La conception de réseaux de forages géothermiques peu profonds relève souvent un peu de l'essai et de l'erreur, mais qu'en serait-il si ce n'était pas le cas ? Dans ce chapitre, nous vous présenterons une méthode automatisée qui vous permettra de calculer simultanément la profondeur et la taille requises pour votre réseau de forages.
Conception d'un champ de forage (approche traditionnelle)
1TP9La conception de réseaux de forages, en particulier pour les grands systèmes, relève toujours un peu de l'essai et de l'erreur, surtout lorsque l'on a affaire à des configurations irrégulières. Pour se faciliter un peu la tâche, il existe des méthodes permettant de calculer la profondeur requise des réseaux de forages (comme celle abordée dans Partie 7.2) existent.
Cependant, comme nous l'avons vu dans le chapitre précédent, ces méthodes ne permettent parfois pas d'aboutir à une solution, notamment lorsque le champ de forages est limité par la température maximale du fluide. La principale solution à cette erreur de gradient consistait à augmenter le nombre de forages dans le système jusqu’à ce que l’algorithme converge, ce qui peut s’avérer très chronophage pour les grands systèmes. C’est là qu’intervient la méthode permettant de calculer à la fois la taille et la profondeur requises du réseau de forages.
Pour comprendre le fonctionnement de cet algorithme, il est important de saisir la nature du problème et la manière dont l'optimisation bayésienne peut être utilisée pour le résoudre.
C'est pourquoi, dans GHEtool Cloud, vous avez la possibilité de travailler soit avec la longueur totale minimale des forages, soit avec le nombre minimal de forages.
Optimisation bayésienne
Lors de la recherche de la taille, de la configuration et de la profondeur optimales d'un champ de forages, plusieurs paramètres peuvent être modifiés. Il s'agit notamment de la forme de la configuration (en U, en L, en caisson, rectangulaire ou compacte), du nombre de forages dans le sens de la longueur et de la largeur, de l'espacement entre les forages dans ces deux directions, ainsi que de la profondeur des forages.
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.
L'algorithme de GHEtool ne prend en compte que ce qu'on appelle les ‘ configurations régulières ’, dans lesquelles les forages sont disposés selon une grille régulière et orthogonale. C'est sans doute aussi la configuration la plus courante dans la pratique, car ce sont les configurations les plus simples à forer.
Il est toutefois possible qu'un champ de forage dans lequel les forages sont totalement dispersés soit encore plus idéal (comme évoqué dans Partie 5.3). Un tel algorithme de recherche serait toutefois nettement plus lent (de 30 minutes à quelques heures) et n'est donc pas mis en œuvre pour le moment.
Une première solution possible consiste à effectuer une recherche par grille classique. Dans cette approche, vous définissez les plages que vous souhaitez explorer, par exemple le nombre de forages dans le sens de la longueur compris entre [1, 2, 3, 4, 5], puis 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 est bien sûr très chronophage, en particulier pour les systèmes de grande envergure, où il faut facilement vérifier plus de 2 000 combinaisons.
Une autre approche, moins structurée, consiste à utiliser une grille aléatoire. Dans ce cas, les options de recherche ne forment pas une structure en grille, puisque 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 est également assez chronophage et offre peu de garanties quant à l'identification d'une bonne solution, en raison de son caractère aléatoire.
La dernière option, qui correspond à la méthode mise en œuvre dans GHEtool Cloud, consiste à recourir à l'optimisation bayésienne. L'idée est de partir de combinaisons aléatoires de paramètres d'entrée pour la conception du réseau de forages et de calculer la profondeur de forage requise pour chaque configuration. À partir de ces simulations initiales, l'algorithme construit une fonction d'incertitude qui indique où il est le plus probable de trouver la meilleure solution, puis il effectue des itérations statistiques pour s'en approcher. Ce processus est également illustré dans la figure ci-dessous.
