Introduction : Le rôle critique de la ventilation dans les stations de métro

Les stations de métro sont des environnements confinés et très fréquentés où des milliers de passagers passent toutes les heures. La combinaison d'un approvisionnement limité en air frais, d'une forte occupation et du mouvement constant des trains génère des modes de circulation d'air complexes et élève la concentration de particules dans l'air, allant de la poussière et de l'usure des freins aux gouttelettes exhalées transportant des agents pathogènes. À la suite des préoccupations mondiales en matière de santé et du resserrement des réglementations en matière de qualité de l'air, l'optimisation des systèmes de ventilation est devenue une priorité absolue pour les autorités de transit.

La physique du transport d'air et de particules dans les stations de métro

Les stations de métro présentent des géométries complexes avec des plates-formes, des escaliers, des tunnels et des puits de ventilation. Le débit est généralement turbulent, entraîné par la ventilation forcée (fans et jets) et des forces naturelles telles que les effets de piston induits par le train. Les vitesses de l'air peuvent varier de zéro dans les zones stagnantes à plusieurs mètres par seconde près des ouvertures du train. Les particules, souvent polydispersées de 0,1 à 100 μm, sont transportées par l'écoulement de l'air mais sont également sujettes à un tassement gravitationnel, à un mouvement brun et à un impact d'inertie.

Approches de modélisation de la turbulence

La simulation précise nécessite de choisir un modèle de turbulence approprié. L'approche RANS (Reynolds-Averaged Navier-Stokes), en particulier le modèle K-ε réalisable, est largement utilisée en raison de son efficacité de calcul et de sa précision raisonnable pour le débit d'air intérieur. Cependant, pour capter des phénomènes transitoires comme les effets du piston ou les débits entraînés par la flottabilité, le modèle SST (Shear Stress Transport) k----.

Dynamique des particules et dépôt

On suit les particules à l'aide du modèle de phase discret (DPM) de la lagrangienne dans Fluent. L'équation du mouvement comprend la traînée, la gravité, la force brownienne (pour les particules submicrones) et les forces de levage de Saffman. On peut modéliser le dépôt sur les surfaces en utilisant des conditions de bordures empiriques ou en utilisant un traitement à proximité de la paroi qui résout la sous-couche visqueuse.

Construire un modèle de dynamique des fluides informatisés avec Ansys Fluent

La création d'un modèle fiable de CFD d'une station de métro comporte plusieurs étapes systématiques. Chaque étape doit être soigneusement exécutée pour s'assurer que les résultats de simulation sont à la fois précis et réalisables.

Géométrie et construction de mesh

La première étape consiste à produire un modèle de conception assistée par ordinateur 3D (CAD) de la station, incluant les plates-formes, les tunnels, les vides d'escalier, les conduits de ventilation et les corps de train. La géométrie locale, comme les colonnes et les panneaux publicitaires, peut affecter de façon significative les schémas de débit d'air local. La géométrie est importée dans INSYS Meshing, où un maillage tétraédrique ou polyédral non structuré est créé.

Conditions limites

Les conditions de démarcation définissent les conducteurs physiques du débit. Les conditions typiques d'une station de métro comprennent :

  • Inlets: Approvisionnement en air frais des puits de ventilation, souvent spécifié comme entrées de vitesse avec l'intensité de turbulence prescrite (p. ex., 5-10%).
  • Outlets: Ventilateurs d'échappement modélisés comme sorties de pression ou sorties de débit massique.
  • Débit induit par le train:[ Peut être modélisé comme des murs mobiles ou en prescrivant des profils de vitesse aux ouvertures de tunnel.
  • Présence de passagers : Les passagers sont souvent modélisés comme des sources de chaleur (chaleur corporelle de ~100 W par personne) et comme des obstacles qui affectent le débit.
  • Sources de particules: Définies en fonction de la distribution de la taille des particules, de la densité et du débit massique.

Paramètres du solvant et schémas numériques

Pour un débit à basse vitesse incompressible typique des stations de métro, le résolveur à basse vitesse (coupé ou séparé) est standard. Les schémas de vent ascendant de deuxième ordre pour les équations de moment et de turbulence améliorent la précision. La convergence est généralement surveillée avec des résidus inférieurs à 1e-4 pour la continuité et 1e-5 pour le moment.

