综述：地热能运营中数据分析和存储方法的全面评述

生物通首页 > 今日动态 > 正文

【字体：大中小】 时间：2025年07月04日 来源：Results in Engineering 6.0

编辑推荐：

　　这篇综述系统探讨了地热储能系统（GES）的技术进展，重点分析了地下热能储存（UTES）、含水层热能储存（ATES）和钻孔热能储存（BTES）的优缺点，并综述了人工智能（AI）和机器学习（ML）在地热系统优化设计、性能监测和故障诊断中的应用，为可再生能源存储提供了创新解决方案。

地热能作为可持续能源，其存储技术（GES）通过地下热能储存（UTES）、含水层储能（ATES）和钻孔储能（BTES）等系统，解决了可再生能源间歇性问题。这些技术利用地下恒温层（10-15米深）和含水层的热容特性，实现季节性储能，效率高达80°C，适用于区域供暖和制冷。

UTES分为封闭式（如BTES）和开放式（如ATES）系统。封闭式通过钻孔和热交换器（HE）循环导热流体（HTF），而ATES直接抽取地下水进行热交换。荷兰的ATES系统占全球85%的份额，其低运营成本和大容量特性（如Zwammerdam项目存储温度达88°C）凸显优势。

ATES利用多孔含水层存储热能，通过注入井和生产井实现冷热循环。瑞典和比利时的案例显示，其效率可达0.75，但需避免含水层污染。经济性分析表明，投资回收期约6-8年，资本成本为580-1000€/kW。

BTES采用垂直钻孔阵列（深度20-300米），以聚乙烯管道和石英砂回填材料提升热导率。瑞典的BTES系统满足20%的空间供暖需求，但需注意钻孔间距（1.5-4米）以避免热干扰。

机器学习（ML）中，神经网络（NN）和决策树（DT）模型在以下领域表现突出：

当前研究需改进时间序列特征工程和数据平衡方法。例如，采用k折交叉验证和过采样技术可提升模型泛化能力。未来方向包括开发低成本传感器和优化热绝缘材料，以推动地热储能的商业化应用。

地热储能技术结合AI算法，为可再生能源整合提供了高效解决方案，但其大规模部署仍需政策支持和技术创新。

热点排行

联系信箱：

粤ICP备09063491号