Maschinelles Lernen zur Verbesserung der geothermischen Energieerzeugung, Teilvorhaben: Ermittlung der hydrochemischen und anlagentechnischen Parameter zur Interpretation, Bedarfsermittlung, Modellerstellung und -validierung

Description: Die Energiewende hin zu erneuerbaren Energien ist eine der größten sozioökonomischen Herausforderungen in Europa. Rund die Hälfte der Energie wird in Form von Wärme benötigt, wovon nur ca. 20 % im Moment aus erneuerbaren Energiequellen stammt. Ein wichtiger Bestandteil zur vollständigen Wärmeabdeckung durch erneuerbare Energieressourcen ist die hydrothermale Geothermie. Dabei ist die nachhaltige Verfügbarkeit ein wichtiges Thema. Ziel des Projektes MALEG ('Machine Learning for Enhancing Geothermal energy production') ist es, ein maschinell lernendes Vorhersageprogramm zu entwickeln, das in Verbindung mit neuen verfahrenstechnischen Anlagen die Möglichkeit schafft, Produktivität und Wirtschaftlichkeit von Geothermieanlagen deutlich zu verbessern. Ziel ist es, die Möglichkeiten einer stärkeren Temperaturabsenkung für eine Kaskadennutzung zu analysieren und anlagentechnisch zu ermöglichen unter Berücksichtigung eines nachhaltigen Reservoir Managements. Basierend auf standortspezifischen Eigenschaften wie Temperatur, Reservoirdruck oder Thermalwasserchemie, sollen die optimalen Betriebsparameter ermittelt werden, um damit auch die Betriebssicherheit über lange Zeiträume zu gewährleisten. Das Ziel des Teilprojektes der Hydroisotop ist die Charakterisierung der Thermalwässer der drei am Projekt beteiligten Geothermieanlagen, die Evaluierung von möglichen störenden, die Anlagen gefährdenden Prozessen sowie die Ermittlung möglicher Prozesse bei möglichen Veränderungen der Betriebsparameter. Die Ermittlung der hydrochemischen Parameter sowohl in der Anlage als auch während der Demonstratorexperimente bildet die Grundlage für die Validierung und Kalibrierung der hydrochemischen Modelle und des Inputs für die maschinellen Lernprogramme und -modelle.

SupportProgram

Origins: /Bund/UBA/UFORDAT

Tags: Hydrothermale Geothermie ? Energiewende ? Geothermie ? Erneuerbarer Energieträger ? Kalibrierung ? Erneuerbare Energie ? Thermalquelle ? Künstliche Intelligenz ? Europa ? Produktivität ? Kaskadennutzung ?

Region: Bayern

Bounding boxes: 12.53381° .. 12.53381° x 47.795° .. 47.795°

License: cc-by-nc-nd/4.0

Language: Deutsch

Organisations

• Bundesministerium für Wirtschaft und Energie (Geldgeber*in)
• Geosaic GmbH (Mitwirkende)
• Hydroisotop GmbH, Laboratorium zur Bestimmung von Isotopen in Umwelt und Hydrologie (Betreiber*in)
• Transmark Renewable Products B.V. (Mitwirkende)
• Umweltbundesamt (Bereitsteller*in)

Time ranges: 2022-09-01 - 2025-08-31

Alternatives

• Language: Englisch/English
  Title: Subproject: Determination of hydrochemical and plant parameters for interpretation, demand assessment, model development and validation
  Description: The energy transition towards renewable energies is one of the greatest socio-economic challenges in Europe. About half of the energy is required in the form of heat, of which only about 20 % currently comes from renewable energy sources. An important component for complete heat coverage by renewable energy resources is hydrothermal geothermal energy. In this context, sustainable availability is an important issue. The aim of the MALEG project ('Machine Learning for Enhancing Geothermal energy production') is to develop a machine-learning prediction program that, in combination with new process engineering equipment, creates the possibility to significantly improve the productivity and economic efficiency of geothermal plants. The goal is to analyze and plant-engineer the potential for greater temperature drawdown for cascade utilization while considering sustainable reservoir management. Based on site-specific characteristics such as temperature, reservoir pressure or thermal water chemistry, the optimal operating parameters are to be determined in order to ensure operational reliability over long periods of time. The aim of the Hydroisotop subproject is to characterize the thermal waters of the three geothermal plants involved in the project, to evaluate possible disruptive processes endangering the plants and to determine possible processes in case of possible changes in the operating parameters. The determination of hydrochemical parameters both at the plant and during the demonstrator experiments forms the basis for the validation and calibration of the hydrochemical models and the input for the machine learning programs and models. https://ufordat.uba.de/UFORDAT/pages/PublicRedirect.aspx?TYP=PR&DSNR=1129596

Status

Aktiv

Quality score

• Overall: 0.46
• Findability: 0.52

  • Title: 0.00
  • Description: 0.14
  • Identifier: false
  • Keywords: 1.00
  • Spatial: RegionIdentified (1.00)
  • Temporal: true
• Accessibility: 0.67

  • Landing page: Specific (1.00)
  • Direct access: false
  • Publicly accessible: true
• Interoperability: 0.00

  • Open file format: false
  • Media type: false
  • Machine-readable metadata: false
  • Machine-readable data: false
• Reusability: 0.67

  • License: ClearlySpecifiedAndFree (1.00)
  • Contact info: false
  • Publisher info: true

Accessed 1 times.