Introduzione: Il ruolo critico della ventilazione nelle stazioni della metropolitana

Le stazioni di trasporto subacquee sono ambienti limitati e ad alta velocità in cui migliaia di passeggeri passano ogni ora. La combinazione di limitato rifornimento di aria fresca, elevata occupazione e il costante movimento dei treni genera complessi modelli di flusso d'aria e aumenta la concentrazione di particelle di flusso aereo, che vanno dalla polvere e dalle particelle di usura dei freni alle gocce espirate che trasportano agenti patogeni.

La Fisica del flusso d'aria e dei trasporti parcolati nelle stazioni della metropolitana

Le stazioni di metropolitana sono caratterizzate da geometrie complesse con piattaforme, scale, gallerie e alberi di ventilazione. Il flusso è tipicamente turbolento, guidato da ventilazione forzata (fan e getti) e forze naturali come gli effetti del pistone indotto dal treno. Le velocità dell'aria possono variare da zone vicine allo zero in stagni a diversi metri al secondo vicino alle aperture del treno.

Approcci di modellazione della turbolenza

La simulazione accurata richiede la selezione di un modello di turbolenza appropriato. L'approccio di Reynolds-Averaged Navier-Stokes (RANS), in particolare il modello k-ε realizzabile, è ampiamente utilizzato a causa della sua efficienza computazionale e la ragionevole precisione per il flusso d'aria interno. Tuttavia, per catturare fenomeni transitori come gli effetti del pistone o i flussi di galleggiamento-driven, il modello di risorsa Shear Stress (SST) k-ωS

Dinamica Particella e Deposizione

I frammenti sono rintracciati utilizzando il Modello di Fase Discreta Lagrangian (DPM) in Fluente. L'equazione del movimento include resistenza, gravità, forza bruna (per particelle di submicron) e forze di sollevamento di Saffman. La deposizione sulle superfici può essere modellata utilizzando condizioni di confine della parete empirica o utilizzando un trattamento di quasi parete che risolve il sottostrato viscoso.

Costruire un modello di dinamica fluida computazionale con fluido ANSYS Fluent

La creazione di un modello CFD affidabile di una stazione della metropolitana comporta diversi passaggi sistematici. Ogni passo deve essere eseguito con attenzione per garantire che i risultati della simulazione siano sia accurati che attuabili.

Geometria e Mesh Construction

Il primo passo è quello di generare un modello di progettazione computerizzata 3D (CAD) della stazione, comprese piattaforme, tunnel, vuoti di scala mobile, condotti di ventilazione e corpi ferroviari.

Condizioni di boundary

Le condizioni di mare definiscono i conducenti fisici del flusso. Le condizioni tipiche per una stazione della metropolitana includono:

  • Inlets:[]] Alimentazione d'aria fresca da alberi di ventilazione, spesso specificato come ingressi di velocità con intensità di turbolenza prescritta (ad esempio, 5-10%).
  • Estratti:[] I ventilatori di scarico modellati come prese di pressione o uscite di flusso di massa.
  • Flusso indotto dal treno:[] Può essere modellato come pareti mobili o prescrivendo profili di velocità alle aperture del tunnel. In alternativa, un approccio a rete scorrevole può simulare il movimento del treno, ma per molti studi è sufficiente un'approssimazione dello stato stabile con una sorgente di slancio.
  • Presenza del passeggero:[] I passeggeri sono spesso modellati come sorgenti di calore (temperatura corporea di ~100 W a persona) e come ostacoli che influiscono sul flusso.
  • Fonti di particelle:[] Definito in base alla distribuzione delle dimensioni delle particelle, alla densità e alla portata di massa.Per la modellazione degli agenti patogeni, la tosse o lo starnuto possono essere modellati come iniezioni di puff transitori.

Impostazioni del solvente e schemi numerici

Per il flusso a bassa velocità incompressibile tipico delle stazioni della metropolitana, il risolutore a pressione (coupled o segregated) è standard. I sistemi di upwind di secondo ordine per le equazioni di momentum e turbolenza migliorano l'accuratezza. La convergenza è tipicamente monitorata con residui inferiori a 1e-4 per la continuità e 1e-5 per la stabilità momentanea.

