数字孪生技术在建筑火灾安全评估与改造中的应用研究
2023-09-12王英旺李利吴莹莹唐禧妍范晶晶许镇
王英旺 李利 吴莹莹 唐禧妍 范晶晶 许镇
(1.北京科技大学土木与资源工程学院,北京 100083;2.中规院(北京)规划设计有限公司,北京 100044)
引言
数字孪生(Digital Twin)自被Grieves 在2003年被提出[1],一直深受关注。2020 年,关于构建孪生理论体系及其技术基础成为中国科协提出当前十大重大科学领域难题[2]。数字孪生是一种动态更新的数字模型,能模拟现实中的主体及行为,并通过双向传递实时数据,完成现实世界与数字孪生的交互[3]。
然而,尽管数字孪生在工业领域应用广泛,但是在建筑领域却进展缓慢[4]。因此,不少学者开始致力于建筑数字孪生的研究。如,Lu Q 等[5]以西剑桥校区为例,开发了在建筑和城市层面的数字孪生模型,为规划决策提供了可靠依据。Angjeliu G 等[6]利用数值与实验手段,开发了历史砌体建筑的数字孪生模型。Modena C 等[7]建立米兰大教堂的数字孪生模型,用于修复其关键性的破坏构件。
在建筑火灾安全方面,数字孪生的案例极为有限。因此,如何建立面向建筑火灾安全的数字孪生模型,并开展火灾评估改造等研究,是一个挑战性的新问题。为此,本文提供一个数字孪生技术在建筑火灾安全评估与改造中的应用研究。以北京科技大学土木楼为例,利用BIM、IoT 和云技术,建立了土木楼的数字孪生模型。利用该模型,开展了基于实测数据的火灾蔓延与人员疏散模拟,并比较了基于传统估计数据的模拟结果。最后,提出并评测了建筑火灾安全改造方案,确定了建筑消防最佳改造方案。
1 研究内容
本文的研究内容包括以下三部分:
(1)基于BIM 和IoT 的数字孪生建模。建立了建筑的BIM 模型,集成风速和人数统计等传感器采集的实时数据,利用IoT 支持的云端数据协同技术,在云端建立了数字孪生建筑模型;
(2)建筑火灾蔓延与人员疏散模拟。将数字孪生模型转化为火灾动力学FDS 模型,模拟建筑火灾蔓延和人员疏散情况,并将数字孪生模型与传统估计模型的模拟结果进行对比,验证模拟的准确性;
(3)方案评测与改造建议反馈。基于火灾模拟结果,提出多种消防改造方案,并开展模拟评测不同方案的效果,确定最佳方案,支持建筑消防改造。
研究内容如图1 所示。
图1 研究内容
2 数字孪生建模
2.1 BIM 建模
精细化的BIM 模型是数字孪生建模的基础。本文依据北京科技大学土木楼的设计图纸,利用Autodesk Revit 软件对土木楼进行了BIM 模型建模,如图2 所示。
图2 BIM 模型
2.2 基于IoT 的数据采集
在建筑火灾安全中,风速是影响火灾蔓延的重要因素,而室内人员数量是火灾疏散的重要参数。然而,在当前的火灾与疏散模拟中,这两个参数主要依靠估计,并非实测数据[8-12]。因此,本文将利用IoT 采集风速和人数。
该案例共12 层,考虑最高层的风速较大且人流方式简单,本文选择在12 层作为数据采集的楼层。分别为红外客流计数器和超声波风速风向传感器采集建筑楼层的总人数和风速实际数据。考虑到楼层出入口分布情况,红外客流计算器安装位置选择在12 层人流量较大的防火卷帘门两端;而进风口风速对楼层的风环境影响较大,故风速传感器安装在楼层进风口的位置,安装示意图如图3~图4 所示。
图3 传感器设备
图4 传感器位置
图5是北京春季一周内的风速数据形成的风速箱形图。由图可知,剔除异常值后,整体风速中位值和均值呈上下波动,且两者的趋势保持一致,说明这段时间内风速数值波动较为平稳,保证火灾模拟准确性。考虑到火灾的最不利情况,最终确定了建筑进风口风速的3 种模拟工况,分别是最低风速值0.2m/s、风速频遇值0.6m/s 和最高风速值1.6m/s。
