Uma nova estrutura inteligente para aproveitar a energia térmica subterrânea por meio da otimização das propriedades termofísicas do grout e do preenchimento

Armazenando Calor no Subsolo

À medida que mais residências e cidades adotam energias renováveis, um grande desafio é como armazenar calor de uma estação para usar em outra. Este estudo investiga uma forma de tratar o solo sob nossos pés como uma enorme bateria térmica recarregável. Ao escolher cuidadosamente como preencher e envolver os tubos subterrâneos, e usando ferramentas computacionais inteligentes, os autores mostram como obter mais calor útil de volta do subsolo enquanto usam a energia de forma mais eficiente.

Como Funciona o Armazenamento Térmico Subterrâneo

O armazenamento térmico subterrâneo usa poços profundos perfurados no solo, chamados de sondas, com tubos em forma de U no interior. No verão ou quando há calor residual disponível, fluido aquecido é bombeado por esses tubos para carregar a rocha circundante com calor. No inverno, fluido mais frio é enviado para recuperar esse calor e entregá-lo aos edifícios. A rocha atua como uma grande esponja térmica, enquanto o material que preenche a lacuna entre os tubos e a rocha, conhecido como grout ou preenchimento, determina quão facilmente o calor pode entrar e sair dessa esponja.

Por Que o Material de Preenchimento Importa

O sucesso desses sistemas depende fortemente de características físicas básicas tanto da rocha quanto do grout, como condutividade térmica, capacidade térmica e densidade. Se os materiais conduzem bem o calor, o sistema pode carregar e descarregar rapidamente, mas o calor também pode escapar para o solo mais amplo. Se eles armazenam muita energia térmica, mais calor pode ser mantido no subsolo, mas pode ser mais difícil recuperá-lo. Os autores mostram que a condutividade térmica do grout é especialmente importante para recuperar calor durante a fase de descarga, enquanto as propriedades da rocha controlam quanto pode ser armazenado inicialmente.

Ensinando Computadores a Substituir Modelos Complexos

Simular completamente o fluxo de calor em torno de uma sonda é lento e exige muito do computador, especialmente se muitas opções de projeto precisam ser testadas. Para contornar isso, os autores treinaram redes neurais artificiais para imitar um modelo numérico detalhado de uma única sonda em rocha. Essas redes aprendem a partir de um conjunto de simulações de amostra e então fornecem previsões muito rápidas de dois resultados-chave: quanto calor é fornecido ao solo e quanto é recuperado depois. Ao ajustar cuidadosamente as redes usando métodos de busca inspirados na genética e na caça animal, a equipe alcançou previsões muito precisas, com praticamente concordância perfeita entre a rede e o modelo original.

Buscando os Melhores Compromissos de Projeto

Com esses preditores rápidos, o estudo explora milhares de combinações possíveis de propriedades da rocha e do grout. Um algoritmo de busca multiobjetivo, modelado no comportamento de urubus compartilhando e perseguindo alimento, é usado para encontrar uma série de melhores compromissos possíveis. Cada ponto nessa frente de Pareto representa um projeto onde melhorar um objetivo, como recuperar mais calor, automaticamente pioraria outro, como a energia necessária para carregar o solo. O conjunto resultante abrange energias fornecidas de cerca de 1,27 a 2,29 gigajoules e energias recuperadas de cerca de 0,43 a 0,74 gigajoules, revelando zonas claras onde carregamentos adicionais trazem apenas pequenos ganhos na energia recuperada.

Escolhendo Opções de Projeto para o Mundo Real

Engenheiros ainda precisam de escolhas claras, não apenas uma nuvem de opções, então os autores usam um método de tomada de decisão que classifica os projetos de Pareto segundo prioridades diferentes. Ao alterar a importância relativa de baixa energia de entrada versus alta energia recuperada, eles extraem sete cenários práticos. Alguns favorecem entradas de energia muito baixas e recuperação modesta, adequados para locais pequenos ou com recursos limitados, enquanto outros favorecem maior recuperação para aquecimento distrital ou grandes edifícios, aceitando maior energia de carga e um grout mais avançado. Essa etapa mostra como o mesmo conceito de armazenamento subterrâneo pode ser ajustado para caber em muitas condições do mundo real.

O Que Isso Significa para Sistemas Energéticos Futuros

Em termos simples, o artigo mostra que baterias térmicas subterrâneas podem ser tornadas mais eficazes ao selecionar inteligentemente as propriedades do ambiente semelhante à rocha e do material de preenchimento ao redor dos tubos, guiados por ferramentas avançadas orientadas por dados. Em vez de tentativa e erro ou regras empíricas de projeto, a estrutura proposta permite que planejadores vejam rapidamente como mudanças nesses materiais afetam tanto a energia colocada em armazenamento quanto o calor que podem realisticamente recuperar. Isso pode ajudar a tornar sistemas de aquecimento e resfriamento baseados no solo mais eficientes, flexíveis e melhor alinhados às necessidades de futuras redes de energia de baixo carbono.

Citação: 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

Palavras-chave: armazenamento térmico subterrâneo, permutaor de calor em sondagem, aquecimento geotérmico, otimização por aprendizado de máquina, propriedades térmicas do grout