Het ontwerpen van ondiepe geothermische boorvelden is altijd een beetje een kwestie van vallen en opstaan, maar wat als dat niet zo zou zijn? In dit hoofdstuk stellen we de geautomatiseerde methode voor waarmee je tegelijkertijd de vereiste diepte en omvang van het boorveld kunt berekenen.
Ontwerp van een boorveld (traditionele aanpak)
1TP9 Het aanleggen van boorvelden, vooral bij grotere systemen, is altijd een beetje een kwestie van vallen en opstaan, vooral als je met onregelmatige configuraties werkt. Om het jezelf wat gemakkelijker te maken, zijn er methoden om de benodigde diepte van het boorveld te berekenen (zoals de methode die wordt besproken in Deel 7.2) bestaan.
Zoals we echter in het vorige hoofdstuk hebben besproken, leveren deze methoden soms geen oplossing op, vooral wanneer het boorveld wordt beperkt door de maximale vloeistoftemperatuur. De belangrijkste oplossing voor deze gradiëntfout was het aantal boorgaten in het systeem te vergroten totdat het algoritme convergeerde, wat bij grotere systemen behoorlijk tijdrovend kan zijn. Hier komt de methode om zowel de benodigde omvang als de diepte van het boorgatveld te berekenen in beeld.
Om te begrijpen hoe dit algoritme werkt, is het belangrijk om inzicht te krijgen in de aard van het probleem en hoe Bayesiaanse optimalisatie kan worden ingezet om het op te lossen.
Daarom heb je in GHEtool Cloud de keuze om te werken met ofwel de minimale totale boorgatlengte, ofwel het minimale aantal boorgaten.
Bayesiaanse optimalisatie
Bij het zoeken naar de optimale afmetingen, configuratie en diepte van het boorveld zijn er een aantal parameters die kunnen worden aangepast. Deze omvatten de vorm van de configuratie, zoals U-vormig, L-vormig, doosvormig, rechthoekig of compact, het aantal boorgaten in de lengte- en breedterichting, de afstand tussen de boorgaten in de lengte- en breedterichting, en de diepte van de boorgaten.
In de wereld van optimalisatie wordt elk van deze parameters die moeten worden afgestemd een hyperparameter genoemd en er zijn verschillende strategieën om dit type probleem op te lossen, zoals hieronder wordt weergegeven.
Het algoritme in GHEtool houdt alleen rekening met zogenaamde ‘regelmatige configuraties’, waarbij de boorgaten op een regelmatig, orthogonaal raster zijn geplaatst. Dit is in de praktijk waarschijnlijk ook het meest gebruikelijk, aangezien dit de meest eenvoudige configuraties zijn om te boren.
Het is echter mogelijk dat een boorveld waarin de boorgaten volledig verspreid liggen, zelfs nog idealer is (zoals besproken in Deel 5.3). Een dergelijk zoekalgoritme zou echter aanzienlijk trager zijn (30 minuten tot een paar uur) en is daarom momenteel niet geïmplementeerd.
Een eerste mogelijke oplossing is het uitvoeren van een traditionele rasterzoekopdracht. Bij deze aanpak definieer je de bereiken die je wilt onderzoeken, bijvoorbeeld het aantal boorgaten in de lengterichting als [1, 2, 3, 4, 5], en combineer je alle mogelijke waarden. Vervolgens bereken je voor elke combinatie de vereiste boorgatdiepte, en het beste resultaat wordt je definitieve antwoord. Deze aanpak is natuurlijk erg tijdrovend, vooral bij grotere systemen, waarbij al snel meer dan 2000 combinaties moeten worden gecontroleerd.
Een andere, minder gestructureerde aanpak is het gebruik van een willekeurig raster. Hier vormen de zoekopties geen rasterstructuur, aangezien de invoerparameters willekeurig worden gekozen. Na een aantal zoekopdrachten en pogingen wordt de beste gevonden oplossing gepresenteerd. Deze methode is ook vrij tijdrovend en biedt, vanwege het willekeurige karakter, weinig zekerheid dat er een goede oplossing zal worden gevonden.
De laatste optie, de methode die in GHEtool Cloud is geïmplementeerd, is het gebruik van Bayesiaanse optimalisatie. Het idee is dat we beginnen met een aantal willekeurige combinaties van invoerparameters voor het ontwerp van het boorveld en voor elke configuratie de vereiste boorgatdiepte berekenen. Op basis van die eerste simulaties stelt het algoritme een onzekerheidsfunctie op die aangeeft waar de kans het grootst is dat de beste oplossing wordt gevonden, en vervolgens werkt het algoritme zich statistisch in de richting daarvan. Dit proces wordt ook geïllustreerd in de onderstaande afbeelding.
