Supabase, notre service d'hébergement de base de données, a un problème global, ce qui fait que GHEtool n'est pas opérationnel pour le moment. Vous pouvez suivre l'évolution de la situation sur https://status.supabase.com/.

Table des matières

Prêt à explorer toutes les possibilités de GHEtool Cloud ?

Vous pouvez essayer GHEtool 14 jours gratuitement,
aucune carte de crédit n'est requise.

Calculer la taille du champ de forage nécessaire

La conception de champs de forage géothermiques peu profonds est toujours un peu tâtonnante, mais qu'en est-il si ce n'est pas le cas ? Aujourd'hui, nous lançons une nouvelle méthode automatisée qui vous permet de calculer simultanément la profondeur et la taille requises du champ de forage, à la disposition de tous.

Conception de Borefield (dans le passé)

Vous savez probablement déjà que GHEtool Cloud n'est pas livré avec une liste prédéfinie de configurations. Vous êtes libre de créer votre propre configuration à partir d'une configuration standard telle qu'une forme en U ou un rectangle, ou d'en importer une à partir d'un fichier AutoCAD, comme expliqué ci-dessous. ici. Cela fait de GHEtool Cloud l'outil de conception le plus flexible du marché, avec des tailles maximales de champs de forage allant jusqu'à 5000 trous de forage.

Ce choix de la souplesse de conception a bien sûr déterminé la manière dont vous concevez les champs de forage avec GHEtool. Vous commencez avec une certaine conception consistant en une configuration et une profondeur, vous simulez le profil de température et vous adaptez votre conception en conséquence. Bien que ce processus fournisse des informations considérables sur la physique des champs de forage, comme décrit par exemple dans le document cet article, mais cela prend un peu de temps.

Une autre façon d'aborder la conception consiste à partir d'une certaine configuration du champ de forage et à laisser GHEtool calculer la profondeur de forage nécessaire pour maintenir les températures dans les limites fixées. Cela élimine déjà une partie des conjectures, mais la difficulté est que vous pouvez rencontrer des erreurs de gradient lorsque vous travaillez avec des pics de refroidissement plus élevés. Vous pouvez consulter notre article sur l'erreur de gradient ici.

Ces deux éléments combinés peuvent parfois rendre la conception d'un champ de forage inutilement difficile, en particulier si vous souhaitez la réaliser rapidement et avec précision. C'est pourquoi nous avons développé une toute nouvelle méthode pour vous.

La méthode tant attendue

Depuis notre lancement en novembre 2024, la fonctionnalité la plus demandée a été une méthode permettant de dimensionner automatiquement à la fois la profondeur et la taille requises, c'est-à-dire une méthode permettant de spécifier la zone de forage disponible et de dimensionner le champ de forage de manière entièrement automatique. Jusqu'à présent, cette méthode était irréalisable en raison des temps de simulation extrêmement longs. Le logiciel GHEtool Cloud ne disposant pas d'un ensemble prédéfini de configurations, il fallait des heures pour essayer toutes les combinaisons possibles. Au cours de l'année écoulée, nous avons travaillé d'arrache-pied sur deux améliorations majeures du back-end pour rendre cette méthode possible : l'implémentation de réseaux neuronaux artificiels et l'optimisation bayésienne.

Réseaux neuronaux artificiels

Le calcul de la profondeur de forage requise prend du temps. En particulier lorsque vous travaillez avec des propriétés de fluides variables, pour obtenir les résultats les plus précis, comme expliqué ici, la simulation peut facilement prendre des dizaines de secondes. C'est acceptable pour une simulation unique, mais lorsque vous effectuez une recherche de paramètres et que vous souhaitez déterminer non seulement la profondeur requise, mais aussi la configuration optimale, cela devient infaisable.

La semaine dernière, nous avons donc introduit les réseaux neuronaux artificiels dans GHEtool, comme décrit dans le document suivant cet article. Cette amélioration de l'IA a entraîné une baisse significative du temps de simulation pour le calcul de la profondeur requise, tout en conservant une précision raisonnable. Avec plusieurs autres améliorations intelligentes de la méthodologie, nous sommes en mesure d'accélérer ce processus d'un facteur de deux à cinq. C'est déjà un début prometteur, mais comme nous évaluons des milliers d'options, ce n'est que la fin du commencement.

