zuge globaler Gesundheitsbedenken und strengerer Luftqualitätsvorschriften hat die Optimierung von Lüftungssystemen für Transitbehörden oberste Priorität erhalten. Computational Fluid Dynamics (CFD) Software wie ANSYS Fluent bietet ein leistungsfähiges, kostengünstiges Mittel zur Simulation und Analyse von Luftstrom und Partikeltransport, das es Ingenieuren ermöglicht, sicherere, energieeffizientere U-Bahnstationen zu entwerfen. Dieser Artikel untersucht die Methodik, Vorteile und praktischen Überlegungen der Verwendung von ANSYS Fluent zur Modellierung des Luft- und Partikelstroms in U-Bahnstationen und bietet einen umfassenden Leitfaden für Ingenieure und Forscher.

Die Physik des Luftstroms und des Partikeltransports in U-Bahn-Stationen

Das Verständnis der zugrunde liegenden Strömungsdynamik und des Partikelverhaltens ist vor dem Bau einer Simulation unerlässlich. U-Bahnstationen weisen komplexe Geometrien mit Plattformen, Treppenhäusern, Tunneln und Lüftungsschächten auf. Die Strömung ist typischerweise turbulent, angetrieben durch Zwangslüftung (Ventilatoren und Düsen) und natürliche Kräfte wie zugbedingte Kolbeneffekte. Luftgeschwindigkeiten können von nahezu Null in stehenden Zonen bis zu mehreren Metern pro Sekunde in der Nähe von Zugöffnungen reichen. Partikel, die oft polydispers sind und Größen von 0,1 bis 100 μm haben, werden durch den Luftstrom transportiert, unterliegen aber auch der Schwerkraft, der Brownschen Bewegung und der Trägheitseinwirkung. Pathogene Tröpfchen (z. B. durch Husten oder Niesen) liegen typischerweise zwischen 1 und 50 μm, wodurch sie sowohl für Luftsuspension als auch für Oberflächenablagerungen anfällig sind.

Turbulenzmodellierungsansätze

Genaue Simulation erfordert die Auswahl eines geeigneten Turbulenzmodells. Der Reynolds-Averaged Navier-Stokes (RANS)-Ansatz, insbesondere das realisierbare k-ε-Modell, wird aufgrund seiner Recheneffizienz und angemessenen Genauigkeit für den Innenluftstrom weit verbreitet verwendet. Für die Erfassung von transienten Phänomenen wie Kolbeneffekten oder auftriebsgetriebenen Strömungen kann jedoch das Shear Stress Transport (SST) k-ω-Modell bevorzugt werden. In einigen Fällen kann Large Eddy Simulation (LES) eine höhere Genauigkeit, aber zu einem viel höheren Rechenaufwand bieten. ANSYS Fluent unterstützt all diese Modelle, so dass der Ingenieur Genauigkeit und Ressourcenbeschränkungen ausgleichen kann.

Partikeldynamik und Ablagerung

Partikel werden mit dem Lagrangian Discrete Phase Model (DPM) in Fluent verfolgt. Die Bewegungsgleichung umfasst Widerstand, Schwerkraft, Brownsche Kraft (für Submikronpartikel) und Saffman-Auftriebskräfte. Die Ablagerung auf Oberflächen kann unter Verwendung empirischer Wandgrenzbedingungen oder durch eine wandnahe Behandlung, die die viskose Teilschicht auflöst, modelliert werden. Bei größeren Partikeln wird die turbulente Dispersion durch stochastisches Tracking (zufälliges Gehen) berücksichtigt. Die Genauigkeit der Partikelverfolgung beruht auf der Maschenauflösung in der Nähe von Wänden, insbesondere bei Partikeln < 10 μm, da sie durch Grenzschichtturbulenzen beeinflusst werden.

Aufbau eines Computational Fluid Dynamics Modells mit ANSYS fließend

Die Erstellung eines zuverlässigen CFD-Modells einer U-Bahn-Station umfasst mehrere systematische Schritte. Jeder Schritt muss sorgfältig ausgeführt werden, um sicherzustellen, dass die Simulationsergebnisse sowohl genau als auch umsetzbar sind.

