هوش مصنوعی چشمه های پنهان زمین گرمایی نوادا را کشف کرد

هوش مصنوعی چشمه های پنهان زمین گرمایی نوادا را کشف کرد

نظرات

10 دقیقه

یک استارتاپ آمریکایی اعلام کرده است که هوش مصنوعی سیستمی زمین‌گرمایی پنهان در نوادا را شناسایی کرده است که می‌تواند گرمای کافی برای تغذیه یک نیروگاه تولید برق فراهم کند. این کشف نشان‌دهنده رشد باور نسبت به وجود مخازن با دمای بالا و دست‌نخورده در زیر بخش‌هایی از غرب ایالات متحده است و می‌تواند روش‌های شناسایی منابع زمین‌گرمایی را دگرگون کند.

چگونه هوش مصنوعی گرما را جایی که سطح هیچ نشانه‌ای ندارد نقشه‌برداری می‌کند

شرکت زانسکار، یک استارتاپ کالیفرنیایی، با استفاده از یادگیری ماشینی مجموعه‌های بزرگ داده‌های زمین‌شناسی را تحلیل می‌کند تا سیستم‌های زمین‌گرمایی «پنهان» را نشانه‌گذاری کند — مخازن عمیقی که در زیر زمین قرار دارند و هیچ چشمه یا دودکشی در سطح از خود نشان نمی‌دهند. بنیان‌گذاران، کارل هویلند و جوئل ادواردز، می‌گویند مدل‌های آن‌ها بارها نقاط گرم را در مناطقی شناسایی کرده‌اند که صنعت زمین‌گرمایی تا پیش از این عمدتاً آن‌ها را نادیده گرفته بود. هویلند می‌گوید: «وقتی شرکت را راه‌اندازی کردیم، اغلب گفته می‌شد زمین‌گرمایی مرده است. حالا داده‌های بهتر و الگوریتم‌های پیشرفته‌تر به ما اجازه می‌دهد این سایت‌ها را به‌طور سیستماتیک پیدا کنیم و ریسک اکتشاف را کاهش دهیم.»

سیستم‌های پنهان یا «کور» دشواری‌های خاص خود را دارند زیرا نشانه‌های سطحی اندکی از خود برجا می‌گذارند. به‌طور تاریخی، کشف این منابع اغلب تصادفی بود — طی حفاری‌های کشاورزی، اکتشافات معدنی یا کارهای نفت و گاز. روش زانسکار اما الگوهای شکستگی، بررسی‌های هدایت الکتریکی (مثل MT/TEM)، داده‌های گرانشی، تصاویر لرزه‌نگاری و سایر اندازه‌گیری‌ها را به‌هم پیوند می‌دهد تا نقشه‌ای احتمالاتی بسازد که نشان می‌دهد حرارت و سیال احتمالاً در چه نقاطی از سنگ کرست تجمع دارند.

از منظر فنی، این فرآیند شامل تلفیق داده‌های چندمنظوره است: داده‌های ژئوفیزیکی (میدان‌های گرانشی و مغناطیسی، موج‌های لرزه‌ای)، مشاهدات ژئوشیمیایی، نقشه‌های زمین‌ساختی و مدل‌های زمین‌گرمایی. یادگیری عمیق و الگوریتم‌های طبقه‌بندی می‌توانند الگوهایی را شناسایی کنند که برای انسان‌ها در مجموعه‌های داده بزرگ پنهان می‌ماند، مانند هسته‌های حرارتی با شیب دمایی بالاتر یا ساختارهایی که می‌توانند کانال جریان سیال داغ را حفظ کنند. این مدل‌ها معمولاً به‌صورت احتمالاتی خروجی می‌دهند و به تیم‌های اکتشاف کمک می‌کنند تا محدوده‌های هدف برای مطالعات بهتر و در نهایت حفاری را اولویت‌بندی کنند.

