Оптимизация дизайна воздухообработки для больниц с использованием Cfd в Ansys Fluent

Введение в CFD в дизайне HVAC больницы

Больницы требуют тщательно спроектированных устройств обработки воздуха (AHU) для поддержания стерильной среды, контроля инфекций в воздухе и обеспечения теплового комфорта для пациентов и персонала. Традиционные методы проектирования часто полагаются на эмпирические правила и упрощенные расчеты, но они могут пропустить критические модели воздушного потока, которые влияют на контроль загрязнения и энергетические характеристики. Вычислительная динамика потока жидкости (CFD) моделирование, особенно с такими инструментами, как ANSYS Fluent ], стало незаменимым подходом для оптимизации конструкции AHU. Моделируя поток жидкости, теплообмен и транспорт загрязняющих веществ, инженеры могут предсказать поведение системы в реалистичных условиях и уточнить конструкции до физического прототипирования.

В этой статье представлено всеобъемлющее руководство по использованию CFD для проектирования AHU в больнице, охватывающее ключевые этапы моделирования, методы проверки, стратегии оптимизации и практические преимущества. Каждый раздел структурирован, чтобы помочь инженерам HVAC, менеджерам учреждений и специалистам по инфекционному контролю понять, как CFD может обеспечить измеримые улучшения качества воздуха, энергоэффективности и безопасности пациентов.

Почему CFD имеет решающее значение для дизайна больничного AHU

В больницах существуют уникальные проблемы с HVAC. В операционных, изоляционных отделениях, отделениях интенсивной терапии и чистых коридорах каждый из них имеет конкретные скорости изменения воздуха, перепады давления и требования к фильтрации. Плохо спроектированный AHU может привести к застойным зонам, где накапливаются переносимые по воздуху патогены, перекрестному загрязнению между зонами или чрезмерному потреблению энергии.

CFD решает эти проблемы, предоставляя подробные пространственно-решенные данные, которые не могут предложить упрощенные ручные расчеты.

• Визуализация моделей воздушного потока: Инженеры могут идентифицировать зоны рециркуляции, короткое замыкание или непреднамеренный дисбаланс давления.
• Количественное определение дисперсии загрязняющих веществ: Модели CFD отслеживают частицы, капли или газообразные трассеры, информируя о размещении фильтров и выхлопных газов HEPA.
• Анализ теплового комфорта: Имитируемые поля температуры и скорости помогают избежать сквозняков или горячих точек, которые ставят под угрозу выздоровление пациента.
• Оптимизация производительности энергии: Оценивая альтернативные геометрии протоков, размеры катушки и конфигурации вентиляторов, CFD снижает эксплуатационные расходы.

Регулирующие стандарты, такие как ASHRAE 170 (]Вентиляция объектов здравоохранения ) и руководящие принципы FGI часто требуют проверки производительности.

Основные шаги для оптимизации AHU с использованием ANSYS Fluent

Систематический рабочий процесс CFD обеспечивает надежные результаты. Ниже мы разбивываем каждый важный шаг, от создания геометрии до постобработки, с конкретными рекомендациями для приложений AHU в больницах.

1.Геометрия и подготовка моделей

Начните с подробной 3D CAD модели AHU и кондиционированного пространства. В больничных приложениях включают все критические компоненты: смесительные коробки, префильтры, катушки охлаждения / нагрева, увлажнители, вентиляторы, банки фильтров HEPA, распределители питания, решетки возврата и воздуховоды. Упростите несущественные функции (например, небольшие винты или изгибы вдали от интересующей области), чтобы уменьшить количество сеток, не жертвуя точностью вблизи стен и препятствий.

Для больших пространств, таких как операционная комната, вы можете выбрать модель только репрезентативной зоны или использовать подход симметрии сектора. Однако соблюдайте фактические граничные условия давления между зонами (например, коридор против ИЛИ). Экспортируйте геометрию в формате, совместимом с ANSYS (например, .step, .parasolid или .stl) и ремонтируйте любые зазоры или перекрывающиеся поверхности.

2 Стратегия генерации ячеек

Качество сетки напрямую влияет на точность и стабильность решения. Для моделирования AHU используйте комбинацию тетраэдрических и призменных слоев. Слои призмы (слои инфляции) необходимы вблизи стен для захвата вязкого пограничного слоя — критически важно для прогнозирования падения давления через фильтры и катушки.