Geometrie und Mesh Construction

Der erste Schritt besteht darin, ein 3D-Modell für computergestütztes Design (CAD) der Station zu erstellen, einschließlich Plattformen, Tunnel, Rolltreppenhohlräume, Lüftungskanäle und Zugkörper. Lokale Geometrien wie Säulen und Werbetafeln können die lokalen Luftströmungsmuster erheblich beeinflussen. Die Geometrie wird in ANSYS Meshing importiert, wo ein unstrukturiertes tetraedrisches oder polyedrisches Netz erzeugt wird. Ein Grenzschichtnetz (Prismenschichten) ist in der Nähe von Wänden unerlässlich, um die viskose Teilschicht für eine genaue Turbulenz- und Partikelablagerungsmodellierung aufzulösen. Mesh-Unabhängigkeitsstudien sollten durch Verfeinerung des Netzes durchgeführt werden, bis sich wichtige Ausgangsgrößen (z. B. durchschnittliche Luftgeschwindigkeit an der Plattform, Partikelkonzentration in der Atemzone) um weniger als 2-5 % ändern.

Grenzbedingungen

Die Grenzbedingungen bestimmen die physikalischen Triebkräfte der Strömung.

  • Einlässe: Frischluftzufuhr aus Lüftungsschächten, oft als Geschwindigkeitseinlässe mit vorgeschriebener Turbulenzintensität (z. B. 5-10%) angegeben.
  • Ausgänge: Abgasventilatoren, die als Druckausgänge oder Massenstromausgänge modelliert sind.
  • Train-induced flow: Kann als bewegliche Wände oder durch Vorschreiben von Geschwindigkeitsprofilen an Tunnelöffnungen modelliert werden.
  • Die Anwesenheit von Passagieren: Passagiere werden oft als Wärmequellen (Körperwärme von ~100 W pro Person) und als Hindernisse modelliert, die die Strömung beeinflussen.
  • Partikelquellen: Definiert basierend auf Partikelgrößenverteilung, Dichte und Massenflussrate. Für die Pathogenmodellierung können Husten- oder Niesereignisse als vorübergehende Puffinjektionen modelliert werden.

Solver Settings und numerische Schemata

ANSYS Fluent bietet sowohl druckbasierte als auch dichtebasierte Löser an. Für inkompressible Strömungen mit niedriger Geschwindigkeit, die für U-Bahn-Stationen typisch sind, ist der druckbasierte Löser (gekoppelt oder getrennt) standardmäßig. Aufwindschemata zweiter Ordnung für Impuls- und Turbulenzgleichungen verbessern die Genauigkeit. Konvergenz wird typischerweise mit Restwerten unter 1e-4 für Kontinuität und 1e-5 für Impuls überwacht. Zusätzliche Monitore (z. B. Durchschnittsgeschwindigkeit an Schlüsselstellen, Gesamtpartikelmasse in der Domäne) helfen bei der Bewertung der Stabilität der Lösung.

Turbulenzmodellauswahl

Wie erwähnt, ist das realisierbare k-ε-Modell eine robuste Basislinie. Für ein genaueres Verhalten in der Nähe von Wänden wird das SST-k-ω-Modell empfohlen. In ANSYS Fluent kann das Transition-SST-Modell auch verwendet werden, wenn laminar-zu-turbulente Übergangsbereiche wichtig sind, wie in Regionen mit sehr niedriger Geschwindigkeit. Für transiente Simulationen der Zugbewegung kann die Skala-Adaptive Simulation (SAS) oder Detached Eddy Simulation (DES) größere Wirbel auflösen, während die Rechenkosten niedriger als die von LES bleiben.

