Introducción: El papel crítico de la ventilación en estaciones de metro

Estaciones de aire son limitadas, entornos de alta velocidad donde miles de pasajeros pasan por cada hora. La combinación de suministro de aire fresco limitado, alta ocupación y el movimiento constante de trenes genera patrones complejos de flujo de aire y eleva la concentración de partículas aéreas, que se desplazan desde partículas de polvo y desgaste de frenos para exhalar gotas que transportan patógenos.

La Física del flujo de aire y el transporte de partículas en estaciones de metro

Entender la dinámica de fluidos subyacentes y el comportamiento de partículas es esencial antes de construir una simulación. Las estaciones de metro cuentan con geometrías complejas con plataformas, escaleras, túneles y ejes de ventilación. El flujo es típicamente turbulento, impulsado por ventilación forzada (fans y jets) y fuerzas naturales como los efectos del pistón inducidos por trenes.

Enfoques de modelado de turbulencias

La simulación precisa requiere seleccionar un modelo adecuado de turbulencia. El enfoque Navier-Stokes (RANS) de Reynolds-Averaged, en particular el modelo realizable k-ε, es ampliamente utilizado debido a su eficiencia computacional y precisión razonable para el flujo de aire interior. Sin embargo, para capturar fenómenos transitorios como efectos de pistón o flujos de amortiguación, el modelo de transporte de Shear

Dinámica y Deposición de partículas

Las partículas se rastrean utilizando el modelo de fase discreta de Lagrangia (DPM) en Fluent. La ecuación del movimiento incluye la resistencia, gravedad, fuerza marroniana (para partículas submicron), y fuerzas de elevación de Saffman. La deposición en las superficies se puede modelar utilizando condiciones de límites empíricos o mediante un tratamiento de cerca de la pared que resuelve el sublador de partículas más grandes

Construir un modelo de dinámica de fluidos computacional con fluidos ANSYS

Crear un modelo CFD confiable de una estación de metro implica varios pasos sistemáticos. Cada paso debe ser ejecutado cuidadosamente para asegurar que los resultados de simulación sean tanto precisos como factibles.

Geometría y construcción de malla

El primer paso es generar un modelo de diseño computarizado 3D (CAD) de la estación, incluyendo plataformas, túneles, huecos escaladores, conductos de ventilación y cuerpos de tren. Geometría local, como columnas y paneles publicitarios, puede afectar significativamente los patrones de flujo de aire local. La geometría se importa en ANSYS Meshing, donde se crea una base de presión de partículas no estructurada cerca de la malla.

Condiciones de los límites

Las condiciones de los límites definen los conductores físicos del flujo. Las condiciones típicas de una estación de metro incluyen:

  • Inlets:] Fuente de aire fresco de los ejes de ventilación, a menudo especificada como entrada de velocidad con intensidad de turbulencia prescrita (por ejemplo, 5-10%).
  • Explotas:] Los fans de escape se modelaron como salidas de presión o salidas de flujo masivo.
  • Flujo inducido por el tren: Puede ser modelado como paredes móviles o prescribiendo perfiles de velocidad en aberturas de túnel. Alternativamente, un enfoque de malla deslizante puede simular movimiento de tren, pero para muchos estudios una aproximación de estado estable con una fuente de impulso es suficiente.
  • presencia de pasajeros: Los pasajeros son a menudo modelados como fuentes de calor (calor corporal de ~100 W por persona) y como obstáculos que afectan el flujo. Algunos estudios utilizan medios porosos para representar a multitudes.
  • Fuentes de partículas: Definido basado en la distribución del tamaño de las partículas, densidad y caudal de masa. Para los eventos de modelado patógeno, tos o estornudos pueden ser modelados como inyecciones de manguito transitorio.