• Рекомендации по размеру ячеек: Используйте глобальный размер элемента 10-20 мм для интерьеров воздуховодов, с локальной утонченностью вблизи лиц фильтра, поворотных лопаток и диффузорных отверстий (2-5 мм).
• Разрешение пограничного слоя: Обеспечить значения y+ в диапазоне от 1 до 30 в зависимости от модели турбулентности. Для SST k-omega нацельтесь на y+ ≈ 1 вблизи стен.
• Исследование независимости сетки: Запуск моделирования по меньшей мере на трех сетках (грубая, средняя, тонкая), чтобы подтвердить, что ключевые выходы, такие как падение давления и распределение температуры, изменяются менее чем на 5% между средней и тонкой сетками.

Сетчатые инструменты ANSYS Fluent (Fluent Meshing или ANSYS Meshing) предлагают автоматизированные рабочие процессы для сложных геометрий. Используйте элементы управления «Размер лица» и «Размер тела», чтобы совершенствовать критические области без излишнего увеличения количества ячеек.

3.Физическая установка и граничные условия

Точные граничные условия являются основой надежного моделирования. Для больничных ОВУ определяют следующее:

• Впускные отверстия: Укажите скорость потока массы или скорость вместе с общей температурой и интенсивностью турбулентности (5-10% типично для потоков воздуховода). Для обратного смешивания воздуха включите как воздух на открытом воздухе, так и впускные отверстия рециркулированного воздуха.
• Пули: Используют граничные условия с нулевым манометрическим давлением (или сконструированную разницу статического давления).
• Стены: Применяют условия без скольжения с соответствующей шероховатостью. Для теплопередачи через корпус AHU укажите конвективный коэффициент теплопередачи или фиксированную температуру на основе окружающей среды.
• Фильтры и катушки: Моделируйте их как пористые носители. Используйте вязкие и инерционные коэффициенты сопротивления, полученные из кривых давления-капля производителя. Альтернативно, используйте границу между давлением вентилятора и перескакиванием для фильтров HEPA, если поток преимущественно однонаправленный.
• Источники загрязнения: Для исследований по борьбе с инфекцией вводят скалярный вид (например, «инфекционные ядра капель») с известной скоростью генерации. Установите массовую фракцию вида до нуля на входах, чтобы представлять чистый поступающий воздух.

Для потоков, приводимых в движение плавучестью (например, в больших предсердиях), позволяют модели Boussinesq с коэффициентом теплового расширения. В большинстве каналов AHU доминирует принудительная конвекция, но в больничных палатах могут быть тепловые нагрузки от медицинского оборудования и пациентов, которые создают естественные конвекционные токи.

4 Выбор модели турбулентности

Для моделирования ОВУ широко используются следующие модели:

• k-эпсилон (стандартный или реализуемый): Подходит для потоков с высоким числом Рейнольдса в протоках и пленумах. Хорошо работает вдали от стен, но требует функций стен.
• SST k-omega: Сочетает в свободном потоке устойчивость k-omega вблизи стен с k-epsilon. Отлично подходит для потоков с разделением, таких как вокруг фильтрующих банков или поворотных лопастей.
• Переход SST: Модели ламинарно-турбулентного перехода, полезные при наличии зон с низкой скоростью (например, вблизи распределителей питания в операционных).

Для больничных условий, где требуется ламинарный поток (например, однонаправленный воздушный поток в операционных комнатах), рассмотрите возможность использования модели турбулентности с низким числом Рейнольдса или даже ламинарного моделирования, если число Рейнольдса ниже 2000 в критических зонах.

5. Настройки и конвергенция растворителей

Используйте сцепленный растворитель на основе давления для несжимаемых потоков. Установите следующие типичные параметры:

• Дискретизация: Ветер второго порядка для уравнений импульса, турбулентности и энергии.
• Градиентный метод: Наименее квадратные клетки на основе.
• Факторы перерасхода: Давление 0,3, импульс 0,7, турбулентность 0,8. Уменьшите, если конвергенция нестабильна.
• Критерии конвергенции: Остаточная преемственность ниже 1e-4, импульс и энергия ниже 1e-6, а виды (если смоделировать) ниже 1e-5. Также мониторинг интегрированных количеств — баланс массы входа-выхода должен быть в пределах 0,1%.

Как правило, моделирование AHU требует 500-2000 итераций для решений с постоянным состоянием. Если важны временные эффекты (например, дверные проемы, вентиляторное наращивание), переключитесь на переходный решатель с шагом времени 0,01-0,1 секунды и запускайте до тех пор, пока поток не достигнет периодического состояния.