De afbeelding hierboven toont verschillende iteraties van het optimalisatie-algoritme. Op de bovenste afbeelding zijn al twee berekeningen uitgevoerd, dus op deze twee punten weten we precies wat de waarde is, in ons geval de totale boorgatlengte en/of het totale aantal boorgaten. Hoe verder je van deze simulaties afgaat, hoe groter de onzekerheid wordt.
In de volgende iteratie, nummer 3, willen we een andere boorveldconfiguratie proberen met de grootste kans om ons een nog lagere totale boorgatlengte te geven. Daarom zoeken we naar het laagste punt binnen onze onzekerheidsgrenzen die in blauw zijn weergegeven en berekenen we een nieuw punt. Door dit proces te herhalen, worden de onzekerheidsgrenzen kleiner en convergeren we naar een optimum.
Het ANN wordt gebruikt om de berekening van de g-functie voor alle mogelijke configuraties te vereenvoudigen en is getraind op basis van meer dan 6 miljoen verschillende g-functies. De nauwkeurigheid van het model ligt daarom binnen 5%, wat een goede afweging tussen nauwkeurigheid en snelheid oplevert.
Het is belangrijk om op te merken dat het ANN alleen wordt gebruikt om het zoeken naar de daadwerkelijke configuratie te versnellen, en niet voor de berekening van het uiteindelijke temperatuurprofiel. Dit gebeurt altijd met behulp van de nauwkeurige g-functies.
Omdat beide waarden enigszins kunnen verschillen, kan het voorkomen dat de temperatuur iets (<0,05 °C) onder of boven de toegestane temperatuurdrempel. Wanneer dit niet gewenst is, kan de gebruiker ervoor kiezen om de optimale configuratie nauwkeurig te berekenen, om ervoor te zorgen dat de vereiste diepte exact overeenkomt met de temperatuurgrenzen.
Bereken de vereiste grootte en diepte in GHEtool Cloud
Als je deze methode in GHEtool Cloud wilt gebruiken, hoef je alleen maar de optie ‘benodigde afmetingen en diepte berekenen’ te selecteren op het tabblad ‘Algemeen’. Vervolgens verandert het tabblad ‘Borefield’ van een configuratieselectie naar een plek waar u zowel de borefield-invoergegevens als enkele optimalisatie-instellingen kunt invoeren. Beide worden hieronder besproken.
Grenzen van het boorveld
In de onderstaande schermafbeelding worden de invoergrenzen van het boorveld weergegeven.
Zoals gezegd, zoekt de methode voor het berekenen van de benodigde omvang en diepte van het boorveld uitsluitend naar regelmatige configuraties, waarvan je hier de grenzen kunt instellen. (De begraafdiepte en de boorgatdiameter worden als constanten opgegeven en maken geen deel uit van de daadwerkelijke optimalisatie.)
De parameters die je kunt aanpassen zijn:
- De minimaal en maximaal toegestane boorgatdiepte. Terwijl bij de methode uit het vorige hoofdstuk om juridische en/of geologische redenen geen rekening kon worden gehouden met een maximale boordiepte, is dat bij deze methodiek wel mogelijk.
- De minimaal en maximaal toegestane afstand tussen boorgaten.
- De maximaal toegestane drukval per boorgat, om ervoor te zorgen dat de geïnstalleerde circulatiepomp de drukval van het geoptimaliseerde systeem aankan.
Optimisation-instellingen
Hieronder worden de optimalisatie-instellingen weergegeven.
Wat de optimalisatie-instellingen betreft, kun je kiezen tussen optimaliseren voor de minimale boorgatlengte of het minimale aantal boorgaten, aangezien afhankelijk van je project beide opties wenselijk kunnen zijn. De beschikbare ruimte in de lengte- en breedterichting bepaalt samen met de stapgrootte voor de afstand het maximale aantal boorgaten in elke richting.
Het minimum- en maximumaantal boorgaten is geen strikte vereiste, maar kan wel helpen om het algoritme te versnellen. Als je bijvoorbeeld een heel klein project hebt, heeft het geen zin om het Bayesiaanse algoritme te laten zoeken naar velden met 100 boorgaten; door de zoekruimte op deze manier te beperken, kan het algoritme sneller werken.
Ten slotte bepaalt het aantal zoekopdrachten het aantal iteraties dat de Bayesiaanse zoekprocedure zal uitvoeren. Hoe groter dit getal, hoe groter de kans dat je het optimale geval hebt gevonden. Meestal volstaat een getal tussen 50 en 100 al om dit doel te bereiken.