Représentation schématique d'un réseau neuronal artificiel. (Source : https://blog.roboflow.com/what-is-a-neural-network/)
Représentation schématique d'un réseau neuronal artificiel. (Source : https://blog.roboflow.com/what-is-a-neural-network/)

Optimisation bayésienne

Cette méthode permet de trouver la taille et la profondeur optimales du champ de forage, en fonction d'un certain nombre de paramètres. Il s'agit notamment de la forme de la configuration (en U, en L, en boîte, rectangulaire ou dense), du nombre de trous de forage dans le sens de la longueur et de la largeur et de l'espacement dans le sens de la longueur et de la largeur.

Dans le monde de l'optimisation, chacun de ces paramètres à régler est appelé hyperparamètre, et il existe différentes stratégies pour résoudre ce type de problème, comme indiqué ci-dessous.

Différents algorithmes de recherche pour l'optimisation. (Source : https://www.sciencedirect.com/topics/mathematics/grid-search)
Différents algorithmes de recherche pour l'optimisation. (Source : https://www.sciencedirect.com/topics/mathematics/grid-search)

Une première solution possible consiste à effectuer une recherche par grille. Dans cette approche, vous définissez les plages que vous souhaitez explorer, par exemple le nombre de trous de forage dans la direction de la longueur [1, 2, 3, 4, 5], et vous combinez toutes les valeurs possibles. Ensuite, vous calculez la profondeur de forage requise pour chaque combinaison, et le meilleur résultat devient votre réponse finale. Cette approche prend évidemment beaucoup de temps.

Une autre approche, moins structurée, consiste à utiliser une grille aléatoire. Dans ce cas, les espacements ne sont pas égaux et les paramètres d'entrée sont sélectionnés de manière aléatoire. Après un certain nombre de recherches et d'essais, la meilleure solution trouvée est présentée. Cette méthode prend également beaucoup de temps et n'offre qu'une faible certitude quant à l'identification d'une bonne solution.

La dernière option, qui est la méthode mise en œuvre dans GHEtool Cloud, consiste à utiliser l'optimisation bayésienne. L'idée est de commencer par des combinaisons aléatoires de paramètres d'entrée pour la conception du champ de forage et de calculer la profondeur de forage requise pour chaque configuration. Sur la base de ces simulations initiales, l'algorithme construit une fonction d'incertitude qui indique où il est le plus probable de trouver la meilleure solution, et il itère ensuite statistiquement vers celle-ci. Ce processus est également illustré dans la figure ci-dessous.

Représentation graphique de la méthode d'optimisation bayésienne. (Source : Olson, Randal & Moore, Jason. (2019). TPOT : Un outil d'optimisation de pipeline basé sur les arbres pour l'automatisation de l'apprentissage automatique).
Représentation graphique de la méthode d'optimisation bayésienne. (Source : Olson, Randal & Moore, Jason. (2019). TPOT : Un outil d'optimisation de pipeline basé sur les arbres pour l'automatisation de l'apprentissage automatique).

L'image ci-dessus montre différentes itérations de l'algorithme d'optimisation. Dans l'image du haut, deux calculs ont déjà été effectués, de sorte qu'à ces deux points, nous savons exactement quelle est la valeur, dans notre cas, la longueur totale du trou de forage. Plus on s'éloigne de ces simulations, plus l'incertitude augmente.

Dans l'itération suivante, numéro 3, nous voulons essayer une autre configuration de champ de forage qui a le plus de chances de nous donner une longueur totale de forage encore plus faible. Par conséquent, nous recherchons le point le plus bas à l'intérieur de nos limites d'incertitude indiquées en bleu et nous calculons un nouveau point. En répétant ce processus, les limites d'incertitude deviennent plus petites et nous convergeons vers un optimum.