Sélection du modèle de turbulence

Comme mentionné, le modèle k-ε réalisable est une base solide. Pour un comportement plus précis à proximité du mur, le modèle K-γ SST est recommandé. Dans le modèle , le modèle SST de transition peut également être utilisé si les zones de transition laminaire à turbulente sont importantes, comme dans les régions à très faible vitesse. Pour les simulations transitoires du mouvement du train, le Simulation scale-Adaptive (SAS) ou Simulation Eddy Détachée (DES) peut résoudre des constructions plus importantes tout en maintenant le coût calculaire inférieur aux ERP.

Simulation de la dispersion des particules

La modélisation des particules dans le fluide ANSYS implique le modèle de phase discret (DPM), qui traite les particules comme une seconde phase diluée. Le couplage entre la phase continue (air) et les particules peut être aller de l'un à l'autre (particules affectées par le débit mais n'affectant pas le débit) ou de l'autre (masse et moment des particules affectent le débit).

Injection des particules et distribution de taille

Une distribution de taille réaliste (par exemple, lognormale avec une moyenne géométrique de 2,5 μm et une déviation standard de 2,0 pour les particules fines) doit être utilisée. ANSYS Fluent permet l'injection de plusieurs types de particules de densités et de diamètres différents par l'intermédiaire des fonctions de distribution Rosin-Ramler ou lognormale. Pour la modélisation des agents pathogènes, une injection typique pourrait être un événement de toux produisant environ 3 000 gouttelettes par toux de tailles allant de 0,5 à 50 μm.

Suivi et dépôt des particules

Pour la dispersion turbulente, le modèle de marche aléatoire discret fournit des fluctuations de vitesse stochastiques. Le dépôt est modélisé avec l'état de la limite trap où les particules sont enlevées au contact de la paroi, tandis que l'état réfléchissant simule le rebond. Pour un dépôt plus réaliste, le modèle wall-film peut être utilisé pour les gouttelettes liquides. Des études ont montré que la vitesse de dépôt dépend fortement de la taille des particules, avec <1 μm de particules se déposant plus lentement que les plus grandes.

Considérations relatives à la remise en suspension

Les particules déposées peuvent être remises en suspension par des perturbations du débit d'air (p. ex. passage de train, passagers en marche).Ce phénomène est complexe et dépend de l'adhérence des particules, de la rugosité de surface et de la contrainte de cisaillement.Des modèles avancés comme le Rock'n'Roll ou Monte Carlo[ peuvent être mis en œuvre par des fonctions définies par l'utilisateur (UDF) dans Fluent, mais pour les évaluations de premier ordre, un seuil critique de contrainte de cisaillement est souvent utilisé.

Analyser les résultats de simulation pour l'optimisation de la sécurité et de la ventilation

Une fois la simulation CFD convergente, la grande quantité de données doit être transformée en aperçus concrets. ANSYS Fluent fournit des outils de post-traitement robustes, mais des logiciels dédiés comme ANSYS CFD-Post ou des outils tiers peuvent générer des rapports détaillés.

Indicateurs de rendement clés (ICP)

Les ICR typiques pour l'optimisation de la ventilation du métro comprennent :

  • L'âge de l'air:[ Le temps moyen d'air a passé à l'intérieur de la station.
  • Efficacité d'élimination des particules:[ Pourcentage de particules injectées qui sortent par les gaz d'échappement par rapport au dépôt sur les surfaces ou qui restent en suspension.
  • Indice de risque d'infection:[ Pour les particules chargées de pathogènes, la concentration dans les zones respiratoires (1,5–2,0 m au-dessus de la plate-forme) pondérée par le temps d'exposition.
  • Intérence de vitesse:[ Écart type de vitesse sur la plate-forme; une uniformité élevée réduit les zones stagnantes.
  • Consommation d'énergie:[ Puissance totale du ventilateur nécessaire pour atteindre les KPI cibles.

Identification des zones stagnantes et des courts-circuits

La visualisation des rationalisations et des traces de particules révèle souvent des régions de recirculation ou de court-circuit où l'air d'alimentation sort directement par les gaz d'échappement sans se mélanger dans les zones occupées. Par exemple, les diffuseurs d'alimentation placés près des grilles d'échappement peuvent créer un court circuit, gaspiller de l'énergie.

