Uthållig geotermisk energi för framtiden: AI in ATES

Värmepumpssystem med ATES möjliggör samtidig tillförsel av värme och kyla och ger gratis uppvärmning och kylning, vilket gör dem till ekonomiska och termiskt effektiva lösningar. Suboptimal drift sänker dock prestandan avsevärt. Nuvarande modelleringsmetoder kräver stor datorkraft, domänkunskap och lång beräkningstid vilket gör det omöjligt att använda dem för kontroll och drift av verkliga system. I detta projekt vill vi utveckla modeller för numeriska och fysikinformerad maskininlärning (PIML) för ATES som utnyttjar PIMLs förmåga att införliva a)fysikens lagar som styr ett system i inlärningsprocessen, b) deras effektivitet för att lösa realistiska problem och c) snabba beräkningstid. Modellerna testas på en ATES-installation som uppmätts noga sedan 2016 vilket underlättar dess integration i styr- och driftsystemet. Projektet syftar till att utveckla geotermisk lagringsteknik och öka Sveriges forsknings- och industrikonkurrenskraft vad gäller design, modellering, drift och styrning av ATES.