Το επιστημονικό ενδιαφέρον για την αέρια ρύπανση των εσωτερικών χώρων αυξάνεται, καθώς οι σύγχρονοι άνθρωποι περνούν τον περισσότερο χρόνο τους σε κλειστούς χώρους (Klepeis et al., 2001). Οι τιμές συγκέντρωσης πολλών ρύπων μπορεί να είναι υψηλότερες στους εσωτερικούς χώρους παρά στους εξωτερικούς χώρους, λόγω οικοδομικών υλικών, χρωμάτων, επίπλων, εξοπλισμού, καπνίσματος, προϊόντων καθαρισμού και άλλων πηγών (Zhang and Smith, 2003). Επιπλέον, αυτή την περίοδο, είναι εξαιρετικά σημαντικό να μελετηθεί η ποιότητα του αέρα σε εσωτερικούς χώρους λόγω της εμφάνισης επικίνδυνων ιών όπως ο COVID-19 (Diaz-Calderon et al., 2021).
Η εισαγωγή του εξωτερικού αέρα σε ένα εσωτερικό περιβάλλον είναι ένας σημαντικός παράγοντας για την προώθηση της καλής ποιότητας του αέρα. Ο αέρας μπορεί να εισέλθει με πολλούς διαφορετικούς τρόπους, όπως μέσα από παράθυρα και πόρτες. Μια μέθοδος φυσικού αερισμού είναι ο εγκάρσιος αερισμός που προκαλείται από τον άνεμο, ο οποίος έχει χρησιμοποιηθεί σε παραδοσιακά και σύγχρονα κτίρια για τη βελτίωση της ποιότητας του αέρα (π.χ. Heracleous and Michael, 2019). Ενώ υπάρχουν αρκετές μελέτες διασταυρούμενου αερισμού που εξετάζουν τόσο το εσωτερικό όσο και το εξωτερικό μέρος της ροής (π.χ. Ramponi και Blocken, 2012), οι πιο λεπτομερείς έρευνες της ροής και της διασποράς των ρύπων σε κλειστούς χώρους συνήθως λαμβάνουν υπόψη μόνο το εσωτερικό μέρος.
Επιπλέον, είναι ευρέως γνωστό ότι η χαμηλότερη ατομική έκθεση σε επικίνδυνες ουσίες προκαλείται από τη μέγιστη ταχύτητα ανέμου και ως αποτέλεσμα η αξιόπιστη πρόβλεψή της από ένα αριθμητικό μοντέλο γίνεται υψίστης σημασίας. Στην περίπτωση πολύπλοκων μοντέλων (π.χ. Προσομοίωση Μεγάλων Δινών, LES) η πρόβλεψη της μέγιστης τιμής μπορεί να πραγματοποιηθεί με τη χρονοσειρά της ταχύτητας ανέμου. Ωστόσο, στην περίπτωση απλών μοντέλων (π.χ. RANS) η ενσωμάτωση ενός ντετερμινιστικού μοντέλου θα μπορούσε να είναι μια πιθανή λύση. Για το λόγο αυτό, στην εργασία Efthimiou et al. (2022) χρησιμοποιήθηκε ένα ντετερμινιστικό μοντέλο που αναπτύχθηκε για το εξωτερικό περιβάλλον (Efthimiou et al., 2017) χωρίς καμία αλλαγή στις παραμέτρους του, προκειμένου να ελεγχθεί η καταλληλότητά του για χρήση στο εσωτερικό περιβάλλον. Πιο συγκεκριμένα, χρησιμοποιήθηκε η θεωρητική προσέγγιση που προτάθηκε από τους Efthimiou et al. (2017) προκειμένου να προσεγγιστεί η μέγιστη χρονικά-μέση ταχύτητα ανέμου στο διάστημα Δτ, Vmax(Δτ). Οι πειραματικές μετρήσεις πραγματοποιήθηκαν στην αεροδυναμική σήραγγα ατμοσφαιρικού οριακού στρώματος στο Niigata Institute of Technology (π.χ. Shirzadi et al., 2020). Οι υπολογισμοί της ροής ανέμου πραγματοποιήθηκαν με τον κώδικα Υπολογιστικής Ρευστομηχανικής ADREA-HF (http://www2.ipta.demokritos.gr/pages/ADREA-HF.html).
ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ
Η Εικόνα 1 δείχνει ένα διάγραμμα διασποράς που συγκρίνει το Vmax(Δτ) όπως προκύπτει από το ντετερμινιστικό μοντέλο που τροφοδοτείται από τα αποτελέσματα LES και τα ισοδύναμα που προβλέπονται από την προσομοίωση LES. Πιο συγκεκριμένα, ο οριζόντιος άξονας x είναι οι μέγιστες ταχύτητες ανέμου που προβλέπονται από τις χρονοσειρές ταχύτητας ανέμου LES. Το ντετερμινιστικό μοντέλο παρέχει ένα ποσοστό επιτυχίας 92.1% (μόνο πέντε τιμές είναι κάτω από τη γραμμή 1:1), το οποίο υποστηρίζει την υπόθεση ότι, παρόμοια με το εξωτερικό περιβάλλον, το προτεινόμενο θεωρητικό μοντέλο για το Vmax(Δτ) χρησιμεύει ως το άνω όριο του αντίστοιχου προβλεπόμενου Vmax(Δτ).
Εικόνα 1. Απόδοση του ντετερμινιστικού μοντέλου.
Αναφορές
Diaz-Calderon, S. F., Castillo, J. A. and Huelsz, G., 2021: Indoor air quality evaluation in naturally cross-ventilated buildings for education using age of air. J. Phys.: Conf. Ser., 2069 012182.
George C. Efthimiou, Fotios Barmpas, George Tsegas and Nicolas Moussiopoulos, Prediction of the maximum wind speed in indoor environments for efficient natural ventilation, 21st International Conference on Harmonisation within Atmospheric Dispersion Modelling for Regulatory Purposes, 27-30 September 2022, Aveiro, Portugal.
Efthimiou, G. C., Hertwig, D., Andronopoulos, S., Bartzis, J. G. and Coceal. O., 2017: A statistical model for the prediction of wind-speed probabilities in the atmospheric surface layer. Boundary Layer Meteorology, 163, 179-201.
Heracleous, C., Michael, A., 2019: Experimental assessment of the impact of natural ventilation on indoor air quality and thermal comfort conditions of educational buildings in the Eastern Mediterranean region during the heating period. Journal of Building Engineering, 26, 100917.
Klepeis, N. E., Nelson, W. C., Ott, W. R., Robinson, J. P., Tsang, A. M., Switzer, P., Behar, J. V. and Engelmann, W. H., 2001: The national human activity pattern survey (NHAPS): a resource for assessing exposure to environmental pollutants. Journal of Exposure Analysis and Environmental Epidemiology, 11, 231–252.
Ramponi, R. and Blocken, B., 2012: CFD simulation of cross-ventilation for a generic isolated building: Impact of computational parameters. Building and Environment, 53, 34–48.
Shirzadi, M., Mirzaei, P. A. and Tominaga, Y., 2020: CFD analysis of cross-ventilation flow in a group of generic buildings: Comparison between steady RANS, LES and wind tunnel experiments. Build Simul., 13, 1353–1372.
Zhang, J. and Smith, K. R., 2003: Indoor air pollution: a global health concern. British Medical Bulletin, 68, 209–225.
Γιώργος Ευθυμίου
Ερευνητικός Συνεργάτης του Τμήματος Μηχανολόγων Μηχανικών, ΑΠΘ.