Selezione del modello di turbolenza

Come accennato, il modello k-ε realizzabile è una linea di base robusta. Per un comportamento più accurato vicino alla parete, si raccomanda il modello SST k-ω. In ANSYS Fluent, il Trasmissione SST] modello può essere utilizzato anche se le aree di transizione laminar-to-turbo sono importanti, come in regioni di velocità molto bassa.

Simulazione della dispersione dei particolati

La modellazione di particelle in ANSYS Fluent coinvolge il Modello di Fase Discrete (DPM), che tratta le particelle come una seconda fase diluita. L'accoppiamento tra la fase continua (aria) e le particelle può essere di una sola via (particelle interessate dal flusso ma non influiscono sul flusso) o a due vie (massa parziale e momentum influenzano il flusso).

Iniezione di particelle e distribuzione di dimensioni

Le particelle vengono iniettate da fonti come freni del treno, polvere del pavimento della stazione e passeggeri. Una distribuzione realistica delle dimensioni (ad esempio, lognormal con un mezzo geometrico di 2,5 μm e deviazione standard di 2.0 per particolati fini) deve essere utilizzata.

Particella di monitoraggio e deposizione

Le particelle di particelle sono calcolate integrando l'equilibrio di forza in un telaio di riferimento lagrangiano. Il DPM di Fluent offre diverse opzioni di integrazione: il sistema di tracciamento automatico seleziona il metodo migliore basato sul numero di corrispettivo di > >. Per la dispersione turbolenta, il modello di camminata casuale discreto (DRW) fornisce oscillazioni di velocità stocastiche.

Considerazioni di sospensione

Le particelle depositate possono essere risuspended da disturbi del flusso d'aria (ad esempio, passaggio del treno, passeggeri a piedi). Questo fenomeno è complesso e dipende dall'adesione della particella, dalla rugosità superficiale e dallo stress della tosa. Modelli avanzati come il Rock'n'Roll] o ] Monte Carlo]] possono essere implementati in modo critico

Analisi dei risultati della simulazione per l'ottimizzazione della sicurezza e della ventilazione

Una volta che la simulazione CFD converge, la grande quantità di dati deve essere trasformata in in insight attuabili. ANSYS Fluent fornisce robusti strumenti di post-elaborazione, ma software dedicato come ANSYS CFD-Post o strumenti di terze parti possono generare report dettagliati.

Indicatori di performance chiave (KPI)

I KPI tipici per l'ottimizzazione della ventilazione della metropolitana includono:

  • Età dell'aria:[] L'aria media del tempo ha trascorso all'interno della stazione.
  • Efficienza di rimozione del carrello:[ Percentuale di particelle iniettate che escono via esaurienti rispetto al deposito su superfici o rimanendo sospesi.
  • Indice di rischio di infezione:[ Per le particelle patogene-laden, la concentrazione nelle zone di respirazione (1,5–2.0 m sopra la piattaforma) ponderata per il tempo di esposizione.
  • uniformità dellaVelocità:[ Sfidazione standard della magnitudine della velocità sulla piattaforma; l'elevata uniformità riduce le zone stagnanti.
  • Consumo energetico:[] Potenza totale del ventilatore necessaria per raggiungere i KPI target.

Identificare le zone stagnanti e breve-Circuiting

La visualizzazione di linee di scorrimento e tracce di particelle spesso rivela regioni di ricircolo o cortocircuito dove l'aria di alimentazione esce direttamente tramite scarichi senza miscelazione nelle aree occupate. Ad esempio, i diffusori di alimentazione posti vicino alle griglie di scarico possono creare un corto circuito, sprecando energia.

