MALEG - Maschinelles Lernen zur Verbesserung der Geothermischen Energienutzung
Ystroem, Lars H.
1; Trumpp, Michael
1; Goldberg, Valentin [Beteiligte*r]
1; Eichinger, Florian [Beteiligte*r]; Amtmann, Johannes [Beteiligte*r]; Winter, Daniel [Beteiligte*r]; Koschikowski, Joachim [Beteiligte*r]; Kohl, Thomas [Beteiligte*r] 1
1 Institut für Angewandte Geowissenschaften (AGW), Karlsruher Institut für Technologie (KIT)
1; Trumpp, Michael
1; Goldberg, Valentin [Beteiligte*r]
1; Eichinger, Florian [Beteiligte*r]; Amtmann, Johannes [Beteiligte*r]; Winter, Daniel [Beteiligte*r]; Koschikowski, Joachim [Beteiligte*r]; Kohl, Thomas [Beteiligte*r] 11 Institut für Angewandte Geowissenschaften (AGW), Karlsruher Institut für Technologie (KIT)
Abstract:
Möglichen Effizienzsteigerungen von geothermischer Energieproduktion durch Verringerung der Reinjektionstemperatur stehen meist hydrochemische Randbedingungen entgegen. Hoch mineralisierte Thermalwässer tendieren verstärkt zu unkontrollierten Mineralausfällung (Scalings) bei größerer Druckentlastung oder Abkühlung. Sie sind ein stark limitierender Faktor für den effizienten und kontinuierlichen Betrieb von Geothermieanlagen. Komplexe standortspezifische Thermalwasserchemie erschwert deren Vorhersage und Quantifizierung mittels deterministischer geochemischer Modelle. Im MALEG Projekt werden geochemische Modelle durch eine künstliche Intelligenz ergänzt, welche mit hydrogeochemischen Daten aus vor Ort Experimenten trainiert wird.
| Zugehörige Institution(en) am KIT | Institut für Angewandte Geowissenschaften (AGW) |
| Publikationstyp | Poster |
| Publikationsdatum | 18.10.2023 |
| Sprache | Deutsch |
| Identifikator | KITopen-ID: 1000163546 |
| HGF-Programm | 38.04.04 (POF IV, LK 01) Geoenergy |
| Veranstaltung | Der Geothermiekongress (DGK 2023), Essen, Deutschland, 17.10.2023 – 19.10.2023 |
| Projektinformation | MALEG (BMWE, 03EE4041B) |
| Schlagwörter | MALEG |
| Referent/Betreuer | Nitschke, Fabian |