6.Постпроцессинг и интерпретация

Возможности ANSYS Fluent по постобработке (или CFD-Post) позволяют визуализировать результаты значимыми способами для заинтересованных сторон:

• Векторы скорости и обтекатели: Определите короткозамыкающие или мертвые зоны.В операционных убедитесь, что однонаправленный поток (0,15-0,45 м/с) поддерживается над стерильным полем.
• Температурные контуры: Убедитесь, что температура воздуха не создает дискомфорта или конденсации на холодных поверхностях.
• Концентрация загрязняющих веществ: Массовая фракция разновидностей для оценки эффективности удаления и определения мест, где могут накапливаться патогены.
• Падение давления на компоненты: Сумма потерь давления через фильтры, катушки и воздуховоды для проверки того, что выбранный вентилятор может преодолеть сопротивление системы.

Экспорт количественных данных (например, среднее изменение воздуха в час, эффективность удаления загрязняющих веществ) для сравнения с целевыми показателями проектирования по стандартам, таким как ASHRAE 170.

Передовые методы оптимизации

Помимо базового моделирования, инженеры могут использовать CFD для управления итерациями дизайна. Вот три мощных подхода:

Параметрические исследования и автоматическая оптимизация

ANSYS Fluent интегрируется с Workbench для параметрических промахов. Различные геометрические параметры (например, диаметр протока, площадь поверхности фильтра, тип рассеивателя питания) или эксплуатационные параметры (например, фракция наружного воздуха, скорость вентилятора) для отображения производительности. Объединяйтесь с методологией поверхности отклика или прямой оптимизацией, чтобы найти конфигурации, которые минимизируют падение давления при максимизации удаления загрязняющих веществ - классическая многообъективная проблема.

Например, больница может оценить 20 различных геометрий лопаток в смесительной коробке, чтобы уменьшить турбулентность и улучшить термическое расслоение. Проведение этих симуляций параллельно резко ускоряет цикл проектирования.

Транзиторный анализ для контроля инфекций

Многие сценарии борьбы с инфекцией являются временными, такими как кашель в палате пациента или открытие двери в изоляционное отделение. Переходная CFD может отслеживать рассеивание загрязняющего облака в течение секунд до минут. Путем моделирования импульса индикаторного газа из точечного источника вы можете оценить, насколько хорошо AHU очищает загрязняющее вещество и поддерживаются ли дифференциалы давления во время работы двери.

Переходные результаты сообщают о размещении решеток выхлопных газов и требуемых скоростях изменения воздуха для достижения приемлемого времени очистки (например, удаление 99,9% в течение 15 минут в соответствии с руководящими принципами CDC).

Связь с моделями энергетики зданий

Результаты CFD могут быть экспортированы в инструменты моделирования энергии, такие как EnergyPlus или TRNSYS, для учета динамических тепловых нагрузок. Например, подробное распределение скорости воздуха и температуры от моделирования Fluent может быть использовано для калибровки упрощенной многозонной модели для ежегодного анализа энергии. Этот гибридный подход сочетает пространственную точность CFD с временным разрешением моделирования энергии.

Несколько исследовательских учреждений успешно объединили CFD и моделирование зданий для оптимизации стратегий управления больничным ОВУ - корректировки температуры и скорости потока воздуха в зависимости от заполняемости в реальном времени и условий на открытом воздухе.

Практический пример: редизайн операционной AHU

Для иллюстрации преимуществ рассмотрим больницу среднего размера с операционной (ОР), в которой наблюдалось повышенное количество частиц во время операции ламинарного потока. Существующий AHU использовал один фильтр HEPA и четыре потолочных диффузора. Моделирование CFD в ANSYS Fluent выявило три проблемы:

• Короткое замыкание: Подача воздуха из диффузора около двери вовлекала обратный воздух из соседнего коридора, увеличивая риск загрязнения.
• Температурное расслоение: Тепло от хирургических огней создало тепловой шлейф, который нарушил нисходящий однонаправленный поток, вызвав застойные карманы над приборным столом.
• Обход фильтра: Прокладка фильтра не была надлежащим образом уплотнена, что позволило нефильтрованному воздуху войти в пленум подачи, видимый как высокая концентрация видов вблизи потолка.

С помощью CFD команда разработчиков смоделировала три модификации: (1) замена четырех диффузоров большим ламинарным навесом, (2) установка более плотной прокладки фильтра и (3) увеличение объема подачи воздуха на 15%. Оптимизированная конструкция уменьшила количество частиц на 92% в критической зоне при сохранении теплового комфорта. Больница реализовала изменения и добилась непрерывного соблюдения требований ISO класса 5 во время последующих испытаний.

