details_view: 3 von 8

 

Verbundvorhaben: MALEG – Maschinelles Lernen zur Verbesserung der geothermischen Energieerzeugung; Teilvorhaben: Ermittlung der hydrochemischen und anlagentechnischen Parameter zur Interpretation, Bedarfsermittlung, Modellerstellung und -validierung

Zeitraum
2022-09-01  –  2025-08-31
Bewilligte Summe
153.431,11 EUR
Ausführende Stelle
Förderkennzeichen
03EE4041C
Leistungsplansystematik
Sonstiges im Rahmen der geothermischen Energie [EB1619]
Verbundvorhaben
01247793/1  –  MALEG - Maschinelles Lernen zur Verbessung der geothermischen Energieerzeugung
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESE4)
Förderprogramm
Energie
 
Die Energiewende hin zu erneuerbaren Energien ist eine der größten sozioökonomischen Herausforderungen in Europa. Rund die Hälfte der Energie wird in Form von Wärme benötigt, wovon nur ca. 20 % im Moment aus erneuerbaren Energiequellen stammt. Ein wichtiger Bestandteil zur vollständigen Wärmeabdeckung durch erneuerbare Energieresourcen ist die hydrothermale Geothermie. Dabei ist die nachhaltige Verfügbarkeit ein wichtiges Thema. Ziel des Projektes MALEG ('Machine Learning for Enhancing Geothermal energy production') ist es, ein maschinell lernendes Vorhersageprogramm zu entwickeln, das in Verbindung mit neuen verfahrenstechnischen Anlagen die Möglichkeit schafft, Produktivität und Wirtschaftlichkeit von Geothermieanlagen deutlich zu verbessern. Ziel ist es, die Möglichkeiten einer stärkeren Temperaturabsenkung für eine Kaskadennutzung zu analysieren und anlagentechnisch zu ermöglichen unter Berücksichtigung eines nachhaltigen Reservoir Managements. Basierend auf standortspezifischen Eigenschaften wie Temperatur, Reservoirdruck oder Thermalwasserchemie, sollen die optimalen Betriebsparameter ermittelt werden, um damit auch die Betriebssicherheit über lange Zeiträume zu gewährleisten. Das Ziel des Teilprojektes der Hydroisotop ist die Charakterisierung der Thermalwässer der drei am Projekt beteiligten Geothermieanlagen, die Evaluierung von möglichen störenden, die Anlagen gefährdenden Prozessen sowie die Ermittlung möglicher Prozesse bei möglichen Veränderungen der Betriebsparameter. Die Ermittlung der hydrochemischen Parameter sowohl in der Anlage als auch während der Demonstratorexperimente bildet die Grundlage für die Validierung und Kalibrierung der hydrochemischen Modelle und des Inputs für die maschinellen Lernprogramme und -modelle.