Los modelos de machine learning pueden analizar gran cantidad de datos para determinar las mejores ubicaciones para la perforación geotérmica, reduciendo los costos de exploración.
Relacionados:
Mayor progreso en la transición verde global
A medida que los gobiernos y las empresas privadas inyectan fondos en investigación y desarrollo, con el objetivo de lograr la innovación necesaria para avanzar en las operaciones de energía renovable, estamos viendo un mayor progreso en la transición verde global.
La energía geotérmica: un potencial subutilizado
La energía geotérmica es una forma natural de energía que se encuentra en el interior de la Tierra. Hay suficiente energía geotérmica en la Tierra para satisfacer las necesidades energéticas mundiales, pero acceder a ella puede ser muy difícil.
Diferentes formas de acceder a la energía geotérmica
Se puede acceder a la energía geotérmica de diferentes maneras, la primera es el uso directo, que ha sido popular durante cientos de años. Se trata de utilizar agua calentada cerca de la superficie de la Tierra, como la de fuentes termales y géiseres, que no requiere equipos de perforación, y el agua o el vapor pueden utilizarse para calentar edificios cercanos a la fuente. En cambio, la energía geotérmica que se utiliza para producir electricidad se obtiene mediante perforación.
La importancia del machine learning en la energía geotérmica
Zanskar, una empresa emergente con sede en Utah, ha creado modelos de machine learning para evaluar los lugares óptimos para perforar en busca de energía geotérmica. Los modelos de la empresa analizan numerosos datos para determinar las mejores ubicaciones para perforar en busca de energía geotérmica, lo que, según Zanskar, permitirá reducir considerablemente los costes de exploración en los próximos años. Esto podría animar a más empresas a invertir en el sector geotérmico y contribuir a diversificar el sector de las energías verdes.
Carl Hoiland, CEO de Zanskar, declaró: «Ahora hemos descubierto más de estos recursos geotérmicos ocultos en sólo el último año y medio que toda la industria junta en la década anterior». Esto demuestra el enorme potencial de la nueva tecnología y podría animar a más empresas energéticas a invertir en el sector.
Tecnología prometedora con inversión en crecimiento
Este mes, Zanskar anunció que había recaudado 30 millones de dólares en una ronda de financiamiento de serie B liderada por Obvious Ventures, que la valora en 115 millones de dólares. Hasta la fecha, Zanskar ha recaudado 45 millones de dólares en financiación, que contribuirán a una mayor exploración y al desarrollo de sus primeras centrales eléctricas. La empresa tiene previsto trabajar con empresas geotérmicas ya existentes para desarrollar nuevos emplazamientos.
Superando los obstáculos actuales
En la actualidad, el costo de desarrollo de un proyecto es unas cinco veces superior al de la energía eólica, lo que significa que a menudo se pasa por alto. Cada megavatio de electricidad geotérmica cuesta unos 8,7 millones de dólares. Zanskar utiliza una amplia gama de datos recogidos de satélites, estudios geológicos, las ondas que recorren el suelo tras un terremoto y otros datos para predecir los mejores lugares para perforar.
Avances en IA y machine learning en energías renovables
El Laboratorio Nacional de Energías Renovables de Estados Unidos (NREL) también está desarrollando sus técnicas de IA y machine learning para mejorar la producción de energías renovables. Ha desarrollado un conjunto de algoritmos y herramientas para mejorar la caracterización de los yacimientos, economizar la perforación y optimizar las operaciones de los campos de vapor geotérmico. Mientras tanto, desde 2018, la Oficina de Tecnologías Geotérmicas de Estados Unidos (GTO) ha financiado aplicaciones de investigación y desarrollo en fase inicial en aprendizaje automático para desarrollar nuevas tecnologías de exploración y mejoras operativas para los recursos geotérmicos.
El futuro de la energía geotérmica
Los rápidos avances en las tecnologías de IA y machine learning han mejorado las operaciones de energía renovable, y se espera que los nuevos avances en las próximas décadas ayuden a optimizar las operaciones energéticas y reducir aún más los costos. Algunos de los principales impedimentos para desarrollar operaciones de energía geotérmica podrían ser ahora cosa del pasado, si los algoritmos de aprendizaje automático son tan precisos como prometen Zanskar y otras empresas, lo que nos permitiría aprovechar abundantes fuentes de energía renovable en todo el mundo.
