Forschungsprojekte
Maleg 4.0

MALEG 4.0

Projekt:
Angewandtes maschinelles Lernen zur Verbesserung der geothermischen Energiegewinnung durch Digitalisierung

Laufzeit
01.09.2026 – 31.05.2029

Website
in Bearbeitung

Projektpartner

• Fraunhofer Institut für Solare Energiesysteme (ISE)
• Karlsruher Institut für Technologie (KIT) – Institut für Kern- und
  Energietechnik – Arbeitsgruppe Energie und Verfahrenstechnik (EVT)
• BWG Geochemische Beratung GmbH
• Stadtwerke München GmbH
• Stadtwerke Neuruppin GmbH
• Badenova Wärmeplus GmbH & Co KG

Kurzbeschreibung:
Um einen risikoarmen und wirtschaftlichen Betrieb von Geothermieanlagen zu gewährleisten, müssen chemische Reaktionen, die bei der Veränderung von Druck und Temperatur ablaufen, vorhersagbar und kontrollierbar sein.

Als besonders ambivalent sind das Absenken der Reinjektionstemperatur und des Anlagendrucks zu sehen, da hierdurch einerseits die energetische Effizienz der Anlage steigt, andererseits aber erhebliche Risiken entstehen, die durch unerwünschte Reaktionen des chemischen Systems verursacht werden. Zur Anlagenoptimierung und einer möglichst effizienten Mehrfachnutzung der geothermischen Ressource müssen die kritischen Grenzbedingungen des standortspezifischen chemischen Systems deshalb im Detail bekannt sein. Da diese Grenzen von zahlreichen, oft komplex gekoppelten Parametern (z. B. T, p, X, pH, Redox, Gasgehalt usw.) abhängen und thermodynamische Daten rar sind, ist ihre Quantifizierung mit großen Unsicherheiten verbunden.

Andererseits sind hydrochemische Systeme mit ihren komplexen Wechselwirkungen und multidimensionalen Abhängigkeiten ein ideales Anwendungsfeld für datengetriebene KI – Modelle, um Optimierungen vorzunehmen und prädiktiv regelnde Systeme, wie digitale Zwillinge, einzusetzen. Eine Nutzung von KI findet aber bisher so gut wie nicht statt, weil unter anderem für den Aufbau leistungsfähiger KI-Modelle derzeit hochauflösende standortspezifische thermodynamisch-hydrochemische Daten und große systematische Datensätze, die die Reaktionen des geochemischen Systems auf erzwungene Variationen der Schlüsselparameter quantitativ erfassen, weitgehend fehlen.

gefördert durch BMWE, Förderkennzeichen: 03EE4083C