إطار ذكي جديد لاستغلال الطاقة الحرارية تحت الأرض من خلال تحسين الخواص الحرارية للملاط ومواد الردم

تخزين الحرارة في الأرض

مع تحول المزيد من المنازل والمدن إلى الطاقة المتجددة، يبقى تحدٍ كبير هو كيفية تخزين الحرارة من موسم لاستخدامها في موسم آخر. تبحث هذه الدراسة في طريقة تعامل مع الأرض تحت أقدامنا كخزان حرارة قابل لإعادة الشحن. من خلال اختيار دقيق لكيفية ملء وإحاطة الأنابيب تحت الأرض، وباستخدام أدوات حاسوبية ذكية، يبيّن المؤلفون كيف يمكن استرجاع قدر أكبر من الحرارة المفيدة من الأرض مع استخدام الطاقة بحكمة أكبر.

كيف يعمل تخزين الحرارة تحت الأرض

يستخدم تخزين الطاقة الحرارية تحت الأرض آباراً عميقة محفورة في الأرض تحتوي أنابيب على شكل حرف U بالداخل. في الصيف أو عندما تتوفر حرارة ناتجة عن النفايات، يُضخ سائل دافئ عبر هذه الأنابيب لشحن الصخور المحيطة بالحرارة. في الشتاء، يُرسل سائل أبرد لالتقاط تلك الحرارة وتوصيلها إلى المباني. تعمل الصخور كإسفنجة حرارية ضخمة، بينما يحدد المادة التي تملأ الفراغ بين الأنابيب والصخر، والمعروفة بالملاط أو مواد الردم، مدى سهولة انتقال الحرارة داخل وخارج هذه الإسفنجة.

لماذا تهم مادة الردم

تعتمد كفاءة هذه الأنظمة بشكل كبير على الصفات الفيزيائية الأساسية لكل من الصخر والملاط، مثل مدى توصيلها للحرارة، وسعة الحرارة النوعية، والكثافة. إذا كانت المواد ناقلة جيدة للحرارة، يمكن للشبكة الشحن والتفريغ بسرعة، لكن قد يتسرب Wärme أيضاً إلى باطن الأرض الأوسع. إذا كانت المواد قادرة على تخزين حرارة كبيرة، يمكن الحفاظ على طاقة أكثر تحت الأرض، لكن قد يصبح من الأصعب سحبها لاحقاً. يُظهر المؤلفون أن الموصلية الحرارية للملاط مهمة بشكل خاص لاسترجاع الحرارة أثناء مرحلة الاسترداد، بينما تتحكم خواص الصخر في مقدار الحرارة التي يمكن تخزينها أصلاً.

تعليم الحواسيب أن تحل محل النماذج المعقدة

محاكاة تدفق الحرارة داخل وحول البئر بشكل كامل أمرٌ بطيء ومكلف حسابياً، خاصة إذا لزم اختبار العديد من خيارات التصميم. لتجاوز ذلك، درّب المؤلفون شبكات عصبية اصطناعية لتقليد نموذج رقمي مفصّل لبئر واحد في الصخر. تتعلم هذه الشبكات من مجموعة من المحاكاة النموذجية ثم توفر تنبؤات سريعة جداً لنتيجتين أساسيتين: كمية الطاقة التي تُدخَل إلى الأرض وكمية الطاقة التي تُسترجع لاحقاً. من خلال ضبط هذه الشبكات باستخدام أساليب بحث مستوحاة من علم الوراثة وصيد الحيوانات، حقق الفريق تنبؤات دقيقة للغاية، مع توافق شبه تام بين الشبكة والنموذج الأصلي.

البحث عن أفضل تسويات التصميم

مع هذه المتنبئات السريعة، تستكشف الدراسة بعد ذلك آلاف التركيبات الممكنة من خواص الصخر والملاط. يُستخدم خوارزمية بحث متعددة الأهداف، محاكية لسلوك النسور في المشاركة والمطاردة، لإيجاد سلسلة من أفضل التسويات الممكنة. كل نقطة على هذا الجبه المسمى باريتو تمثل تصميماً حيث إن تحسين هدف واحد، مثل زيادة كمية الحرارة المسترجعة، سيؤدي تلقائياً إلى تدهور هدف آخر، مثل الطاقة المطلوبة لشحن الأرض. تمتد مجموعة النتائج على طاقات مدخلة تقريبية تتراوح من 1.27 إلى 2.29 جيجا جول وطاقات مسترجعة تقارب 0.43 إلى 0.74 جيجا جول، كاشفة عن مناطق واضحة حيث يضيف الشحن الإضافي مكاسب طفيفة فقط في الحرارة المسترجعة.

اختيار خيارات تصميم تطبيقية

لا يزال المهندسون بحاجة إلى خيارات واضحة، لا مجرد سحابة من الاحتمالات، لذلك يستخدم المؤلفون طريقة صنع قرار ترتب تصاميم باريتو حسب الأولويات المختلفة. بتغيير الأهمية النسبية لقلة طاقة الإدخال مقابل ارتفاع الطاقة المسترجعة، يستخرجون سبع سيناريوهات عملية. بعضها يفضّل طاقة إدخال منخفضة جداً واسترداد متواضع، مناسب للمواقع الصغيرة أو ذات الموارد المحدودة، بينما يفضّل بعضها الآخر استرداد أعلى للتدفئة الحضرية أو المباني الكبيرة مع قبول طاقة شحن أعلى وملاط متقدم. تُظهر هذه الخطوة كيف يمكن ضبط نفس مفهوم التخزين تحت الأرض ليتناسب مع ظروف عالمية متعددة.

ما يعنيه هذا لأنظمة الطاقة المستقبلية

بعبارات بسيطة، يبيّن الورق أن خلايا الحرارة الأرضية يمكن أن تُصبح أكثر فاعلية من خلال اختيار ذكي لخواص بيئة الصخر والمادة المملوءة حول الأنابيب، موجهة بأدوات متقدمة مدفوعة بالبيانات. بدلاً من التجربة والخطأ أو قواعد الإبهام في التصميم، يتيح الإطار المقترح للمخططين رؤية سريعة لكيف تؤثر تغييرات هذه المواد على كل من الطاقة المدخلة إلى التخزين والحرارة التي يمكن استرجاعها عملياً. يمكن أن يساعد ذلك في جعل أنظمة التدفئة والتبريد المبنية على الأرض أكثر كفاءة ومرونة وتوافقاً أفضل مع احتياجات شبكات الطاقة منخفضة الكربون في المستقبل.

الاستشهاد: Zandy Ilghani, N., Maleki, H. A novel intelligent framework for harnessing underground thermal energy through the optimization of grout and backfill thermophysical properties. Sci Rep 16, 15931 (2026). https://doi.org/10.1038/s41598-026-46104-w

الكلمات المفتاحية: تخزين الطاقة الحرارية تحت الأرض, مبادل حراري في بئر, تدفئة جيولوجية, تحسين بالتعلم الآلي, الخواص الحرارية للملاط