Simulation der Partikeldispersion

Die Modellierung von Partikeln in ANSYS Fluent umfasst das Diskrete-Phasen-Modell (DPM), das Partikel als verdünnte zweite Phase behandelt. Die Kopplung zwischen der kontinuierlichen Phase (Luft) und Partikeln kann in eine Richtung (durch Strömung beeinflusste Partikel, aber nicht durch Strömung beeinflusst) oder in zwei Richtungen (Partikelmasse und Impuls beeinflussen die Strömung) erfolgen. Bei typischen Passagierdichten ist eine Einwegkopplung oft ausreichend, da der Volumenanteil der Partikel unter 1e-6 liegt. Wenn jedoch Tröpfchen von vielen Passagieren eine erhebliche Verdunstungskühlung oder Massenbelastung verursachen, kann eine Zweiwegkopplung erforderlich sein.

Partikelinjektion und Größenverteilung

Partikel werden aus Quellen wie Zugbremsen, Bodenstaub und Fahrgästen injiziert. Es sollte eine realistische Größenverteilung (z. B. lognormal mit einem geometrischen Mittelwert von 2,5 μm und einer Standardabweichung von 2,0 für Feinpartikel) verwendet werden. ANSYS Fluent ermöglicht die Injektion mehrerer Partikeltypen mit unterschiedlichen Dichten und Durchmessern über die Funktionen Rosin-Rammler oder lognormale Verteilung. Für die Modellierung von Pathogenen könnte eine typische Injektion ein Hustenereignis sein, das ~ 3.000 Tröpfchen pro Husten mit Größen im Bereich von 0,5 bis 50 μm erzeugt.

Partikelverfolgung und -ablagerung

Die Teilchenbahnen werden durch Integration des Kraftgleichgewichts in einem Lagrangschen Referenzrahmen berechnet. Fluents DPM bietet mehrere Integrationsoptionen: Das automatische Tracking-Schema wählt die beste Methode auf der Grundlage der Teilchen-Courrant-Zahl aus. Für die turbulente Dispersion liefert das diskrete Zufallslaufmodell (DRW) stochastische Geschwindigkeitsschwankungen. Die Ablagerung wird mit der Grenzbedingung trap modelliert, bei der Partikel bei Wandkontakt entfernt werden, während die Bedingung Reflect den Rückprall simuliert. Für eine realistischere Ablagerung kann das wall-film-Modell für Flüssigkeitströpfchen verwendet werden. Studien haben gezeigt, dass die Ablagerungsgeschwindigkeit stark von der Teilchengröße abhängt, wobei <1 μm-Partikel langsamer als größere ablagern.

Resuspensionsüberlegungen

Abgelagerte Partikel können durch Störungen der Luftströmung (z. B. Zugpassage, Fußgänger) resuspendiert werden. Dieses Phänomen ist komplex und hängt von Partikeladhäsion, Oberflächenrauhigkeit und Scherspannung ab. Fortgeschrittene Modelle wie das Rock'n'Roll oder Monte Carlo Resuspensionsmodell können über benutzerdefinierte Funktionen (UDFs) in Fluent implementiert werden, aber für Bewertungen erster Ordnung wird oft eine kritische Scherspannungsschwelle verwendet.

Analyse von Simulationsergebnissen zur Sicherheits- und Lüftungsoptimierung

Sobald die CFD-Simulation konvergiert ist, muss die große Datenmenge in umsetzbare Erkenntnisse umgewandelt werden. ANSYS Fluent bietet robuste Nachbearbeitungstools, aber dedizierte Software wie ANSYS CFD-Post oder Tools von Drittanbietern können detaillierte Berichte erstellen.

Key Performance Indicators (KPIs)

Typische KPIs für die Optimierung der U-Bahn-Belüftung sind:

  • Luftalter: Die durchschnittliche Zeit, die Luft innerhalb der Station verbracht hat.
  • Partikelentfernungseffizienz: Prozentsatz der eingespritzten Partikel, die über Auspuff austreten, im Vergleich zu Ablagerungen auf Oberflächen oder Schwebebleiben.
  • Infektionsrisikoindex: Für pathogenbeladene Partikel die Konzentration in den Atemzonen (1,5-2,0 m über dem Plattformspiegel), gewichtet nach der Expositionszeit.
  • Velocity Uniformity: Standardabweichung der Geschwindigkeitsgröße auf der Plattform; hohe Gleichmäßigkeit reduziert stagnierende Zonen.
  • Energieverbrauch: Gesamtlüfterleistung erforderlich, um die Ziel-KPIs zu erreichen.