Ajustes de palanca y esquemas numéricos

ANSYS Fluent ofrece solversaciones basadas en la presión y de densidad. Para el flujo incompresible de baja velocidad típico de las estaciones de metro, el solucionador basado en la presión (conjuntado o segregado) es estándar. Los sistemas de viento de segundo orden para las ecuaciones de impulso y turbulencia mejoran la precisión. La convergencia se supervisa normalmente con los residuos inferiores a 1e-4 para la continuidad y 1e-5 para el impulso.

Selección de modelo de turbulencia

Como se mencionó, el modelo realizable k-ε es una base sólida. Para un comportamiento más preciso cerca de la pared, se recomienda el modelo SST k-ω. En ANSYS Fluent, el modelo Transition SST también se puede utilizar si las áreas de transición laminar-a-turbulenta son importantes, como en regiones de muy baja velocidad.

Simulación de la dispersión de partículas

El modelado de partículas en ANSYS Fluent implica el Modelo de Fase Discreta (DPM), que trata las partículas como una segunda fase diluida. El acoplamiento entre la fase continua (aire) y las partículas puede ser de una sola dirección (partículas afectadas por el flujo pero no afectan el flujo) o dos vías (la masa de partículas y el impulso afectan el flujo).

Inyección de partículas y distribución de tamaño

Las partículas se inyectan de fuentes como frenos de tren, polvo de suelo de estación y pasajeros. Se debe utilizar una distribución realista de tamaño (por ejemplo, lognormal con una media geométrica de 2,5 μm y desviación estándar de 2.0 para partículas finas) ANSYS Fluent permite la inyección de múltiples tipos de partículas con diferentes densidades y diámetros a través de las funciones de distribución de Rosin-Rammler o lognormal 50 ugh model típicas.

Particle Tracking and Deposition

Las trayectorias de partículas se computan mediante la integración del equilibrio de fuerza en un marco de referencia Lagrangian. DPM Fluent ofrece varias opciones de integración: el esquema de seguimiento automático selecciona el mejor método basado en la partícula Número de valor. Para la dispersión turbulenta realista, el modelo de caminar discreto aleatorio (DRW) proporciona fluctuaciones de velocidad estástica.

Consideraciones de la reasignación

Las partículas depositadas pueden ser reutilizadas por perturbaciones de flujo de aire (por ejemplo, pasaje de tren, pasajeros caminando). Este fenómeno es complejo y depende de la adherencia de partículas, la rugosidad de la superficie y el estrés de la llaga. Modelos avanzados como el Rock'n'Roll o ]Monte Carlo[FLT: model

Análisis de resultados de simulación para la optimización de seguridad y ventilación

Una vez que la simulación CFD converge, la gran cantidad de datos debe transformarse en información factible. ANSYS Fluent proporciona herramientas robustas de postprocesamiento, pero software dedicado como ANSYS CFD-Post o herramientas de terceros pueden generar informes detallados.

Indicadores clave de rendimiento (KPIs)

Los KPI típicos para la optimización de la ventilación del metro incluyen:

  • Edad del aire: El tiempo medio ha pasado por la estación. La edad mínima para el aire indica una mejor eficiencia de ventilación.
  • Eficiencia de eliminación de partículas: Porcentaje de partículas inyectadas que salen por escapes contra el depósito en superficies o que permanecen suspendidas.
  • Índice de riesgo de infección: Para partículas de carga patógena, la concentración en zonas respiratorias (1.5–2.0 m sobre la plataforma) ponderada por el tiempo de exposición.
  • uniformidad de la velocidad: Desviación estándar de la magnitud de la velocidad en la plataforma; la alta uniformidad reduce las zonas estancadas.
  • Consumo de energía: Potencia total de los ventiladores necesarios para alcanzar los KPI objetivos.

Identificar las zonas despreocupadas y la ecuación corta

La visualización de aerosoles y pistas de partículas a menudo revela regiones de recirculación o cortocircuito donde el suministro de aire sale directamente a través de los escapes sin mezclar en las áreas ocupadas. Por ejemplo, los difusores de suministro colocados cerca de las parrillas de escape pueden crear un cortocircuito, desperdiciando energía.