Voorbeeld
Om de kracht van deze methode te illustreren, laten we nog eens terugkomen op het voorbeeld uit Deel 7.2, waarbij rekening werd gehouden met een project met een verbruik van 22 MWh/jaar en een piekvermogen van 15 kW voor verwarming, en een verbruik van 7,6 MWh/jaar met een piekvermogen van 10 kW. De opstelling bestaat uit een dubbele U-buis, 25 v/v% van MPG, en een variabel debiet bij een constant temperatuurverschil van 3 °C.
Aangezien het aantal boorgaten per configuratie kan verschillen, zou het vastleggen van een debiet per boorgat ertoe leiden dat het debiet door het gehele boorveld in elk specifiek geval anders zou zijn, wat niet overeenkomt met de werkelijkheid.
Als we de benodigde diameter en diepte berekenen op basis van de minimale totale boorgatlengte, krijgen we een boorveld met 9 boorgaten van 53,04 m diep, met een totale lengte van 468 m. Het temperatuurprofiel wordt hieronder weergegeven.
Uit het bovenstaande temperatuurprofiel blijkt duidelijk dat dit boorveld (zoals ook in het vorige hoofdstuk al duidelijk was) wordt beperkt door de maximale vloeistoftemperatuur. Daarom is er, rekening houdend met de gradiëntfout, een vrij ondiep boorveld verkregen. Als we de tabel met alle gevonden oplossingen bekijken, zien we inderdaad dat de eerste tien allemaal vrij ondiepe boordieptes hebben.
Als we dezelfde optimalisatie nu daarentegen uitvoeren met als doel het minimumaantal boorgaten, levert dat een resultaat op met 5 boorgaten van 116 m, wat neerkomt op een totale boorgatlengte van 575 m (meer dan 100 m dan in het vorige geval). Dit illustreert duidelijk het belang van het kiezen van de juiste optimalisatiedoelstelling, aangezien het resultaat aanzienlijk kan verschillen.
Als ander voorbeeld wordt een scenario bekeken met 8 MWh/jaar aan warm water voor huishoudelijk gebruik, 25 kW aan verwarming met een energiebehoefte van 45 MWh/jaar en zonder koeling. Aangezien het boorveld nu duidelijk door onttrekking wordt gedomineerd, verhogen we de maximale boorgatdiepte tot 300 m, maar beperken we de aanvaardbare drukval tot 50 kPa. Het resultaat met de minimale totale boorgatlengte wordt hieronder weergegeven en bestaat uit 4 boorgaten van 175 m diep, voor een totaal van 696 m. Het temperatuurprofiel wordt hieronder weergegeven.
Uit het bovenstaande profiel blijkt duidelijk dat de minimumgrens nu het ontwerpcriterium voor het boorveld is. Merk ook op dat het resultaat voor de minimale totale boorgatlengte en het minimale aantal boorgaten min of meer identiek is.
Wanneer de maximaal toelaatbare drukval wordt verhoogd tot 150 kPa, verandert de oplossing. Nu zijn 3 boorgaten met een diepte van 199 m (in totaal 595 m) de ideale oplossing. Deze optie was voorheen niet zichtbaar, aangezien de drukval iets boven de 100 kPa ligt.
Om het ontwerp verder te verbeteren, gaan we over op een dubbele DN40 in plaats van DN32 om het drukverlies te verminderen. Hierdoor wordt de benodigde omvang van het boorveld teruggebracht tot 2 boorgaten met een diepte van 251 m en een totale boorgatlengte van 499 m. Het bijbehorende temperatuurprofiel wordt hieronder weergegeven.
Conclusie
De methode voor het berekenen van de benodigde omvang en diepte maakt een volledig geautomatiseerd ontwerp van boorvelden mogelijk. Met behulp van Bayesiaanse optimalisatie zoekt het algoritme naar de ideale configuratie en de bijbehorende diepte van het boorveld, waardoor de gradiëntfout wordt overwonnen. In twee voorbeelden in GHEtool werd de kracht van deze methode geïllustreerd.
Referenties
- Olson, R.S., Moore, J.H. (2019). TPOT: een op boomstructuren gebaseerde tool voor het optimaliseren van pijplijnen ter automatisering van machine learning. In: Hutter, F., Kotthoff, L., Vanschoren, J. (red.) Automated Machine Learning. The Springer Series on Challenges in Machine Learning. Springer, Cham. https://doi.org/10.1007/978-3-030-05318-5_8
Vragen
Downloads
- Download GHEtool simulatie uit dit hoofdstuk hier.