La generazione di energia geotermica richiede un sottosuolo permeabile per rilasciare in modo efficiente il calore quando i fluidi freddi vengono forzati nella roccia. Questa ricerca rivela i tempi ottimali per un trasferimento efficiente di energia esponendo il collegamento ai microterremoti, che vengono monitorati in superficie attraverso sismometri. Il team ha pubblicato i risultati su Nature Communications .

Utilizzando due set di dati dei progetti dimostrativi EGS Collab e Utah FORGE, i ricercatori hanno utilizzato l’apprendimento automatico per estrarre il “rumore” trovato nei dati che oscurava il collegamento. I ricercatori hanno quindi utilizzato l’apprendimento automatico per creare un modello da un sito e lo hanno applicato con successo all’altro – un processo chiamato apprendimento di trasferimento – suggerendo che il collegamento si è formato sulla base della fisica generale delle rocce del sottosuolo. Ciò significa che è probabile che sia vero universalmente per tutti i siti di energia geotermica, hanno detto i ricercatori.

"Il successo del trasferimento di apprendimento conferma la generalizzabilità dei modelli", ha affermato Pengliang Yu, studioso post-dottorato presso la Penn State e autore principale dello studio. "Ciò suggerisce che il monitoraggio sismico potrebbe essere ampiamente utilizzato per migliorare l'efficienza del trasferimento di energia geotermica in un'ampia gamma di siti."

Aumentare la permeabilità delle rocce è fondamentale per una serie di metodi di estrazione di energia, ha affermato Yu. La permeabilità delle rocce influisce sul tradizionale recupero dei combustibili fossili e sulle energie rinnovabili, compresa la produzione di idrogeno. I metodi di idrofratturazione introducono fluidi freddi nel sottosuolo attraverso la roccia porosa, creando pressioni elevate che rompono la roccia sotto tensione o taglio.

Questo processo crea microterremoti simili ai terremoti naturali, ma su scala molto più piccola. Aumentando la permeabilità della roccia, energie come il calore e gli idrocarburi riescono a raggiungere più facilmente la superficie.

Yu ha detto che il loro algoritmo mostrava un collegamento diretto, il che significa che la roccia diventava più permeabile quando l'attività sismica era più forte.

L'identificazione del legame tra l'attività sismica e la permeabilità delle rocce migliora la capacità di estrarre energia, garantendo al tempo stesso che i microterremoti rimangano al di sotto della soglia che potrebbe causare danni o essere osservato dal pubblico.

"L'apprendimento automatico ha svolto un ruolo chiave nello scoprire la relazione tra l'attività sismica e la permeabilità delle rocce", ha affermato la coautrice Parisa Shokouhi, professoressa di scienze ingegneristiche e meccanica presso la Facoltà di Ingegneria. “Ha aiutato a identificare gli attributi importanti dei dati sismici per prevedere l’evoluzione della permeabilità delle rocce. Abbiamo vincolato l’algoritmo di apprendimento automatico per garantire un modello fisicamente significativo. In cambio, la previsione del modello ha rivelato un collegamento fisico precedentemente sconosciuto tra i dati sismici e la permeabilità delle rocce”.

Secondo i ricercatori, aumentare la disponibilità di energia geotermica ridurrebbe la dipendenza dai combustibili fossili. Inoltre, hanno notato che collegare la permeabilità delle rocce ai microterremoti può essere utile nel monitorare il movimento del gas per il sequestro del carbonio e la produzione e lo stoccaggio dell'idrogeno nel sottosuolo.

La ricerca fa parte di un progetto più ampio volto a ridurre i costi e aumentare la produzione di energia geotermica e utilizzare l'apprendimento automatico per comprendere e prevedere meglio i terremoti, compresi i microterremoti.

"Il lavoro di Yu fa parte del nostro impegno per far avanzare l'esplorazione geotermica e la produzione di energia geotermica utilizzando metodi di apprendimento automatico", ha affermato il coautore Chris Marone, professore di geoscienze alla Penn State. "I nostri studi di laboratorio mostrano chiare connessioni tra l'evoluzione delle proprietà elastiche prima dei terremoti in laboratorio e siamo entusiasti di vedere che relazioni simili si osservano in natura."