Identifizierung von Stagnanten Zonen und Kurzumläufen

Die Visualisierung von Stromlinien und Partikelbahnen zeigt oft Bereiche der Rezirkulation oder des Kurzschlusses, in denen Zuluft direkt über Abgase austritt, ohne sich in besetzten Bereichen zu vermischen. Zum Beispiel können Zuluftdiffusoren, die in der Nähe von Auspuffgittern platziert sind, einen Kurzschluss erzeugen und Energie verschwenden. ANSYS Fluents -Konturkurven des mittleren Alter der Luft und der Partikelkonzentration heben diese Problembereiche deutlich hervor. Ingenieure können dann Diffusoren verlagern oder neu ausrichten, die Zuluftgeschwindigkeit erhöhen oder Düsenventilatoren hinzufügen, um stehende Zonen zu eliminieren.

Optimierung durch parametrische Studien

Die parametrischen Analysewerkzeuge von ANSYS Fluent ermöglichen es Benutzern, mehrere Variablen zu überbrücken (z. B. Versorgungsfluss, Abgasposition, Anzahl der Ventilatoren) und KPIs zu vergleichen. Design of Experiments (DOE)-Methoden können die Anzahl der Durchläufe reduzieren. Für jede Konfiguration wird die Simulation mit Zeitschriftendateien erstellt und die Ergebnisse werden automatisch gesammelt. Die optimale Konfiguration minimiert die Partikelkonzentration in der Atemzone, während die Energiebudgetbeschränkungen eingehalten werden. Zum Beispiel könnte eine Studie ergeben, dass eine Erhöhung der Versorgungsflussrate um 20% den Infektionsrisikoindex um 60% reduziert und nur die Ventilatorleistung um 15% erhöht.

Fallstudien und Real-World-Anwendungen

Eine weitere Studie modellierte die Verteilung von Tröpfchen von Passagieren über eine ganze Station und fand heraus, dass eine Erhöhung der Luftwechselrate von 6 auf 12 ACH die Spitzenkonzentration von viralen Tröpfchen innerhalb von 10 Minuten um 85% reduzieren könnte. In London verwendete das U-Bahn-System CFD, um die Positionierung von tragbaren Luftreinigern während der COVID-19-Pandemie zu optimieren, was eine Reduzierung der Partikelzahl in stark frequentierten Gebieten um bis zu 50% erreichte.

Diese realen Anwendungen zeigen die Macht der CFD bei evidenzbasierten Entscheidungen. Ein gut validiertes Modell kann kostspielige physikalische Experimente ersetzen und Nachrüstungen mit Zuversicht leiten. Weitere Informationen finden Sie unter ANSYS Fluent Produktseite für technische Fähigkeiten und die WHO Richtlinien für die Belüftung in Innenräumen für Benchmark-Luftwechselraten.

Überlegungen zur Modellvalidierung und -verifizierung

Ein CFD-Modell ist nur so gut wie seine Validierung. Ingenieure sollten Simulationsergebnisse mit Feldmessungen (Geschwindigkeitsprofile, Partikelzahl) von tatsächlichen Stationen vergleichen. Verwenden Sie Testfälle wie die Mock-up-Stationenexperimente oder Literaturdaten (z. B. aus den ASHRAE Standards. Die Unsicherheitsquantifizierung sollte durch Störung von Eingangsparametern (z. B. Partikeldichte, Grenzschichtmaschenhöhe) und Beobachtung der Variation der KPIs erfolgen. Die Werkzeuge von ANSYS Fluent mesh-Adaption können helfen, die Netzunabhängigkeit zu gewährleisten. Das Vertrauen in das Modell wird erreicht, wenn die Vereinbarung zwischen Simulation und Messung innerhalb von ±10 % für Schlüsselmetriken liegt.