L'image ci-dessus illustre différentes itérations de l'algorithme d'optimisation. Sur l'image du haut, deux calculs ont déjà été effectués ; nous connaissons donc exactement la valeur à ces deux points, à savoir, dans notre cas, la longueur totale des forages et/ou leur nombre total. 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.
Le réseau neuronal artificiel (RNA) sert à simplifier le calcul de la fonction g pour toutes les configurations possibles et a été entraîné sur plus de 6 millions de fonctions g différentes. La précision du modèle se situe donc dans les limites de 5%, ce qui représente un bon compromis entre précision et rapidité.
Il est important de noter que le réseau neuronal artificiel (RNA) sert uniquement à accélérer la recherche de la configuration réelle, et non au calcul du profil de température final. Ce dernier est toujours effectué à l'aide des fonctions g précises.
Comme ces deux valeurs peuvent varier légèrement, il peut arriver que la température soit légèrement (< 0,05 °C) en dessous ou au-dessus du seuil de température autorisé. Lorsque cela n’est pas souhaité, l’utilisateur a la possibilité de choisir de calculer avec précision la configuration optimale, afin de s’assurer que la profondeur requise corresponde exactement aux limites de température.
Calculer la taille et la profondeur requises en GHEtool Cloud
Si vous souhaitez utiliser cette méthode dans GHEtool Cloud, il vous suffit de sélectionner l’option ‘ Calculer la taille et la profondeur requises ’ dans l’onglet ‘ Général ’. Ensuite, l’onglet ‘ Borefield ’ passera d’un sélecteur de configuration à un espace où vous pourrez saisir à la fois les données relatives au champ de forage et certains paramètres d’optimisation. Ces deux aspects seront abordés ci-dessous.
Limites d'entrée du champ de forage
Sur la capture d'écran ci-dessous, les limites de saisie du champ de forage sont indiquées.
Comme indiqué précédemment, la méthode de calcul de la taille et de la profondeur requises pour un champ de forages ne prend en compte que les configurations régulières, dont vous pouvez définir les limites ici. (La profondeur d'enfouissement et le diamètre des forages sont considérés comme des constantes et ne font pas partie du processus d'optimisation proprement dit.)
Les paramètres que vous pouvez modifier sont les suivants :
- La profondeur minimale et maximale autorisée pour un forage. Alors que la méthode présentée dans le chapitre précédent ne permettait pas de prendre en compte une profondeur maximale de forage pour des raisons juridiques et/ou géologiques, cette méthodologie le permet.
- L'espacement minimal et maximal autorisé entre deux forages.
- La perte de charge maximale autorisée par forage, afin de s'assurer que la pompe de circulation installée soit capable de supporter la perte de charge du système optimisé.
Paramètres Optimisation
Vous trouverez ci-dessous les paramètres d'optimisation.
En ce qui concerne les paramètres d'optimisation, il est possible d'optimiser soit pour une longueur minimale de trou de forage, soit pour un nombre minimal de trous de forage, car selon votre projet, l'une ou l'autre option peut être souhaitable. L'espace disponible dans le sens de la longueur et de la largeur détermine le nombre maximal de trous de forage dans chaque direction, ainsi que l'espacement entre ceux-ci.
Le nombre minimal et maximal de forages ne constitue pas une contrainte stricte, mais il peut contribuer à accélérer l'algorithme. Si, par exemple, vous travaillez sur un projet de très petite envergure, il n'est pas judicieux de laisser l'algorithme bayésien rechercher des gisements comportant 100 forages ; réduire ainsi l'espace de recherche peut permettre d'accélérer l'algorithme.
Enfin, le nombre de recherches détermine le nombre d’itérations que la recherche bayésienne effectuera. Plus ce nombre est élevé, plus vous avez de chances d’avoir trouvé la solution optimale. En général, un nombre compris entre 50 et 100 suffit déjà pour atteindre cet objectif.