یکی از مزایای کلیدی این روش، توانایی ترکیب داده‌های قدیمی و جدید است. داده‌هایی که در دهه‌های گذشته جمع‌آوری شده‌اند — مثلاً نقشه‌برداری‌های گرانشی یا چاه‌های اکتشافی قدیمی — وقتی با سنجش‌های ماهواره‌ای، داده‌های ریموت سنسینگ و پایش‌های جدید لرزه‌ای تلفیق شوند، می‌توانند بینش‌هایی ارائه دهند که قبلاً امکان‌پذیر نبود. به‌علاوه، رویکردهای داده‌محور می‌توانند عدم قطعیت‌ها را کمّی‌سازی کنند: به جای تکیه صرف بر قضاوت انسانی، مدل‌ها احتمال حضور یک مخزن مناسب را در هر سلول شبکه‌ای نشان می‌دهند که به تصمیم‌گیری بهتر در مورد محل‌های حفاری کمک می‌کند.

با این حال، باید تأکید کرد که مدل‌های هوش مصنوعی فقط مرحلهٔ اول در زنجیرهٔ اکتشاف هستند. برای تایید اقتصادی و فنی بودن یک منبع، نیاز به آزمایش‌های عمیق‌تر، از جمله حفاری‌های اکتشافی و تست‌های چاه (برای اندازه‌گیری دما، نفوذپذیری و نرخ جریان است) وجود دارد. مدل‌ها می‌توانند احتمال و محدودهٔ هدف را کوچک کنند، اما در نهایت اندازه‌گیری‌های میدانی هستند که صلاحیت بهره‌برداری تجاری را مشخص می‌کنند.

چرا نوادا — و اهمیت این موضوع

غرب ایالات متحده از منظر زمین‌گرمایی منطقه‌ای ممتاز است، زیرا فعالیت‌های تکتونیکی و پوستهٔ نازک‌تر دسترسی به سنگ‌های داغ و سفره‌های آب عمیق‌تر را آسان‌تر می‌کند. بزرگ‌ترین میدان توسعه‌یافتهٔ زمین‌گرمایی جهان در کالیفرنیا واقع است؛ منطقه‌ای که از دیرباز چشمه‌های آب گرم در آن شناخته شده و نخستین نیروگاه‌های تجاری در دههٔ 1920 راه‌اندازی شدند. با این حال، بخش عمده‌ای از منابع با دمای بالا همچنان در زیر سطح زمین پنهان است.

نوادا به‌خاطر ترکیب زمین‌ساختی خاصش — شامل گسل‌های گسترده، فعالیت‌های آتشفشانی گذشته و ساختارهای ساختمانی پوسته‌ای — گزینه‌ای جذاب برای اکتشاف زمین‌گرمایی است. تراکم گسل‌ها می‌تواند مسیرهایی برای جریان سیال داغ فراهم کند و سنگ‌های گرم در عمق می‌توانند منبع انرژی قابل‌توجهی باشند. زانسکار گزارش می‌دهد که کشف اخیر در نوادا نشان می‌دهد مدل‌های آن‌ها قادر به یافتن مخازن بالقوه‌ای است که ممکن است به‌اندازهٔ کافی داغ و تولیدی باشند تا یک نیروگاه را تغذیه کنند. شرکت تأکید دارد که برای تایید قابلیت اقتصادی لازم است آزمایش‌های عمیق‌تری انجام شود، به‌ویژه حفاری‌هایی که دما، نفوذپذیری و نرخ جریان مخزن را اندازه‌گیری کنند. ادواردز می‌گوید: «این یافته پیامی به بازار می‌فرستد که این سایت ممکن است در آینده توان تولید برق داشته باشد.»

برای درک بهتر اهمیت نوادا و غرب آمریکا در چشم‌انداز زمین‌گرمایی، باید نقش ظرفیت تولید و پتانسیل توسعه را بررسی کرد. منابع زمین‌گرمایی دارای مزایای ذاتی مانند پایداری و تولید برق با انتشار کربن پایین هستند؛ نیروگاه‌های زمین‌گرمایی می‌توانند ظرفیت پایه (baseload) فراهم کنند که مکمل انرژی‌های متغیر مانند خورشیدی و بادی است. اگر بخش قابل‌توجهی از مخازن پنهان شناسایی و توسعه یابند، زمین‌گرمایی می‌تواند سهم بیشتری در سبد انرژی پاک داشته باشد و کمک کند تاب‌آوری شبکه و تأمین برق در زمان اوج تقاضا بهبود یابد.