Optimización mediante estudios paramétricos

Las herramientas de análisis paramétricos de ANSYS Fluent permiten a los usuarios barrer múltiples variables (por ejemplo, velocidad de suministro, localización de escape, número de ventiladores) y comparar KPIs. Las metodologías de diseño de experimentos pueden reducir el número de carreras. Para cada configuración, la simulación se establece utilizando archivos de revistas, y los resultados se recogen automáticamente 15%. La configuración óptima minimiza la concentración de partículas en la zona de respiración mientras se encuentran las limitaciones del presupuesto de energía.

Estudios de casos y aplicaciones en el mundo real

Numerosas agencias de tránsito han aprovechado ANSYS Fluent para mejorar la ventilación del metro. Un ejemplo notable es la Autoridad de Transit de la Ciudad de Nueva York, que utilizó CFD para evaluar la eficacia de los ventiladores de ventilación existentes en el control de partículas (PM2.5) en plataformas. Simulaciones mostraron que la colocación de ventiladores cerca de portales de túneles era más eficaz en diluir partículas relacionadas con trenes que los ventiladores ubicados únicamente en plataformas.

Estas aplicaciones del mundo real demuestran el poder de la CFD en la toma de decisiones basadas en evidencia. Un modelo bien validado puede sustituir costosos experimentos físicos y guía retrofits con confianza. Para más lectura, véase ANSYS Fluent product page] para las capacidades técnicas y Directrices de la OMS sobre ventilación en espacios interiores.

Consideraciones para la validación y verificación modelo

Un modelo de confianza es tan bueno como su validación. Los ingenieros deben comparar los resultados de simulación con las mediciones de campo (propósitos de velocidad, números de partículas) de las estaciones reales. Use test cases tales como los experimentos de estación de simulación o datos de literatura (por ejemplo, de los ASHRAE[FLT]

Limitaciones y desafíos en la modelación de estaciones de metro de CFD

A pesar de su poder, el modelado CFD de las estaciones de metro enfrenta varias limitaciones. El costo computacional de simular toda la estación en alta resolución, especialmente para eventos transitorios como un tren que pasa cada dos minutos, puede ser prohibitivo. Muchos estudios simplifican usando mallas de estado fijo o grueso. Además, el modelo puede no capturar todas las complejidades del mundo real, tales como variaciones en el movimiento de pasajeros, patrones de apertura de puertas o condiciones del tiempo externo (viento).

Futuras direcciones: Coupling CFD con machine Learning y Monitorización en tiempo real

Las nuevas tendencias implican integrar CFD con el aprendizaje automático para crear gemelos digitales de estaciones de metro. Un dato de alimentación de red de sensores en tiempo real en un modelo de orden reducido (ROM) construido a partir de simulaciones de fluidos ANSYS puede predecir distribuciones de partículas y ajustar automáticamente los puntos de ventilación. Este enfoque promete ahorro energético y medidas de seguridad adaptativas.

Conclusión

Modelando el flujo de aire y partículas en estaciones de metro utilizando ANSYS Fluent es una metodología indispensable para mejorar la seguridad de los pasajeros y la eficiencia de la ventilación. Construyendo sistemáticamente geometría, estableciendo condiciones de límite, seleccionando modelos adecuados de turbulencia y partículas, y analizando indicadores de rendimiento, los ingenieros pueden optimizar los diseños de ventilación para reducir la contaminación y el uso de energía.

Para los ingenieros nuevos en el dominio, comenzando con modelos de pequeña escala y aumentando gradualmente la complejidad se recomienda. Recursos como el ANSYS Academic Program] ofrecen tutoriales y estudios de casos específicos para el flujo de aire interior. Invertir en la validación adecuada contra los datos de campo garantiza que los resultados de simulación sean confiables, lo que conduce a decisiones de diseño que realmente mejoran la calidad del aire y la seguridad en las estaciones de las estaciones de metro.