グラウトと埋め戻し材の熱物性最適化による地下熱エネルギー活用の新しいインテリジェントフレームワーク

地中に熱を蓄える

より多くの住宅や都市が再生可能エネルギーへ移行する中で、一つの大きな課題は、ある季節に得た熱を別の季節に使う方法です。本研究は、私たちの足下の地面を巨大な充電式の熱バッテリーのように扱う手法を検討します。地下配管の充填材や周囲の処理を慎重に選び、スマートな計算ツールを用いることで、より多くの有用な熱を地中から回収しつつ、エネルギーを賢く使う方法を示します。

地下熱貯蔵の仕組み

地下熱エネルギー貯蔵は、ボアホールと呼ばれる深い穴にU字形の配管を入れて用います。夏季や廃熱が利用できる時には、温かい流体をこれらの配管に送り込み周囲の岩盤に熱を蓄えます。冬季には冷たい流体を送り込み、その熱を取り出して建物に届けます。岩盤は巨大な熱のスポンジとして働き、配管と岩盤の隙間を埋める材料（グラウトや埋め戻し材）が、このスポンジに熱が出入りするしやすさを決めます。

充填材が重要な理由

この種のシステムの成功は、岩盤とグラウトの基本的な物理特性、すなわち熱伝導性、比熱、密度などに強く依存します。材料の熱伝導率が高ければ、充放電が速く行えますが、熱が広い地盤へ漏れやすくもなります。多くの熱を蓄えられる材料なら地中に保持できるエネルギーは増えますが、回収が難しくなることもあります。著者らは、回収段階で熱を取り出す上ではグラウトの熱伝導率が特に重要であり、一方で岩盤の特性がそもそもどれだけ蓄えられるかを支配することを示しています。

複雑なモデルの代わりに計算機を学習させる

ボアホール周辺の熱流動を完全に数値シミュレーションするのは遅く、計算負荷が高くなります。特に多数の設計案を評価する必要がある場合に問題です。これを回避するために、著者らは単一ボアホールの詳細な数値モデルを模倣する人工ニューラルネットワークを訓練しました。これらのネットワークはサンプルシミュレーションから学習し、地中に供給される熱量と後に回収される熱量という二つの主要な成果を非常に高速に予測します。遺伝的手法や群知能に着想を得た探索法でネットワークを慎重に調整した結果、ネットワークと元のモデルの間でほぼ完全な一致を示す高精度な予測が得られました。

最良の設計トレードオフを探る

こうした高速な予測器を用いて、研究では何千もの岩盤とグラウト特性の組み合わせを探索します。ハゲタカの群れが餌を共有し追う行動を模した多目的探索アルゴリズムを用い、一連の最良の妥協点を見つけ出します。パレート前線上の各点は、たとえば回収熱量を増やすと充填に要するエネルギーが自動的に悪化するなど、目的を一方を改善すれば他方が必ず劣化する設計を表します。得られた集合は供給エネルギーがおよそ1.27〜2.29ギガジュール、回収エネルギーがおよそ0.43〜0.74ギガジュールの範囲に広がり、追加の充填がわずかな回収増にしかつながらない領域が明確に現れました。

現実的な設計選択の提示

エンジニアには単なる選択肢の雲ではなく明確な選択が必要です。そこで著者らはパレート設計を様々な優先順位でランク付けする意思決定手法を適用します。入力エネルギーを低く抑えることと回収エネルギーを高めることの相対的重要度を変えることで、七つの実用的なシナリオを抽出します。いくつかは非常に低い入力エネルギーと控えめな回収を重視し、エネルギー制約のある小規模サイトに適します。別のものは地区暖房や大規模建物向けに高い回収を優先し、より多くの充填エネルギーと高度なグラウトを受け入れます。この段階は同じ地下貯蔵の概念を多様な実際の条件に合わせて調整できることを示しています。

将来のエネルギーシステムへの示唆

簡単に言えば、本稿は岩盤のような環境特性と配管周りの充填材の特性を知的に選ぶことで、地下の熱バッテリーをより効果的にできることを示しています。試行錯誤や経験則に頼る代わりに、提案されたフレームワークは設計者がこれら材料の変化が貯蔵に投入するエネルギーと現実的に回収できる熱の両方にどう影響するかを迅速に把握できるようにします。これにより地中を利用した暖冷房システムはより効率的で柔軟になり、将来の低炭素エネルギーネットワークのニーズにより適合する可能性があります。

引用: 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

キーワード: 地下熱エネルギー貯蔵, ボアホール熱交換器, 地熱暖房, 機械学習最適化, グラウトの熱特性