Table of Contents

Введение: Критическая роль вентиляции на станциях метро

Станции метро ограничены, с высокой интенсивностью движения, где тысячи пассажиров проходят через каждый час. Сочетание ограниченного снабжения свежим воздухом, высокой заполняемости и постоянного движения поездов создает сложные структуры воздушного потока и повышает концентрацию частиц воздушного потока и износа тормозов до выдыхаемых капель, несущих патогены. В результате глобальных проблем со здоровьем и ужесточения правил качества воздуха оптимизация систем вентиляции стала главным приоритетом для органов транзита. Программное обеспечение для компьютерной динамики жидкости (CFD), такое как ANSYS Fluent, предлагает мощные, экономически эффективные средства для моделирования и анализа воздушного потока и транспорта твердых частиц, что позволяет инженерам разрабатывать более безопасные, более энергоэффективные станции метро. В этой статье рассматриваются методология, преимущества и практические соображения использования ANSYS Fluent для моделирования потока воздуха и твердых частиц на станциях метро, обеспечивая всестороннее руководство для инженеров и исследователей.

Физика воздушного потока и транспорта твердых частиц на станциях метро

Понимание основной динамики жидкости и поведения частиц имеет важное значение перед построением моделирования. Станции метро имеют сложные геометрии с платформами, лестницами, туннелями и вентиляционными шахтами. Поток обычно турбулентный, обусловленный принудительной вентиляцией (фанаты и струи) и природными силами, такими как поршневые эффекты, вызванные поездом. Скорости воздуха могут варьироваться от почти нуля в застойных зонах до нескольких метров в секунду вблизи отверстий поезда. Частички, которые часто являются полидисперсными с размерами от 0,1 до 100 мкм, транспортируются воздушным потоком, но также подвергаются гравитационному оседанию, броуновскому движению и инерционному удару. Патогенные капли (например, от кашля или чихания) обычно варьируются от 1 до 50 мкм, что делает их восприимчивыми как к воздушной подвеске, так и к поверхностному осаждению.

Подходы к моделированию турбулентности

Точное моделирование требует выбора подходящей модели турбулентности. Подход Рейнольдса-Усредненного Навье-Стокса (RANS), в частности реализуемая модель k-ε, широко используется благодаря своей вычислительной эффективности и разумной точности для внутреннего воздушного потока. Однако для захвата переходных явлений, таких как поршневые эффекты или потоки, управляемые плавучестью, может быть предпочтительнее модель сдвига с напряжением (SST) k-ω. В некоторых случаях моделирование большого Эдди (LES) может обеспечить более высокую точность, но при гораздо более высокой вычислительной стоимости. ANSYS Fluent поддерживает все эти модели, позволяя инженеру сбалансировать точность и ограничения ресурсов.

Динамика частиц и их осаждение

Отслеживают частицы с помощью Лагранжевой дискретной фазовой модели (ДФМ) в Fluent. Уравнение движения включает в себя сопротивление, гравитацию, броуновскую силу (для субмикронных частиц) и силы подъема Саффмана. Осаждение на поверхностях можно смоделировать с помощью эмпирических граничных условий стенки или с помощью обработки ближней стенки, которая разрешает вязкий подслой. Для более крупных частиц турбулентная дисперсия учитывается при использовании стохастического отслеживания (случайная ходьба). Точность отслеживания частиц зависит от разрешения сетки вблизи стен, особенно для частиц <10 мкм, поскольку на них влияет турбулентность пограничного слоя.

Создание модели вычислительной динамики жидкости с ANSYS Fluent

Создание надежной модели CFD станции метро включает в себя несколько систематических шагов. Каждый шаг должен быть тщательно выполнен, чтобы результаты моделирования были точными и действенными.

Геометрия и сетчатое строительство

Первый шаг - создание 3D-модели автоматизированной конструкции (CAD) станции, включая платформы, туннели, пустоты эскалаторов, вентиляционные каналы и тела поездов. Местная геометрия, такая как колонны и рекламные панели, может значительно повлиять на местные модели воздушного потока. Геометрия импортируется в ANSYS Meshing, где создается неструктурированная тетраэдрическая или многогранная сетка. Сетка пограничного слоя (слои прайма) необходима вблизи стен для решения вязкого подслоя для точного моделирования турбулентности и осаждения частиц. Исследования независимости сетки должны проводиться путем уточнения сетки до тех пор, пока ключевые выходные переменные (например, средняя скорость воздуха на платформе, концентрация частиц в зоне дыхания) не изменятся менее чем на 2-5%.