图5 7 天内风速箱线图
图6为土木楼第12 层的人数统计情况图,楼层的总人数可以有公式(1)计算。
图6 第12 层总人数图
其中,楼层的总人数M 是表示1 天内某时刻人数的稳定总数,进出总人数N 代表该楼层1 天内人数的进出总数。该楼层主要有研究生和老师总人数L 为176人,每天需要出入平均次数为5 次,剩余人数为其余到访12 层的人数。到访者分为上午、下午、晚上三个时间段到访12 层。从图6 可知,楼层的总人数基本稳定,可得到均值为208.6,即取209 人。因此,该数值可作为火灾模拟的可靠依据。
2.3 基于云端的数字孪生建模
云端数据集成与展示包括以下三部分:IoT 数据采集、数据集成和数字孪生建模。基于IoT 的数据采集主要依靠超声波风速-风向传感器和红外客流传感器。数据集成依托MySQL 数据库和SQLyog 数据库图形化工具,是云端数据集成与展示的基础。数字孪生建模是先把BIM模型上传到轻量化引擎工具BIMFACE中,利用其开源代码进行二次开发,代码中调用数据库中的风速和人数数据,实现数据云端同步。在轻量化模型上集成传感器测到的风速、人数等实时感知数据,最终形成数字孪生模型。为后续火灾模拟和人员疏散模拟提供了模型与数据支持。整体建模流程如图7所示。
图7 基于云端的数字孪生建模流程
3 火灾安全模拟
3.1 火灾模拟数值建模
将数字孪生模型转换为FBX 格式文件,导入PyroSim 软件中转换为火灾动力学FDS 模型。这一过程很好地保证了建筑模型的完整度。模型转换过程如图8 所示。
图8 建筑模型转换形式
以土木楼第12 层为研究对象,起火地点选取在研究生办公室。综合考虑建筑物各项情况得出火灾参数设置[13-16],如表1 所示。
表1 火灾参数设置
3.2 基于实测数据的火灾与疏散模拟
根据2.2 实测的风速数据,本文将开展三种工况的火灾与疏散模拟,如表2 所示。其中这三种工况中,房间人数都是相同的,为209 人。
表2 模拟工况与进风口风速
在火灾安全评估中,可用安全疏散时间ASET 和必需安全疏散时间RSET 最常用的评估指标。本文将通过基于实测数据的火灾与疏散模拟来确定ASET 和RSET。ASET 是指从开始发生火灾的时间到建筑内人群受到火场中各种威胁生命安全条件产生时间。为了确定ASET,本文选取了火灾安全评估最为常见的四个参数作为ASET 的评判依据,分别是温度、能见度、CO 浓度和烟气层高度,评判标准如表2 所示[17,18]。
依据成年人的眼睛、嘴巴、鼻子等暴露部位平均位置,本次模拟在高于建筑地面标高1.6m 分别设置了能见度、温度、CO 浓度等监测切片,并在三个出口位置处设置的烟气层高度监测点。
图9(a)是工况1 中ASET 对应的火灾参数。考虑到火场的实际情况,火源右侧的疏散出口达到表3 中的ASET 评判标准,将会影响人员从右侧疏散。从图10 可知,该出口的能见度达到5m 时,ASET 值可取224.5s;而火场温度在模拟时间400s 内除了发生火灾的房间外,其他地方均小于60℃;火场CO 浓度最大值是0.035%,属于安全范围。这说明了火场的温度和CO 浓度不是影响ASET 值的主要因素;能见度对ASET 值的影响程度显著。故最终确定了工况1 的ASET 值为224.5s。
表3 ASET 评判标准
图9 各工况ASET 对应火灾参数(能见度、温度和CO 浓度)
图10 各工况的烟气层高度