Optimisation par des études paramétriques

Les outils d'analyse paramétrique d'ANSYS Fluent permettent aux utilisateurs de balayer plusieurs variables (par exemple débit d'alimentation, emplacement des gaz d'échappement, nombre de ventilateurs) et de comparer les KPI. La conception des méthodes d'expérimentation (DOE) peut réduire le nombre de parcours. Pour chaque configuration, la simulation est mise en place à l'aide de fichiers de journal, et les résultats sont automatiquement collectés. La configuration optimale minimise la concentration de particules dans la zone de respiration tout en respectant les contraintes budgétaires énergétiques.

Études de cas et applications du monde réel

De nombreuses agences de transport ont fait appel à l'ANSYS Fluent pour améliorer la ventilation du métro. Un exemple notable est l'Administration de transport de la ville de New York, qui a utilisé CFD pour évaluer l'efficacité des ventilateurs de ventilation existants pour contrôler les particules (PM2,5) sur les plates-formes. Les simulations ont montré que le placement du ventilateur près des portails de tunnel était plus efficace pour diluer les particules liées aux trains que les ventilateurs situés uniquement sur les plates-formes.

Ces applications réelles démontrent la puissance de CFD dans la prise de décisions fondées sur des données probantes.Un modèle bien validé peut remplacer des expériences physiques coûteuses et guider les améliorations par la confiance.Pour plus de détails, voir ANSYS Page de produit fluide[ pour les capacités techniques et les Lignes directrices de l'OMS sur la ventilation dans les espaces intérieurs pour les taux de changement d'air de référence.

Considérations relatives à la validation et à la vérification du modèle

Les ingénieurs devraient comparer les résultats de simulation avec les mesures sur le terrain (profils de vitesse, nombre de particules) effectuées par les stations réelles.Utiliser cas d'essai, comme les expériences de simulation de station ou les données de littérature (p. ex., à partir des normes ASHRAE[.La quantification de l'incertitude devrait être effectuée par des paramètres d'entrée perturbateurs (p. ex., densité des particules, hauteur de maille de la couche limite) et par l'observation de la variation des ICR.

Limites et défis dans la modélisation des stations de métro par CFD

Malgré sa puissance, la modélisation CFD des stations de métro est soumise à plusieurs limites. Le coût de calcul de la simulation de la station entière à haute résolution, en particulier pour les événements transitoires comme un train passant toutes les deux minutes, peut être prohibitif. De nombreuses études se simplifient en utilisant des mailles stables ou grossières. De plus, le modèle peut ne pas saisir toutes les complexités du monde réel telles que les variations du mouvement des passagers, les schémas d'ouverture des portes ou les conditions météorologiques extérieures (vent, température).

Orientations futures : accouplement des CFD avec l'apprentissage automatique et la surveillance en temps réel

Les nouvelles tendances comprennent l'intégration du CFD à l'apprentissage machine pour créer des jumelles numériques de stations de métro. Un réseau de capteurs en temps réel alimentant les données dans un modèle à ordre réduit (ROM) construit à partir d'ANSYS Les simulations de Fluent peuvent prédire la distribution des particules et ajuster automatiquement les points de consigne de ventilation. Cette approche promet des économies d'énergie et des mesures de sécurité adaptatives.

Conclusion

La modélisation du débit d'air et de particules dans les stations de métro à l'aide d'ANSYS Fluent est une méthode indispensable pour améliorer la sécurité des passagers et l'efficacité de la ventilation. En construisant systématiquement la géométrie, en fixant les conditions limites, en choisissant des modèles de turbulence et de particules appropriés et en analysant les indicateurs de performance, les ingénieurs peuvent optimiser les conceptions de ventilation pour réduire la contamination et l'utilisation de l'énergie.

Pour les ingénieurs nouveaux dans le domaine, en commençant par les modèles à petite échelle et en augmentant progressivement la complexité est recommandée. Des ressources telles que le ANSYS Academic Program[ offrent des tutoriels et des études de cas spécifiques à l'air intérieur.