граничные условия

Условия границы определяют физические драйверы потока. Типичные условия для станции метро включают:

  • Входы: Подача свежего воздуха из вентиляционных шахт, часто определяемая как впускные отверстия скорости с предписанной интенсивностью турбулентности (например, 5-10%).
  • Пустоты: Фанаты выхлопа смоделированы как розетки давления или розетки массового расхода.
  • Поток, индуцированный поездом: Можно моделировать как движущиеся стены или назначая профили скорости на отверстиях туннеля. Альтернативно, подход скольжения сетки может имитировать движение поезда, но для многих исследований достаточно приближения к устойчивому состоянию с источником импульса.
  • Пассажиры часто моделируются как источники тепла (тепло тела ~ 100 Вт на человека) и как препятствия, которые влияют на поток. Некоторые исследования используют пористые среды для представления толпы.
  • Источники частиц: Определены на основе распределения размеров частиц, плотности и скорости потока массы. Для моделирования патогенов события кашля или чихания могут быть смоделированы как временные инъекции затяжки.

Настройки растворителей и числовые схемы

ANSYS Fluent предлагает как растворители на основе давления, так и на основе плотности. Для несжимаемого низкоскоростного потока, типичного для станций метро, растворитель на основе давления (связанный или разделенный) является стандартным. Схемы ветрового ветра второго порядка для уравнений импульса и турбулентности улучшают точность. Конвергенция обычно контролируется с остатками ниже 1e-4 для непрерывности и 1e-5 для импульса. Дополнительные мониторы (например, средняя скорость в ключевых местах, общая масса твердых частиц в домене) помогают оценить стабильность решения.

Выбор модели турбулентности

Как уже упоминалось, реализуемая модель k-ε является надежным базовым уровнем. Для более точного поведения вблизи стенки рекомендуется модель SST k-ω. В ANSYS Fluent модель SST Переходная SST также может использоваться, если важны области перехода от ламинарного к турбулентному, например, в областях с очень низкой скоростью. Для переходного моделирования движения поезда Scale-Adaptive Simulation (SAS) или Отдельное моделирование Эдди (DES) может разрешать более крупные вихри, сохраняя при этом вычислительную стоимость ниже, чем LES.

Моделирование дисперсии частиц

Моделирование частиц в ANSYS Fluent включает в себя дискретную фазовую модель (DPM), которая рассматривает частицы как разбавленную вторую фазу. Связь между непрерывной фазой (воздухом) и частицами может быть односторонней (частицы, затронутые потоком, но не влияющие на поток) или двусторонней (масса частиц и импульс влияют на поток). Для типичных плотностей пассажиров односторонней связи часто достаточно, потому что объемная фракция частиц ниже 1e-6. Однако, если капли от многих пассажиров вызывают значительное испарительное охлаждение или массовую загрузку, может потребоваться двусторонняя связь.

Инъекция частиц и распределение размеров

Частицы впрыскиваются из таких источников, как тормоза поезда, пыль на полу станции и пассажиры. Следует использовать реалистичное распределение размеров (например, логнормальное со средним геометрическим значением 2,5 мкм и стандартным отклонением 2.0 для мелких частиц). ANSYS Fluent позволяет впрыскивать несколько типов частиц с различной плотностью и диаметром через функции распределения Розин-Раммлер или логнормальное распределение. Для моделирования патогенов типичной инъекцией может быть событие кашля, производящее ~ 3000 капель на кашель с размерами от 0,5 до 50 мкм.

Отслеживание и осаждение частиц

Траектории частиц вычисляются путем интеграции баланса сил в лагранжевую систему отсчета. DPM Fluent предлагает несколько вариантов интеграции: схема автоматического отслеживания выбирает лучший метод на основе числа частиц Курант. Для турбулентной дисперсии дискретная модель случайного хода (DRW) обеспечивает стохастические флуктуации скорости. Депозиция моделируется с пограничным условием trap, где частицы удаляются при контакте со стенкой, в то время как условие reflect имитирует отскок. Для более реалистичного осаждения модель wall-film может использоваться для жидких капель. Исследования показали, что скорость осаждения в значительной степени зависит от размера частиц, при этом частицы <1 мкм осаждаются медленнее, чем более крупные.

