Het ontwerp van ondiepe geothermische boorvelden is altijd een beetje trial and error, maar wat als dat niet zo is? Vandaag introduceren we een nieuwe geautomatiseerde methode waarmee je tegelijkertijd de vereiste diepte en grootte van het boorveld kunt berekenen, beschikbaar voor iedereen.
Borefield ontwerp (in het verleden)
Inmiddels weet u waarschijnlijk al dat GHEtool Cloud niet wordt geleverd met een voorgedefinieerde lijst van configuraties. U bent vrij om uw eigen configuraties te maken op basis van een standaardconfiguratie zoals een U-vorm of een rechthoek, maar u kunt er ook een importeren vanuit een AutoCAD-bestand, zoals wordt uitgelegd hier. Dit maakt GHEtool Cloud het meest flexibele ontwerpgereedschap op de markt, met maximale boorveldafmetingen tot 5000 boorgaten.
Deze keuze voor ontwerpflexibiliteit heeft natuurlijk de manier bepaald waarop je boorvelden ontwerpt met GHEtool. Je begint met een bepaald ontwerp bestaande uit een configuratie en een diepte, je simuleert het temperatuurprofiel en past je ontwerp daarop aan. Hoewel dit proces veel inzicht geeft in de fysica van boorvelden, zoals bijvoorbeeld beschreven in dit artikel, Het is enigszins tijdrovend.
Een andere manier om het ontwerp te benaderen is om te beginnen met een bepaalde boorveldconfiguratie en GHEtool de vereiste boordiepte te laten berekenen om de temperaturen binnen de grenzen te houden. Dit neemt al een deel van het giswerk weg, maar de moeilijkheid is dat je op gradiëntfouten kunt stuiten als je met hogere koelpieken werkt. Je vindt ons artikel over de gradiëntfout hier.
Deze twee elementen samen kunnen het ontwerpen van boorvelden soms onnodig moeilijk maken, vooral als je het snel en nauwkeurig wilt doen. Daarom hebben we een gloednieuwe methode voor je ontwikkeld.
De langverwachte methode
Sinds onze release in november 2024 is de meest gevraagde functie een methode die automatisch zowel de vereiste diepte als grootte kan bepalen, dat wil zeggen, een methode waarbij je je beschikbare boorgebied kunt opgeven en het boorveld volledig automatisch kunt dimensioneren. Tot nu toe was deze methode onuitvoerbaar vanwege de extreem lange simulatietijden. Omdat GHEtool Cloud geen voorgedefinieerde set configuraties had, duurde het uren om alle mogelijke combinaties uit te proberen. Het afgelopen jaar hebben we hard gewerkt aan twee belangrijke verbeteringen in de back-end om deze methode mogelijk te maken: de implementatie van kunstmatige neurale netwerken en Bayesiaanse optimalisatie.
Kunstmatige neurale netwerken
De berekening van de vereiste boordiepte kost tijd. Vooral als je werkt met variabele vloeistofeigenschappen voor de meest nauwkeurige resultaten, zoals uitgelegd hier, kan de simulatie gemakkelijk tientallen seconden duren. Dat is acceptabel voor een enkele simulatie, maar als je een parameterzoektocht uitvoert en niet alleen de vereiste diepte maar ook de optimale configuratie wilt bepalen, wordt het ondoenlijk.
Vorige week introduceerden we daarom Kunstmatige Neurale Netwerken in GHEtool, zoals beschreven in dit artikel. Deze AI-verbetering zorgde voor een aanzienlijke daling in de simulatietijd voor het berekenen van de vereiste diepte met behoud van een redelijke nauwkeurigheid. Samen met een aantal andere slimme verfijningen van de methodologie zijn we in staat om dit proces met een factor twee tot vijf te versnellen. Dat is al een veelbelovend begin, maar aangezien we duizenden opties evalueren, is dit nog maar het begin.
Bayesiaanse optimalisatie
Bij deze methode om zowel de optimale boorveldgrootte als -diepte te vinden, zijn er een aantal parameters die moeten worden afgestemd. Deze omvatten de vorm van de configuratie zoals U-vormig, L-vormig, doosvormig, rechthoekig of dichtvormig, het aantal boorgaten in de lengte- en breedterichting en de onderlinge afstand in de lengte- en breedterichting.
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.
Een eerste mogelijke oplossing is om een rasteronderzoek uit te voeren. In deze aanpak definieer je de bereiken die je wilt onderzoeken, bijvoorbeeld het aantal boorgaten in de lengterichting [1, 2, 3, 4, 5], en combineer je alle mogelijke waarden. Vervolgens bereken je de vereiste boordiepte voor elke combinatie en het beste resultaat wordt je uiteindelijke antwoord. Deze aanpak is natuurlijk erg tijdrovend.