图9(b)和图9(c)分别是工况2 和工况3 的ASET对应火灾参数。与工况1 的评判标准相同,工况2 和工况3 中能见度仍是影响ASET 值的主导因素。故当右侧出口能见度达到5m 时,确定工况2 和工况3 的ASET 值分别取230.4s、242.9s。
通过设备数据表,整理三种不同工况下火场烟气层高度随时间的变化关系图,如图10 所示,可知火场最右侧出口附近烟气层高度的变化。由数据表知道三种工况的烟气层高度达到1.5m 的ASET 值分别是253s、261s、350s。从图可知,当进风口风速较低时,几乎不影响火场出口烟气层高度的变化;当风速达到1.6m/s 时,烟气层高度下降到临界值1.5m 的时间被延长了。这说明了进风口较大风速值使得人员在疏散的过程中受烟气伤害的风险概率下降。
综上所述,本次模拟的三种不同工况的ASET 值主要受能见度和烟气层高度的影响,考虑到最不利情况,分别取值为224.5s、230.4s、242.9s。
必需安全疏散时间ASET[19]是指建筑物内正常活动的人群在接到火灾报警逃生到安全场地所用时间,如等式(2),包括以下三个部分:报警时间Talarm、预疏散时间Tpro-move 和疏散运动时间Tmove。要保证建筑物内人群在发生火灾时及时疏散到安全区域,可用不等式(3)判别[20]。
在本算例中,根据文献调研,办公楼一般采用感烟探测器,考虑到火灾报警器发出警报的时间不超过30s 和工作人员确认火灾并报警的时间60s,取报警时间可取90s[21],报警后到人员采取动作的预疏散时间可取108s[22],而最为关键的疏散运动时间需要根据疏散模拟结果确定。
在本算例中,最小的ASET 对应的是工况1,为224.5s。因此,本文开展了工况1 下楼层人员疏散模拟,结果如图12(a)所示。模拟结果显示疏散运动时间为89s。因此,REST 根据公式(2)可以计算得到为287s。可以看出,ASET 小于REST,不能满足不等式(3)的要求,说明算例中的建筑火灾疏散设计不满足安全疏散的要求,需要消防改造。
3.3 与传统估计方法的模拟结果对比
目前,在传统火灾与疏散模拟中,通常会默认室外风速为0 m/s[9,14]。在人数估计上,常见的方法有:住宅人员按每户1 人[10]、按全国人口普查结果取每户平均人口值3.10 人[11]、实地调查与问卷调查确定人员密度[12]等。由于本算例是办公楼,只适合实地调查方法。通过清点实际工位数量,确定该楼层疏散人数为176人。
本文将传统估计方法确定的工况(风速为0 m/s,人数为176)与基于实测数据的工况1(风速为0.2 m/s,人数为209)的模拟结果进行比较。
首先,比较400s 模拟时间的火灾参数,如图11 所示。从烟气蔓延和能见度情况来看,传统模型中烟气在进在风口处出现扩散现象,导致烟气浓度和能见度降低。而实际中进风口处烟气不会外溢,数字孪生模型由于进风口的设置,室内的烟气浓度和能见度更高。从火场风速情况来看,火灾发生时,进风口处的风速会影响到火场的浮力,导致靠近进风口处的那段走廊风速降低,烟气层高度更容易下降,从而影响右侧出口的人员疏散。这就说明,相对于传统模型,数字孪生模型能提供具体真实的火灾参数,模拟的火灾情况更贴近真实情况。
图11 数字孪生模型与传统估计模型云图比较
其次,比较两者在疏散过程中的差异。图12 是数字孪生模型和传统模型的人员疏散模拟结果。从图中可知,两者的疏散运动时间分别为89s 和77s。其中,数字孪生模型所用的人员疏散数量为传感器所采集的人数,共209 人,如图5 所示;传统模型的人员数量为176 人。两者之差主要在于,传统模型只是实测人员工位数量,而数字孪生模型却能更好地获取到访人员流动的数量。因此,在人员疏散模拟方面,数字孪生模型具有更好的精度。
