Gaisa plūsmas un aerosola pārneses modelēšana ar pielietojumu Covid-19 infekcijas mazināšanai iekštelpās

Abstract

Pēdējo pāris gadu laikā Covid-19 infekcijas slimība ir izraisījusi lielu kaitējumu cilvēkiem visā pasaulē, kas ir licis zinātniskajai kopienai apsvērt pieejas infekcijas mazināšanai, tostarp skaitliskās modelēšanas pieejas. Šī darba mērķis ir modelēt Covid-19 aerosola pārnesi un tā samazināšanu iekštelpās. Skaitliskās hidrodinamikas risināšanai tiek izmantota Reinoldsa vidējotā Navjē Stoksa modelēšanas pieeja kopā ar turbulentās difūzijas modeli aerosola pārnesei. Darbs sākas ar konkrētas telpas gaisa plūsmas modelēšanu un skaitlisko aprēķina parametru izpēti. Nākamajā daļā tiek izveidots gaisa attīrīšanas iekārtas matemātiskais modelis, kas tiek skaitliski ieviests un pārbaudīts izmantojot skaitliskās hidrodinamikas rīkkopu OpenFOAM. Aerosola koncentrācijas aprēķina rezultāti liek secināt, ka stacionārajā RANS modelī iekštelpu gaisa plūsmu gadījumā turbulentā koncentrācijas izkliede netiek korekti aprakstīta, tāpēc nākotnē modeli nepieciešams pilnveidot.

Over the past few years, the Covid-19 infection disease has caused great harm to humans worldwide, which has led the scientific community to consider various approaches to mitigate the infection, including numerical modelling approaches. The aim of this work is to model the aerosol transmission of Covid-19 and its reduction in an indoor environment. The Reynolds averaged Navier Stokes approach is used in the computational fluid dynamics model along with a turbulent diffusion model for the aerosol transport. The work starts off with the indoor airflow modeling of specific room, for which the numerical parameters are studied. In the next part a mathematical model of an air purifier is develped, which is numerically implemented and verified using the computational fluid dynamics toolbox OpenFOAM. The results of the aerosol concentration calculation suggest that the stationary RANS model does not correctly describe the turbulent concentration dispersion in the case of indoor air flows, which is cause to improve the model in the future.