Рассмотрение вопроса о приостановке

Депонированные частицы могут быть повторно приостановлены нарушениями воздушного потока (например, прохода поезда, ходьбы пассажиров). Это явление является сложным и зависит от адгезии частиц, шероховатости поверхности и напряжения сдвига. Продвинутые модели, такие как Rock'n'Roll или Monte Carlo модель ресуспензии может быть реализована с помощью пользовательских функций (UDF) в Fluent, но для оценок первого порядка часто используется критический порог напряжения сдвига.

Анализ результатов моделирования для оптимизации безопасности и вентиляции

После того, как симуляция CFD сходится, огромное количество данных должно быть преобразовано в практические идеи. ANSYS Fluent предоставляет надежные инструменты постобработки, но специализированное программное обеспечение, такое как ANSYS CFD-Post или сторонние инструменты, может генерировать подробные отчеты.

Ключевые показатели эффективности (KPI)

Типичные KPI для оптимизации вентиляции метро включают:

  • Воздушный возраст: Среднее время, которое воздух проводит внутри станции.Нижний возраст воздуха указывает на лучшую эффективность вентиляции.
  • Эффективность удаления частиц: Процент впрыскиваемых частиц, которые выходят через выхлопы, по сравнению с осаждением на поверхности или остающимися суспендированными.
  • Индекс риска инфекции: Для частиц, нагруженных патогенами, концентрация в зонах дыхания (1,5-2,0 м над платформой) взвешивается по времени воздействия.
  • Единообразие скоростей: Стандартное отклонение величины скорости на платформе; высокая однородность уменьшает застойные зоны.
  • Потребление энергии: Общая мощность вентилятора, необходимая для достижения целевых KPI.

Выявление стагнирующих зон и короткое замыкание

Визуализация обтекателей и следов частиц часто выявляет области рециркуляции или короткого замыкания, где подача воздуха выходит непосредственно через выхлопы без смешивания в занятых областях. Например, подача диффузоров, расположенных вблизи выхлопных решеток, может создавать короткое замыкание, растрачивая энергию. Контурные участки ANSYS Fluent среднего возраста воздуха и концентрации частиц четко выделяют эти проблемные области. Инженеры могут затем перемещать или переориентировать диффузоры, увеличить скорость подачи воздуха или добавить вентиляторы для устранения застойных зон.

Оптимизация с помощью параметрических исследований

Инструменты параметрического анализа ANSYS Fluent позволяют пользователям подметать несколько переменных (например, скорость потока питания, местоположение выхлопа, количество вентиляторов) и сравнивать KPI. Методологии проектирования экспериментов (DOE) могут уменьшить количество прогонов. Для каждой конфигурации моделирование настраивается с использованием журнальных файлов, и результаты автоматически собираются. Оптимальная конфигурация минимизирует концентрацию частиц в зоне дыхания при соблюдении ограничений энергетического бюджета. Например, исследование может обнаружить, что увеличение скорости потока питания на 20% снижает индекс риска заражения на 60%, при этом только увеличивая мощность вентилятора на 15%.

Тематические исследования и реальные приложения

Многочисленные транзитные агентства использовали ANSYS Fluent для улучшения вентиляции метро. Одним из примечательных примеров является Управление по транзиту Нью-Йорка, которое использовало CFD для оценки эффективности существующих вентиляторов при контроле твердых частиц (PM2.5) на платформах. Моделирование показало, что размещение вентиляторов вблизи порталов туннелей было более эффективным при разбавлении частиц, связанных с поездом, чем вентиляторы, расположенные исключительно на платформах. Другое исследование смоделировало дисперсию капель от пассажиров по всей станции и показало, что увеличение скорости изменения воздуха с 6 до 12 ACH может снизить пиковую концентрацию вирусных капель на 85% в течение 10 минут. В Лондоне система метро использовала CFD для оптимизации позиционирования переносных очистителей воздуха во время пандемии COVID-19, достигнув до 50% снижения количества частиц в районах с высоким трафиком.