Exemple
Afin de mettre en évidence l'efficacité de cette méthode, revenons sur l'exemple tiré de Partie 7.2, où a été pris en compte un projet présentant une demande de 22 MWh/an avec une puissance de pointe de 15 kW pour le chauffage et une demande de 7,6 MWh/an avec une puissance de pointe de 10 kW. Le cas présente un double tube en U, 25 v/v% de MPG, et un débit variable avec une différence de température constante de 3 °C.
Étant donné que le nombre de forages peut varier d'une configuration à l'autre, le fait de définir un débit par forage entraînerait un débit différent pour l'ensemble du champ de forage dans chaque cas particulier, ce qui ne correspond pas à la réalité.
Le calcul du diamètre et de la profondeur requis pour une longueur totale minimale des forages permet d'obtenir un champ de forage composé de 9 forages de 53,04 m de profondeur, pour une longueur totale de 468 m. Le profil de température est présenté ci-dessous.
Dans le profil de température ci-dessus, il apparaît clairement que ce champ de forage (comme cela était déjà évident dans le chapitre précédent) est limité par la température maximale du fluide. C’est pourquoi, compte tenu de l’erreur de gradient, on a obtenu un champ de forage plutôt peu profond. En effet, si l’on examine le tableau répertoriant toutes les solutions trouvées, les 10 premières présentent toutes des profondeurs de forage plutôt faibles.
En revanche, si l'on effectue à présent la même optimisation en choisissant comme critère le nombre minimal de forages, on obtient un résultat comprenant 5 forages de 116 m, pour une longueur totale de forage de 575 m (soit plus de 100 m de plus que dans le cas précédent). Cela illustre clairement l'importance de choisir le bon objectif d'optimisation, car le résultat peut être très différent.
Prenons un autre exemple : un cas avec 8 MWh/an d'eau chaude sanitaire, 25 kW de chauffage pour une demande énergétique de 45 MWh/an et sans refroidissement. Étant donné que le champ de forage est désormais clairement dominé par l'extraction, augmentons la profondeur maximale des forages à 300 m tout en limitant la perte de charge admissible à 50 kPa. Le résultat avec la longueur totale minimale des forages est présenté ci-dessous : il comporte 4 forages de 175 m de profondeur, pour un total de 696 m. Le profil de température est présenté ci-dessous.
Dans le profil ci-dessus, il apparaît clairement que la limite minimale constitue désormais le critère de conception du réseau de forages. On remarque également que les résultats concernant la longueur totale minimale des forages et le nombre minimal de forages sont, plus ou moins, identiques.
Lorsque la perte de charge maximale admissible est portée à 150 kPa, la solution change. Désormais, la solution idéale consiste à réaliser 3 forages d'une profondeur de 199 m (pour un total de 595 m). Cette option n'était pas envisageable auparavant, car la perte de charge était légèrement supérieure à 100 kPa.
Afin d'améliorer encore la conception, remplaçons le DN32 par un double DN40 pour réduire la perte de charge. Une fois cette modification effectuée, la taille requise du champ de forage est ramenée à 2 forages d'une profondeur de 251 m chacun, pour une longueur totale de 499 m. Le profil de température correspondant est présenté ci-dessous.
Conclusion
La méthode de calcul de la taille et de la profondeur requises permet une détermination entièrement automatisée des dimensions du réseau de forages. Grâce à l’optimisation bayésienne, l’algorithme recherche la configuration idéale et la profondeur correspondante du réseau de forages, en surmontant l’erreur de gradient. Deux exemples tirés de GHEtool ont permis d’illustrer l’efficacité de cette méthode.
Références
- Olson, R.S., Moore, J.H. (2019). TPOT : un outil d’optimisation de pipeline basé sur des arbres pour l’automatisation de l’apprentissage automatique. Dans : Hutter, F., Kotthoff, L., Vanschoren, J. (éd.) Automated Machine Learning. The Springer Series on Challenges in Machine Learning. Springer, Cham. https://doi.org/10.1007/978-3-030-05318-5_8
Questions
Téléchargements
- Télécharger la simulation GHEtool de ce chapitre ici.