Лучшие практики для надежных результатов CFD

Чтобы ваша модель CFD действительно отражала реальность, следуйте этим рекомендациям:

• Проверить на основе измеренных данных: Если возможно, провести полевые измерения скорости, температуры и давления в нескольких местах ОВУ. Используйте их для калибровки граничных условий и параметров турбулентности.
• Использовать высококачественную сетку: Плохая сетка приводит к ненадежным результатам.Инвестировать время в исследования сетчатой независимости и проверять ортогональное качество (>0,15) и перекос (<0,85).
• Предположения документов: Каждая модель предполагает упрощения (например, предположив устойчивое состояние, пренебрегая радиацией).
• Используйте параллельные вычисления: Модели AHU с миллионами ячеек могут быть эффективно решены на многоядерных рабочих станциях или облачных кластерах. ANSYS Fluent масштабируется до сотен ядер.
• Автоматизировать повторяющиеся задачи: Используйте скриптинг журнала Fluent или PyFluent для выполнения параметрических проверочных операций без ручного вмешательства.

Преимущества CFD-Driven AHU Design

Больницы, которые принимают оптимизацию на основе CFD, сообщают о нескольких конкретных преимуществах:

• Снижение уровня инфекции: Улучшение сдерживания и удаления переносимых по воздуху патогенов непосредственно улучшает результаты лечения пациентов. Исследование, опубликованное в Строительство и окружающая среда, показало, что оптимизированная для CFD вентиляция снижает риск передачи инфекции по воздуху до 70% в изолированных помещениях.
• Энергосбережение:] Благодаря минимизации потерь давления в протоках и мощности вентиляторов больницы могут сократить потребление энергии HVAC на 15-30%. Учитывая, что на HVAC приходится 40-60% потребления энергии в больницах, финансовое воздействие существенно.
• Быстрый ввод в эксплуатацию: Необходимо меньше корректировок на месте, потому что проект уже проверен виртуально. Это снижает задержки строительства и затраты на переработку.
• Улучшенный комфорт: Удовлетворенность персонала и пациентов улучшается, когда температура и влажность равномерно контролируются.

Например, учебная больница на 500 коек сообщила о ежегодной экономии в размере 180 000 долларов США на расходах на электроэнергию после пересмотра графика работы AHU с использованием стратегий, основанных на CFD, при одновременном сохранении более строгих показателей инфекционного контроля.

Будущие тенденции: CFD с улучшенным ИИ и цифровые близнецы

Область быстро развивается. Алгоритмы машинного обучения теперь интегрируются с CFD для прогнозирования переноса загрязняющих веществ в режиме реального времени, что позволяет адаптивно управлять HVAC. Цифровые двойники - динамические копии реальной системы больничного AHU - объединяют модели CFD с данными живых датчиков для прогнозирования ухудшения производительности (например, загрузка фильтра) и планового прогнозного обслуживания. ANSYS инвестирует в эти возможности, и несколько пилотных проектов уже осуществляются в медицинских учреждениях.

По мере того, как эти инструменты созревают, инженерные команды больницы смогут перейти от «проектирования и забывания» к непрерывной оптимизации, динамично реагируя на заполняемость, погоду и вспышки инфекций.

Вывод: жизненно важный инструмент для более безопасных больниц

Моделирование CFD в ANSYS Fluent предоставляет инженерам больницы беспрецедентную возможность оптимизировать конструкцию блока обработки воздуха перед строительством. Следуя строгому рабочему процессу - точная геометрия, независимость сетки, соответствующее моделирование физики и валидация - вы можете достичь ощутимых улучшений в качестве воздуха, энергоэффективности и безопасности пациентов. Тематические исследования и лучшие практики, представленные здесь, демонстрируют, что CFD - это не просто академическое упражнение, но практический, экономичный инструмент проектирования.

По мере того, как требования здравоохранения продолжают развиваться, особенно в постпандемическую эпоху, интеграция CFD в рутинный дизайн AHU станет стандартом. Инженеры, которые принимают эту методологию сегодня, лучше подготовлены к выполнению как текущих руководящих принципов по контролю за инфекцией, так и будущих задач. Для более подробного руководства по настройкам ANSYS Fluent для приложений HVAC, обратитесь к странице продукта ANSYS Fluent . Для стандартов вентиляции больниц обратитесь к ASHRAE Standard 170 и CDC Guidelines for Environmental Infection Control .