Ottimizzazione tramite studi parametrici

Gli strumenti di analisi parametrica di ANSYS Fluent permettono agli utenti di spazzare più variabili (ad esempio, portata di alimentazione, posizione di scarico, numero di ventilatori) e confrontare KPI. Il design delle metodologie di esperimenti (DOE) può ridurre il numero di run. Per ogni configurazione, la simulazione viene impostata utilizzando i file di giornale e i risultati vengono raccolti automaticamente. La configurazione ottimale minimizza la concentrazione delle particelle nella zona di flusso, mentre l'indice di bilancio energetico di fornirà solo i vincoli.

Studi sui casi e applicazioni reali

Numerose agenzie di transito hanno sfruttato ANSYS Fluent per migliorare la ventilazione della metropolitana.Un esempio notevole è la New York City Transit Authority, che ha utilizzato CFD per valutare l'efficacia dei ventilatori di ventilazione esistenti nel controllo della materia di particolato (PM2.5) sulle piattaforme. Simulazioni hanno dimostrato che il posizionamento dei ventilatori vicino ai portali di tunnel riduceva più efficace nella diluizione dei particolati del treno rispetto ai ventilatori situati esclusivamente sulle piattaforme.

Queste applicazioni del mondo reale dimostrano la potenza del CFD nel prendere decisioni basate su prove. Un modello ben valutato può sostituire costosi esperimenti fisici e guidare retrofit con fiducia. Per ulteriori informazioni, vedere ANSYS Fluent product page per le capacità tecniche e il ]]] Linee guida sulla ventilazione negli spazi interni per il cambio di aria di riferimento.

Considerazioni per la convalida del modello e la verifica

Gli ingegneri dovrebbero confrontare i risultati della simulazione con le misurazioni del campo (profili di velocità, conteggi di particella) da stazioni reali. Utilizzare casi di test come gli esperimenti di stazione di mock-up o i dati di simulazione della letteratura (ad esempio, dal ASHRAE

Limitazioni e sfide nella modellazione CFD delle stazioni della metropolitana

Nonostante il suo potere, la modellazione CFD delle stazioni della metropolitana deve affrontare diversi limiti. Il costo computazionale di simulare l'intera stazione ad alta risoluzione, soprattutto per eventi transitori come un treno che passa ogni due minuti, può essere proibitivo. Molti studi semplificano utilizzando mesh di calibrazione stabili o grossolane. Inoltre, il modello non può catturare tutte le complessità reali come variazioni del movimento passeggeri, modelli di apertura delle porte, o condizioni meteo esterne (evaporazione, temperatura).

Future Directions: Coupling CFD con Machine Learning e Monitoraggio in tempo reale

Le tendenze emergenti comportano l'integrazione di CFD con l'apprendimento automatico per creare gemelli digitali delle stazioni della metropolitana. Un sensore in tempo reale di rete di alimentazione dati in un modello di ordine ridotto (ROM) costruito da simulazioni ANSYS Fluent può prevedere distribuzioni di particolato e regolare automaticamente i setpoint di ventilazione. Questo approccio promette sia risparmio energetico che misure di sicurezza adattative.

Conclusioni

Modellare il flusso di aria e particolati nelle stazioni della metropolitana utilizzando ANSYS Fluent è una metodologia indispensabile per migliorare la sicurezza e l'efficienza della ventilazione dei passeggeri. Con la costruzione sistematica di geometrie, l'impostazione delle condizioni di confine, la selezione di modelli di turbolenza e particella appropriati, e l'analisi degli indicatori di performance, gli ingegneri possono ottimizzare i progetti di ventilazione per ridurre la contaminazione e l'uso di energia.

Per gli ingegneri nuovi al dominio, a partire da modelli di piccola scala e gradualmente aumenta la complessità è consigliato.Risorse come il [ANSYS Academic Program[[] offrono tutorial e case study specifici per il flusso d'aria interno. Investire nella corretta validazione contro i dati sul campo assicura che i risultati della simulazione siano affidabili, portando a decisioni di progettazione che migliorano in modo autentico la qualità dell'aria e la sicurezza nelle stazioni della metropolitana.