!Note
Étant donné que la première étape de cet algorithme consiste à tester un certain nombre de configurations aléatoires du champ de forage afin d'initialiser les limites d'incertitude, il se peut que nous obtenions des solutions différentes en exécutant cette optimisation plusieurs fois. Ce phénomène est inhérent à l'optimisation de problèmes non convexes. Avec la méthode bayésienne, cependant, nous avons toujours un niveau élevé de certitude que nous sommes au moins proches d'une solution optimale.

Calculer la taille et la profondeur requises en GHEtool Cloud

À partir d'aujourd'hui, cette méthode est mise en œuvre sous la forme d'un nouvel objectif disponible pour tous nos utilisateurs, appelé calculer la taille et la profondeur requises. Dans cette méthode, l'onglet borefield passe d'un sélecteur de configuration à un endroit où vous pouvez entrer les limites d'optimisation, comme illustré ci-dessous.

Écran d'impression de l'onglet "champ de forage" dans GHEtool Cloud.
Écran d'impression de l'onglet "champ de forage" dans GHEtool Cloud.

Sur la gauche de cet onglet, vous pouvez entrer les limites de conception de la simulation, c'est-à-dire les configurations autorisées, la profondeur minimale et maximale, etc. Sur le côté droit, vous trouverez des paramètres liés au cadre d'optimisation. Outre l'espace disponible et la taille du pas pour l'espacement des trous de forage, il y a trois paramètres supplémentaires : le nombre minimum et maximum de trous de forage et le nombre de recherches.

Une bonne estimation des deux premières valeurs peut contribuer à accélérer le temps de calcul, puisque l'algorithme ignorera tout nombre de trous de forage en dehors de cette plage. Si vous souhaitez bénéficier d'une liberté de conception totale, vous pouvez simplement laisser la fourchette suffisamment grande.

Le dernier paramètre est le nombre de recherches lui-même. Comme expliqué ci-dessus, plus vous effectuez de recherches, plus votre solution optimale sera précise. Pour les champs de forage plus petits, cinquante recherches suffisent généralement pour obtenir un bon résultat, tandis que pour les champs de forage plus grands, avec une large empreinte disponible et de nombreuses configurations potentielles, l'utilisation d'une centaine de recherches ou plus peut être une bonne idée.

Tableau avec toutes les configurations potentielles du champ de forage.
Tableau avec toutes les configurations potentielles du champ de forage.

Le résultat de cet objectif est un tableau contenant tous les bons candidats potentiels que la stratégie d'optimisation a identifiés, triés de la solution ayant la plus petite longueur totale de trou de forage à celle ayant la plus grande. La meilleure solution est déjà simulée et présentée dans le scénario.

!Indice
Si vous souhaitez simuler une autre configuration potentielle, il vous suffit de double-cliquer sur la ligne et un nouveau scénario sera créé avec cette configuration.

Il est important de noter que les profondeurs et les longueurs totales sont accompagnées d'un symbole tilde pour indiquer que ces résultats sont incertains. Ceci est dû au fait que l'ANN a été utilisé dans le backend, ce qui peut conduire à des résultats légèrement différents. Bien que les solutions proposées soient censées être les meilleures, les profondeurs peuvent être légèrement différentes. Pour remédier à ce problème, l'onglet général comprend une nouvelle option spécifique à l'objectif, appelée ‘Calculer avec précision la configuration optimale’. Lorsque cette option est activée, la configuration la plus prometteuse après l'optimisation est simulée à nouveau sans l'ANN afin de déterminer la profondeur de forage exacte requise.

Conclusion

Cet article a présenté une toute nouvelle méthode puissante dans GHEtool Cloud : le calcul automatisé de la taille et de la profondeur du champ de forage requis. Grâce à la mise en œuvre d'un réseau neuronal artificiel et à la puissance de l'optimisation bayésienne, vous pouvez désormais saisir vos informations sur le sol, l'empreinte disponible et la charge du bâtiment et laisser l'algorithme faire le reste.

Références

  • Regardez notre vidéo d'explication sur notre page YouTube en cliquant sur ici.

Prêt à explorer toutes les possibilités de GHEtool Cloud ?

Vous pouvez essayer GHEtool gratuitement pendant 14 jours, sans carte de crédit.