Эти реальные приложения демонстрируют силу CFD в принятии решений, основанных на фактических данных. Хорошо проверенная модель может заменить дорогостоящие физические эксперименты и уверенно направлять переоборудование. Для дальнейшего чтения см. страницу продукта Ansys Fluent для технических возможностей и Руководство ВОЗ по вентиляции в помещениях для эталонных показателей изменения воздуха.

Рассмотрение вопросов проверки и проверки моделей

Модель CFD хороша только в том случае, если она валидирована. Инженеры должны сравнивать результаты моделирования с измерениями на местах (профили скорости, количество частиц) с фактических станций. Используйте тестовые случаи , такие как эксперименты с макетами станций или данные литературы (например, из ASHRAE ]. Квантификация неопределенности должна выполняться путем возмущения входных параметров (например, плотности частиц, высоты сетки пограничного слоя) и наблюдения за изменением KPI. Инструменты адаптации ANSYS Fluent сетки могут помочь обеспечить независимость сетки. Уверенность в модели достигается, когда соглашение о симуляции к измерению находится в пределах ±10% для ключевых показателей.

Ограничения и проблемы в моделировании станций метро CFD

Несмотря на свою мощность, CFD-моделирование станций метро сталкивается с несколькими ограничениями. Вычислительная стоимость моделирования всей станции в высоком разрешении, особенно для переходных событий, таких как поезд, проходящий каждые две минуты, может быть непомерно высокой. Многие исследования упрощают использование стационарных или грубых сеток. Кроме того, модель может не фиксировать все реальные сложности, такие как изменения движения пассажиров, модели открывания дверей или внешние погодные условия (ветры, температура). Полидисперсная природа частиц и их химический состав (гигроскопический рост, испарение) требуют дополнительного моделирования, часто через UDFs. Наконец, выбор модели турбулентности и параметров отслеживания частиц может ввести значительную неопределенность, если не тщательно откалиброван. Несмотря на эти проблемы, CFD остается наиболее практичным инструментом для оптимизации вентиляции в сочетании с валидацией поля.

Будущие направления: объединение CFD с машинным обучением и мониторингом в режиме реального времени

Новые тенденции включают интеграцию CFD с машинным обучением для создания цифровых двойников станций метро. Сетевые данные датчиков в реальном времени в модели с уменьшенным порядком (ROM), построенные на основе моделирования ANSYS Fluent, могут прогнозировать распределение частиц и автоматически корректировать точки вентиляции. Этот подход обещает как экономию энергии, так и адаптивные меры безопасности. Кроме того, достижения в области высокопроизводительных вычислений (HPC) теперь позволяют полностью переходные LES целых станций, что позволяет более точно прогнозировать пиковое воздействие загрязняющих веществ. Поскольку ANSYS Fluent продолжает развиваться с помощью GPU-решателей и облачного HPC, барьеры для моделирования вентиляции в метро высокой точности будут еще меньше.

Заключение

Моделирование потока воздуха и твердых частиц на станциях метро с использованием ANSYS Fluent является незаменимой методологией для повышения безопасности пассажиров и эффективности вентиляции. Систематично создавая геометрию, устанавливая граничные условия, выбирая соответствующие модели турбулентности и частиц и анализируя показатели эффективности, инженеры могут оптимизировать конструкции вентиляции для снижения загрязнения и использования энергии. Хотя проблемы остаются в вычислительной стоимости и проверке модели, преимущества - повышение общественного здравоохранения, соблюдение нормативных требований и более низкие эксплуатационные расходы - делают CFD краеугольным камнем современного планирования инфраструктуры метро. По мере расширения городских транзитных сетей применение передовых инструментов моделирования будет только расти в важности, помогая создавать более безопасные, здоровые подземные среды для миллионов пассажиров во всем мире.

Для инженеров, новичков в этой области, рекомендуется начинать с небольших моделей и постепенно увеличивать сложность. Ресурсы, такие как академическая программа ANSYS , предлагают учебные пособия и тематические исследования, характерные для воздушного потока в помещении. Инвестирование в надлежащую проверку полевых данных гарантирует, что результаты моделирования заслуживают доверия, что приводит к проектным решениям, которые действительно улучшают качество воздуха и безопасность на станциях метро.