محمد حسین امین ابراهیم آبادی

انرژی زمین گرمایی از پتانسیل بالایی برای کمک به سیستم انرژی پایدارتر برخوردار است اگر خطرات اقتصادی مرتبط با آن در روند طراحی بر طرف شود. برنامه ریزی توسعه مخازن ژئوترمال عمیق (بیش از ۱۰۰۰ متر عمق) برای پیش بینی و سپس بهینه سازی طراحی سیستم به مدل های رایانه ای متکی است. بهینه سازی در جایی آسان است که همه پارامترهای بهینه سازی هدف (به عنوان مثال NPV) و از همه مهمتر ، زمین شناسی به عنوان شناخته شده در نظر گرفته شوند ، اما این تقریباً همیشه اینگونه نیست. در جایی که طراحی مهندسی پیچیده (به عنوان مثال قرارگیری چاه) عدم قطعیت زمین شناسی قابل توجهی را برآورده می کند ، هر گزینه توسعه باید با استفاده از یک شبیه سازی گران قیمت در برابر طیف وسیعی از امکانات زمین شناسی آزمایش شود. غیر عملی بودن شبیه سازی مدل های بسیاری منجر به اکتشاف محدود عدم قطعیت های زمین شناسی و گزینه های توسعه می شود. در نتیجه ، ریسک طراحی نادرست سیستم نمی تواند به درستی ارزیابی شود. این مقاله یک رویکرد برای درک معاملات در به حداکثر رساندن استخراج حرارت در حالی که به حداقل رساندن مصرف انرژی در تزریق مجدد برای یک مخزن زمین گرمایی جدید در حالی که با توجه به عدم اطمینان از ۱۸ مدل مختلف زمین شناسی ارائه شده است. رویکرد ما از نظر محاسباتی امکان پذیر است زیرا ما بهینه سازی ذرات چند هدفه (MOPSO) را به مجموعه ای از مدلهای سطح پاسخ ، که با استفاده از رگرسیون فرآیند گاوسی (GPR) ساخته شده ، برای هر سناریوی زمین شناسی اعمال می کنیم. MOPSO با استفاده از میانگین پاسخ های مخزن (پوشش عدم قطعیت زمین شناسی) سطح تجارت را برای اهداف رقابتی بررسی می کند. نتایج ما تأثیر عدم قطعیت زمین شناسی در قرار گیری چاه بهینه را نشان می دهد و نیاز به در نظر گرفتن عدم قطعیت های زمین شناسی به طور مناسب در بهینه سازی را نشان می دهد. این کار کاستی در استفاده از تنها یک مدل زمین شناسی یک مخزن زمین گرمایی و / یا یک هدف واحد در بهینه سازی را نشان می دهد. ما علاوه بر این کاربردهای استفاده از مدلهای سطح پاسخ را از این طریق برای سیستمهای زمین گرمایی نشان می دهیم. پیش بینی می کنیم که کار ما باعث افزایش آگاهی از دامنه بهینه سازی طرح مخزن زمین گرمایی تحت عدم قطعیت زمین شناسی می شود.