Maschinelles Lernen zur Verbesserung der geothermischen Energieerzeugung, Teilvorhaben: Entwicklung eines KI-basierten digitalen Zwillings zur Optimierung des geothermalen Energienutzung

Description: Ziel des Projekts des KIT ist es, ein maschinell lernendes Vorhersageprogramm MALEG ('Machine Learning for Enhancing Geothermal energy production') zu entwickeln, das in Verbindung mit neuen verfahrenstechnischen Anlagen die Möglichkeit schafft, die Produktivität und Wirtschaftlichkeit von Geothermieanlagen deutlich zu verbessern. Mineralische Ausfällungen (Scaling) stellen einen limitierenden Faktor für den effizienten und kontinuierlichen Betrieb von Geothermieanlagen dar. Aufgrund der Vielzahl von Variablen und komplex gekoppelten physikalischen und chemischen Parametern und der äußerst standort-spezifischen hydrogeologischen und geochemischen Charakteristik individueller Hydrothermalsysteme, ist eine deterministische Planung des Kraftwerksbetriebs und Optimierung der Betriebsparameter nicht möglich. Diese geschieht meist auf Trial-and-Error-Basis mit entsprechenden Sicherheitsmargen. Für eine verlässliche Planung effizienterer Ressourcennutzung (z.B. Kaskadennutzung) und Vermeidung von Scalingbildung sind neue innovative Methoden in der geochemischen Modellierung unabdinglich. Das Hauptziel dieses Projekts ist die Entwicklung des neuartigen KI-basierten Tools 'MALEG' zur Quantifizierung und Vorhersage der Auswirkungen einer verstärkten Fluidabkühlung in geothermischen Anlagen im Hinblick auf die beiden wichtigsten Aspekte, die geochemischen und wirtschaftlichen Effekte. Basis hierfür ist eine systematische Analytik und ausführliches geochemisches Monitoring an den drei beteiligten operativen Industriestandorten.

SupportProgram

Origins: /Bund/UBA/UFORDAT

Tags: Geothermie ? Industriestandort ? Anlagenoptimierung ? Chemische Analyse ? Energienutzung ? Künstliche Intelligenz ? Planungsmethode ? Modellierung ? Digitaler Zwilling ? Produktivität ? Ressourcennutzung ? Kaskadennutzung ? Fällungsreaktion ?

Region: Baden-Württemberg

Bounding boxes: 9° .. 9° x 48.5° .. 48.5°

License: cc-by-nc-nd/4.0

Language: Deutsch

Organisations

• Bundesministerium für Wirtschaft und Energie (Geldgeber*in)
• Geosaic GmbH (Mitwirkende)
• Karlsruher Institut für Technologie (KIT), Institut für Angewandte Geowissenschaften, Abteilung Geothermie und Reservoir-Technologie (Betreiber*in)
• Umweltbundesamt (Bereitsteller*in)
• hydroFilt GmbH (Mitwirkende)

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

Alternatives

• Language: Englisch/English
  Title: Subproject: Development of an AI-based digital twin for the optimization of geothermal energy use
  Description: The aim of the KIT project is to develop a machine-learning prediction program MALEG ('Machine Learning for Enhancing Geothermal energy production'), which, in combination with new process engineering equipment, creates the possibility to significantly improve the productivity and economic efficiency of geothermal plants. Mineral precipitation (scaling) is a limiting factor in the efficient and continuous operation of geothermal plants. Due to the large number of variables and complexly coupled physical and chemical parameters and the extremely site-specific hydrogeological and geochemical characteristics of individual hydrothermal systems, deterministic planning of power plant operation and optimization of operating parameters is not possible. This is usually done on a trial-and-error basis with corresponding safety margins. For reliable planning of more efficient resource utilization (e.g. cascade utilization) and avoidance of scaling, new innovative methods in geochemical modeling are indispensable. The main objective of this project is the development of a novel AI-based tool 'MALEG' to quantify and predict the effects of enhanced fluid cooling in geothermal plants with respect to the two most important aspects, geochemical and economic effects. This is based on systematic analysis and detailed geochemical monitoring at the three operational industrial sites involved. https://ufordat.uba.de/UFORDAT/pages/PublicRedirect.aspx?TYP=PR&DSNR=1129547

Status

Aktiv

Quality score

• Overall: 0.46
• Findability: 0.51

  • Title: 0.00
  • Description: 0.06
  • 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.