Einschränkungen und Herausforderungen bei der CFD-Modellierung von U-Bahn-Stationen

Trotz ihrer Leistungsfähigkeit ist die CFD-Modellierung von U-Bahnstationen mit mehreren Einschränkungen verbunden. Die Rechenkosten für die Simulation der gesamten Station bei hoher Auflösung, insbesondere für transiente Ereignisse wie einen Zug, der alle zwei Minuten fährt, können unerschwinglich sein. Viele Studien vereinfachen durch die Verwendung von stationären oder groben Maschen. Darüber hinaus kann das Modell nicht alle Komplexitäten der realen Welt erfassen, wie z. B. Schwankungen der Passagierbewegung, Türöffnungsmuster oder externe Wetterbedingungen (Wind, Temperatur). Die polydisperse Natur von Partikeln und ihre chemische Zusammensetzung (hygroskopisches Wachstum, Verdunstung) erfordern zusätzliche Modellierung, oft über UDFs. Schließlich kann die Wahl des Turbulenzmodells und der Partikelverfolgungsparameter erhebliche Unsicherheiten mit sich bringen, wenn sie nicht sorgfältig kalibriert werden. Trotz dieser Herausforderungen bleibt CFD das praktischste Werkzeug zur Optimierung der Belüftung in Kombination mit der Feldvalidierung.

Future Directions: Kopplung von CFD mit Machine Learning und Echtzeit-Monitoring

Neue Trends beinhalten die Integration von CFD mit maschinellem Lernen, um digitale Zwillinge von U-Bahnstationen zu schaffen. Ein Echtzeit-Sensornetzwerk, das Daten in ein Modell mit reduzierter Ordnung einspeist, das aus ANSYS Fluent-Simulationen aufgebaut ist, kann Partikelverteilungen vorhersagen und automatisch die Lüftungssollwerte anpassen. Dieser Ansatz verspricht sowohl Energieeinsparungen als auch adaptive Sicherheitsmaßnahmen. Darüber hinaus ermöglichen Fortschritte im Hochleistungsrechnen (High Performance Computing, HPC) nun vollständige transiente LES von gesamten Stationen, was genauere Vorhersagen der maximalen Schadstoffbelastung ermöglicht. Da sich ANSYS Fluent mit GPU-Solvern und Cloud-basiertem HPC weiterentwickelt, werden die Hindernisse für eine U-Bahn-Modellierung mit hoher Genauigkeit weiter abnehmen.

Schlussfolgerung

Die Modellierung des Luft- und Partikelstroms in U-Bahnstationen mit ANSYS Fluent ist eine unverzichtbare Methode zur Verbesserung der Passagiersicherheit und der Lüftungseffizienz. Durch die systematische Konstruktion von Geometrie, die Festlegung von Randbedingungen, die Auswahl geeigneter Turbulenz- und Partikelmodelle und die Analyse von Leistungsindikatoren können Ingenieure die Lüftungsdesigns optimieren, um die Kontamination und den Energieverbrauch zu reduzieren. Während die Herausforderungen bei der Berechnungskosten- und Modellvalidierung bestehen bleiben, machen die Vorteile - verbesserte öffentliche Gesundheit, Einhaltung gesetzlicher Vorschriften und geringere Betriebskosten - CFD zu einem Eckpfeiler der modernen U-Bahn-Infrastrukturplanung. Da städtische Transitnetze expandieren, wird die Anwendung fortschrittlicher Simulationswerkzeuge nur noch an Bedeutung gewinnen und dazu beitragen, sicherere, gesündere unterirdische Umgebungen für Millionen von Pendlern weltweit zu schaffen.

Für Ingenieure, die neu in der Domäne sind, beginnend mit kleinen Modellen und allmählich zunehmender Komplexität wird empfohlen. Ressourcen wie das ANSYS Academic Program bieten Tutorials und Fallstudien speziell für den Luftstrom in Innenräumen an. Die Investition in eine ordnungsgemäße Validierung gegen Felddaten stellt sicher, dass die Simulationsergebnisse vertrauenswürdig sind, was zu Designentscheidungen führt, die die Luftqualität und Sicherheit in U-Bahn-Stationen wirklich verbessern.