图12 两种模型疏散模拟结果
4 安全改造反馈
4.1 消防改造方案及评测
根据火灾模拟结果,最右侧安全出口附近的烟气层高度和能见度是人员ASET 过短的主要原因;同时,最右侧出口疏散时易发生人员拥堵现象,延长了RSET。根据建筑设计存在的问题,改造方案如图13所示。主要从以下两个方面进行设计优化:
图13 改造方案,包括(a)优化位置(b)出口宽度(c)出口高度
(1)优化消防措施或者扩大建筑排烟出口面积,来延长ASET,故采用增加出口位置门高度的方式;
(2)合理设计安全出口的宽度或疏散过程的路线优化,用以缩短RSET,故采用加宽疏散主要出口宽度的方式。
从图14 和图15 可知,随着疏散出口宽度的增加,Tmove 不断缩短,说明加宽疏散出口宽度有利于缩短Tmove,进而缩短RSET。其中,疏散出口为1.25m,疏散运动时间最短,为80s,比初始的Tmove 少了9 s,时间优化率达3.1%。因此,设计出口宽度取值为1.25m,这时RSET 值为278s。在加宽出口宽度最优值1.25m是基础上,根据火灾疏散出口的实际高度2.0 m 以及建筑设计规范的要求,故本研究设置了出口高度为2.2m、2.4m、2.5m 的三个对照组,如图15。结合表4 中可以看出在疏散出口宽度为一定时,随着疏散出高度的增加,出口附近能见度达到临界值5.0m 的时间不断延长。当且仅当出口高度为2.5m 时,ASET 为295.3s,而RSET 为278s,满足ASET >RSET,优化性能提高了31.5%。这说明了在能见度方面能保证人员安全疏散。
表4 各优化方案的安全疏散评估结果
图14 出口宽度与疏散时间关系图
图15 工况1 出口高度与烟气层高度关系
从图14 中看直观看出,将疏散出口宽度进行提高后,能很好提高烟气层的高度,并且优化后的三种设计方案在300s 内均满足烟气层高度大于临界值1.5m。这说明了优化方案的可用安全疏散时间ASET >300s >RSET=278s,能保证人员安全疏散。
4.2 最佳改造方案确定
综合各优化方案的分析情况,得出安全疏散性能评估结果如表4 所示。当加宽疏散出口宽度至1.25m时,能对RSET 的缩短达到最好效果。在疏散出口宽度为1.25m 的基础上,增加疏散出口高度至2.5m,能使ASET >RSET,进而说明所有工况下均能使建筑火灾疏散设计安全性能达到要求。由表4 可知,最终优化方案是右侧疏散出口改为高2.5m 和宽1.25m。
5 结论
本文基于BIM 和IoT 建立了一个典型办公楼的数字孪生模型,开展了基于实测数据的火灾及疏散模拟,根据模拟结果,提出并评测了消防改造方案,为建筑消防改造提供了决策依据。结论如下:
(1)利用数字孪生模型,可开展基于实测数据的火灾安全评估,结果更接近实际。结果表明:数字孪生模型的火灾模拟相比传统估计的火灾模拟的火灾发展更加严重,室内人员疏散时间也更长,由77 s 变为89 s,延长了15.6%;
(2)利用数字孪生模型,可开展消防改造方案的测评并提供最佳方案。本案例通过改变疏散出口的高度和宽度两种参数,基于大量模拟的结果,确定最佳组合为疏散出口宽度1.25m 和高度2.5m,使ASET 由224.5 s 变为295.3 s,优化率为31.5%,大于RSET,满足设计要求;
(3)本文的数字孪生消防评估与改造案例表明:数字孪生模型可发挥虚实交互的优势,根据实测数据和数字仿真得到更真实的模拟结果,进而确定最佳的改造方案,为现实提供反馈。数字孪生基本思路可以为其他评估与改造研究和应用提供借鉴。