Tesis:
Sistema predictivo del comportamiento térmico del terreno mediante técnicas de inteligencia artificial aplicado a instalaciones de geotermia de baja entalpía
- Autor: ARRANZ REVENGA, Roberto
- Título: Sistema predictivo del comportamiento térmico del terreno mediante técnicas de inteligencia artificial aplicado a instalaciones de geotermia de baja entalpía
- Fecha: 2024
- Materia:
- Escuela: E.T.S.I. DE MINAS Y ENERGÍA
- Departamentos: INGENIERIA GEOLOGICA Y MINERA
- Acceso electrónico: https://oa.upm.es/80959/
- Director/a 1º: HERRERA HERBERT, Juan
- Director/a 2º: GARCÍA CAMBRONERO, Luis Enrique
- Resumen: Geothermal heat pumps are particularly efficient. This is because the thermal difference between the ground and the thermal sources is close to the theoretical minimum. This is a result of the subsurface temperature, starting from the first fifteen meters of depth, being stable and approaching the local climatic average.
The most commonly used thermal exchangers are vertical, typically due to limited surface space. Their development has occurred simultaneously with the plastic industry and mining drilling techniques. The same applies to the methods used to size them. There are multiple calculation methods for thermal exchangers with the subsurface, whether vertical or other types. However, once sized and constructed, there is no subsequent study on the thermal behavior of the ground. Consequently, if changes occur in the conditions established during the design, the system will not function as expected. Some of these changes may include non-seasonal variations in the water table level, deviations from the expected thermal loads, or the failure of one or more geothermal wells.
A predictive method is proposed, based on artificial intelligence, to anticipate these changes. This approach allows for predictions of the average subsurface temperature over a period of time under new operating conditions. A low-cost, field data collector model, independent of the heat pump, has been developed. The collected data feeds into the artificial intelligence system, enabling long-term predictions. Prior to this, the neural networks in the artificial intelligence system must be trained with synthetic data. To generate this data, a geological-electric model is proposed, based on the equivalence of behavior between heat and electricity. This allows for simulating the soils behavior using characterizations based on electrical circuits. Finally, neural network architectures suitable for building the predictive system are proposed. The nature and quality of the data dictate the final design of the neural network, beyond the chosen architecture, with the data being reusable for other studies, aside from the initial application.
RESUMEN
Las bombas de calor geotérmicas son especialmente eficientes. Esto se debe a que el salto térmico entre suelo y los focos térmicos son cercanos al mínimo teórico como consecuencia de que la temperatura del subsuelo, a partir de los quince primeros metros de profundidad, es estable y se aproxima a la media climática local.
Los intercambiadores térmicos más empleados son los verticales, normalmente por falta de espacio disponible en superficie. Su desarrollo se ha realizado a la par que la industria del plástico y las técnicas mineras de perforación. Lo mismo ha ocurrido con las técnicas para dimensionarlos. Existen múltiples métodos de cálculo de los intercambiadores térmicos con el subsuelo, ya sean verticales o de otro tipo. Pero, una vez dimensionados y construidos, no se vuelve a realizar un estudio sobre el comportamiento térmico del terreno. De manera que, si se producen cambios en las condiciones establecidas durante el diseño, el sistema no funcionará como se espera. Algunos de estos cambios pueden ser variaciones no estacionales en el nivel freático, cambios en las cargas térmicas previstas o la baja de servicio de uno o varios pozos geotérmicos.
Se propone un método predictivo, basado en inteligencia artificial, que permite anticiparse a estos cambios. De esta forma, se pueden hacer predicciones sobre la temperatura media del subsuelo transcurrido un periodo de tiempo, bajo las nuevas condiciones de funcionamiento. Se ha desarrollado un modelo de captador de datos de campo, de bajo coste e independiente de la bomba de calor. Los datos obtenidos alimentan el sistema de inteligencia artificial, que facilita una predicción a largo plazo. Antes de esto las redes neuronales, del sistema de inteligencia artificial, se deben entrenar con datos sintéticos. Para generarlos se propone un modelo geológico-eléctrico, basado en la equivalencia de comportamiento entre calor y electricidad. Esto permite realizar una simulación del comportamiento del suelo, empleando caracterizaciones basadas en circuitos eléctricos. Por último, se proponen arquitecturas de redes neuronales que son adecuadas para construir el sistema predictivo. La naturaleza y calidad de los datos condiciona el diseño final de la red neuronal, más allá de la arquitectura elegida. Siendo los datos reutilizables para otros estudios, al margen del uso inicial.