ابزارهای نوین، برآوردهای قدیمی — و پتانسیل بزرگ‌تر

علاقه‌مندی به منابع زمین‌گرمایی نوپا نیست. در دوران بحران نفت در دههٔ 1970، دولت فدرال آمریکا برنامه‌های نقشه‌برداری در نوادا را برای جستجوی سیستم‌های پنهان تأمین مالی کرد. این تلاش‌ها مجموعه‌های داده ارزشمندی تولید کرد، اما بودجه‌ها سپس به سوی فناوری‌های دیگر انرژی مانند خورشیدی، بادی و هسته‌ای منتقل شد. به‌عنوان نتیجه، زمین‌گرمایی اکنون سهمی کمتر از 1٪ از تولید برق ایالات متحده دارد، هرچند که ظرفیت بالقوه آن بسیار بیش‌تر است.

یک ارزیابی دولتی در سال 2008 برآورد کرده بود که سیستم‌های زمین‌گرمایی کشف‌نشده می‌توانند حدود 30 گیگاوات برق تولید کنند — که برای بیش از 25 میلیون خانه کافی است. با این حال، کارشناسانی مانند جیمز فولدز (که در فهرست‌بندی ویژگی‌های حرارتی و توسعه تکنیک‌های تشخیص نقش داشته‌اند) معتقدند این ارقام ممکن است محافظه‌کارانه باشند. با پردازش داده‌های مدرن، حفاری‌های عمیق‌تر و ابزارهای بهبود یافته برای تشخیص و بهره‌برداری، ایالات متحده می‌تواند ده‌ها یا حتی صدها گیگاوات از مخازن پنهان را استخراج کند؛ رقمی که می‌تواند نقش قابل‌توجهی در کاهش انتشارها و افزایش امنیت انرژی ایفا کند.

پیشرفت‌های در تکنولوژی حفاری — شامل مته‌های دیپ و روش‌های هدایت‌شدهٔ چاه — همچنین هزینه‌ها و ریسک‌های حفاری را کاهش می‌دهند. افزون بر این، تحلیل‌های اقتصادی پیشرفته‌تر می‌توانند سناریوهای توسعه را بهتر مدل‌سازی کنند؛ از قیمت انرژی تا هزینهٔ سرمایه و زمان‌بندی پروژه. در نتیجه، چشم‌انداز تجاری زمین‌گرمایی به‌واسطهٔ ترکیب اکتشاف هوشمند، فناوری‌های حفاری و سیاست‌های تشویقی ممکن است در سال‌های آینده تقویت شود.

EGS در برابر سیستم‌های کور: دو مسیر برای رشد زمین‌گرمایی

بخش بزرگی از هیجان فعلی حول سیستم‌های زمین‌گرمایی مهندسی‌شده (EGS) است، که در آن سنگ‌های داغ عمداً ترک می‌خورند (فرآیندی تا حدودی مشابه شکستگی هیدرولیکی) تا شبکه‌ای از تبادل حرارتی فراهم شود که به طور طبیعی وجود ندارد. شرکت‌هایی مانند فِرو (Fervo) در حال راه‌اندازی پایلوت‌های تجاری هستند — مثلاً یکی از نیروگاه‌ها در سال 2023 برق یک مرکز دادهٔ گوگل در نوادا را تأمین کرد.

EGS وابستگی به مخازن طبیعی را کاهش می‌دهد اما به مهندسی بیشتر، مصرف آب و ریسک القای میکروزلزله‌ها نیاز دارد. ایجاد شبکهٔ شکستگی مناسب و کنترل جریان سیال در عمق کار پیچیده‌ای است که نیاز به مدل‌سازی پیشرفته، نظارت لرزه‌ای و مدیریت محیط‌زیستی دارد. با این حال، EGS این امکان را می‌دهد که مناطق دارای دماهای بالا اما فاقد ساختارهای هیدرودینامیکی طبیعی نیز به‌عنوان منابع انرژی مورد استفاده قرار گیرند.