Een andere, minder gestructureerde aanpak is het gebruik van een willekeurig raster. Hier zijn de afstanden niet gelijk en worden de invoerparameters willekeurig gekozen. Na een aantal zoekopdrachten en proeven wordt de beste gevonden oplossing gepresenteerd. Deze methode is ook vrij tijdrovend en biedt weinig zekerheid dat er een goede oplossing wordt geïdentificeerd.
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 boorveldontwerp en voor elke configuratie de vereiste boorgatdiepte berekenen. Op basis van deze eerste simulaties construeert het algoritme een onzekerheidsfunctie die aangeeft waar het het meest waarschijnlijk is dat de beste oplossing wordt gevonden, en het algoritme gaat daar dan statistisch naartoe. Dit proces wordt ook geïllustreerd in de onderstaande figuur.
De afbeelding hierboven toont verschillende iteraties van het optimalisatiealgoritme. In 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. Hoe verder je van deze simulaties af gaat, 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.
!Let op
Aangezien de eerste stap in dit algoritme het testen van een aantal willekeurige boorveldconfiguraties is om de onzekerheidsgrenzen te initialiseren, kunnen we verschillende oplossingen krijgen als we deze optimalisatie meerdere keren uitvoeren. Dit is inherent aan de optimalisatie van niet-convexe problemen. Met de Bayesiaanse methode hebben we echter altijd een hoge mate van zekerheid dat we in ieder geval dicht bij een optimale oplossing zitten.
Bereken de vereiste grootte en diepte in GHEtool Cloud
Vanaf vandaag is deze methode geïmplementeerd als een nieuw doel dat beschikbaar is voor al onze gebruikers, genaamd bereken de vereiste grootte en diepte. Bij deze methode wordt het tabblad Borefield gewijzigd van een configuratieselector in een plaats waar u de optimalisatiegrenzen kunt invoeren, zoals hieronder getoond.
Aan de linkerkant van dit boorveldtabblad kunt u de ontwerpbeperkingen van de simulatie invoeren, dat wil zeggen welke configuraties zijn toegestaan, de minimale en maximale diepte enzovoort. Aan de rechterkant vindt u parameters met betrekking tot het optimalisatiekader. Naast de beschikbare ruimte en de stapgrootte voor de boorgatafstand zijn er drie extra parameters: het minimum- en maximumaantal boorgaten en het aantal zoekacties.
Een goede schatting van de eerste twee waarden kan helpen om de rekentijd te versnellen, omdat het algoritme elk aantal boorgaten buiten dit bereik zal negeren. Als je volledige ontwerpvrijheid wilt, kun je het bereik gewoon groot genoeg laten.
De laatste parameter is het aantal zoekopdrachten zelf. Zoals hierboven uitgelegd, hoe meer zoekopdrachten u uitvoert, hoe nauwkeuriger uw optimale oplossing zal zijn. Voor kleinere boorvelden is vijftig meestal genoeg om een goed resultaat te krijgen, terwijl voor grotere boorvelden met een groot beschikbaar oppervlak en veel potentiële configuraties het gebruik van honderd of meer zoekopdrachten een goed idee kan zijn.
Het resultaat van dit doel is een tabel met alle potentiële goede kandidaten die de optimalisatiestrategie heeft geïdentificeerd, gesorteerd van de oplossing met de kleinste totale boorgatlengte tot de oplossing met de grootste. De beste oplossing is al gesimuleerd en wordt getoond in het scenario.
Hint
Als je een andere mogelijke configuratie wilt simuleren, kun je gewoon dubbelklikken op de regel en wordt er een nieuw scenario gemaakt met die configuratie.
Een belangrijke opmerking is dat de dieptes en totale lengtes een tilde symbool bevatten om aan te geven dat er enige onzekerheid in deze resultaten zit. Dit komt doordat het ANN gebruikt is in de backend, wat tot iets andere uitkomsten kan leiden. Hoewel de voorgestelde oplossingen naar verwachting de beste opties zijn, kunnen de dieptes iets afwijken. Om dit aan te pakken bevat het algemene tabblad een nieuwe doelspecifieke optie genaamd ‘Optimale configuratie nauwkeurig berekenen’. Als deze optie op true staat, wordt de meest veelbelovende configuratie na de optimalisatie opnieuw gesimuleerd zonder de ANN om de exacte vereiste boordiepte te bepalen.
Conclusie
Dit artikel introduceerde een gloednieuwe en krachtige methode in GHEtool Cloud: de automatische berekening van de vereiste boorveldgrootte en -diepte. Met de implementatie van een kunstmatig neuraal netwerk en de kracht van Bayesiaanse optimalisatie kunt u nu uw grondinformatie, beschikbare voetafdruk en gebouwbelasting invoeren en het algoritme de rest laten doen.
Referenties
- Bekijk onze video over dit artikel op onze YouTube pagina hier.