از سوی دیگر، یافتن و بهره‌برداری مستقیم از «سیستم‌های کور» می‌تواند ساده‌تر باشد: اگر یک سفرهٔ آب با دمای بالا وجود داشته باشد، توسعه‌دهندگان می‌توانند به حفاری و اتصال یک نیروگاه بپردازند بدون اینکه ابتدا شبکهٔ شکستگی مصنوعی ایجاد کنند. این مسیر می‌تواند سریع‌تر و با ردپای محیطی کوچک‌تر نسبت به EGS باشد، به‌ویژه اگر مخازن نزدیک سطح و با نفوذپذیری کافی باشند. در عمل، ترکیبی از هر دو رویکرد احتمالاً برای مقیاس‌بخشی به زمین‌گرمایی مورد نیاز خواهد بود: EGS برای گسترش محدودهٔ منابع قابل استفاده و سیستم‌های کور برای بهره‌برداری از مخازن طبیعی با کمترین پیچیدگی مهندسی.

در انتخاب میان این دو مسیر، عوامل مختلفی نقش دارند: ویژگی‌های زمین‌شناسی و هیدرولیکی سایت، دسترسی به آب، ریسک‌های لرزه‌ای محلی، هزینهٔ حفاری و زیرساخت‌های شبکه برای انتقال برق تولیدی. تصمیم‌گیرندگان باید این متغیرها را در مدل‌های مالی و محیط‌زیستی تلفیق کنند تا راهبردهای مناسبی برای توسعه اتخاذ شود.

موانع عملی و گام‌های بعدی

  • تأیید: حفاری همچنان حیاتی است. تنها آزمایش‌های چاه عمیق می‌توانند دما، نفوذپذیری و نرخ جریان را که عوامل تعیین‌کنندهٔ میزان تولید برق یک سایت هستند، تأیید کنند. بدون این آزمون‌ها، ادعاها دربارهٔ ظرفیت و بازده مخازن صرفاً فرضی باقی می‌ماند.
  • تبادل‌های زیست‌محیطی: EGS به آب نیاز دارد و می‌تواند باعث ایجاd میکروزلزله‌ها شود؛ زمین‌گرمایی مرسوم ردپای کوچکتری دارد اما به سنگ‌شناسی مطلوب و وجود مخزن طبیعی وابسته است. مدیریت آب، کنترل انتشار گازهای حاصله از مخازن و برنامه‌های پایش لرزه‌ای از جمله ملاحظات محیط‌زیستی حیاتی هستند.
  • هزینه و مهندسی: استخراج گرما از اعماق بیشتر و در دماهای بالاتر نیازمند فناوری‌های حفاری پیشرفته و اقتصادهایی است که بتوانند با سایر گزینه‌های کم‌کربن رقابت کنند. بهبود کارایی مته‌ها، کاهش هزینهٔ هر متر حفاری و ارتقای زمان‌بندی پروژه‌ها برای کاهش هزینهٔ سرمایه حیاتی است.

برای اکنون، اعلامیهٔ زانسکار در مورد نوادا یک نقطهٔ اثبات برای اکتشاف مبتنی بر هوش مصنوعی است: الگوریتم‌ها می‌توانند نواحی جستجو را محدود کنند و اهداف حفاری را اولویت‌بندی نمایند، و بدین ترتیب قمار بزرگ و پرهزینهٔ اکتشاف زمین‌گرمایی را کاهش دهند. همان‌طور که ابزارهای حفاری بهتر می‌شوند و علم داده پیشرفت می‌کند، گرمای پنهان زیر پای ما ممکن است بخش چشم‌گیری از مجموعهٔ انرژی پاک را تشکیل دهد.

در نهایت، ترکیب فناوری‌های نوین — از جمله یادگیری ماشینی، سنجش از دور، مدل‌سازی ژئوفیزیکی و فناوری‌های حفاری — به همراه سیاست‌گذاری‌های حمایتی و سرمایه‌گذاری در پایلوت‌های تجاری، می‌تواند مسیر تبدیل پتانسیل به ظرفیت واقعی را هموار کند. اهمیت این رویکرد نه تنها در تولید برق کم‌انتشار، بلکه در افزایش تنوع منابع انرژی و تقویت مقاومت شبکه‌های برق در برابر اختلالات نیز نهفته است.

منبع: smarti

ارسال نظر

نظرات

مطالب مرتبط