ENGINEERINGNET.BE - Aardwarmtesystemen zijn complex vanwege de vloeistofsamenstellingen, de dynamiek tussen vraag en aanbod, het afwijkende productiegedrag, belasting en slijtage van apparatuur en storingen.
Vandaar dat TNO een simulatietool ontwikkelde, genaamd GEMINI, die is gebaseerd op fysische, chemische, datagestuurde en ‘physics-informed’ AI-modellen. Deze gestandaardiseerde modellen kunnen in de toekomst ingezet worden om samen te werken met systemen in andere sectoren.
Ook bouwt TNO aan het raamwerk voor de digital twin-technologie, die in realtime communiceert met TNO's eigen ontwikkelde datastromen en modellen.
Pejman Shoeibi Omrani, senior scientist energietransitie bij TNO: “Dit geeft operators diepgaand en dynamisch inzicht in het energieproductieproces. De digital twin bewaakt en analyseert de systeemprestaties, waardoor tekortkomingen, potentiële knelpunten en storingen direct geïdentificeerd en verholpen kunnen worden.”
GEMINI omvat modules en toepassingen die ingenieurs ondersteunen in hun werk, bijvoorbeeld om installatieschema's te bouwen, de installatie te optimaliseren, modellen te kalibreren, apparatuur zoals pompen, afsluiters en leidingen te monitoren, emissies te bewaken en onderhoud te plannen.
Ook kunnen de automatische dataverwerking en rapportagetool worden geïntegreerd met bestaande databases om workflows te automatiseren en een intelligent managementsysteem te creëren. De mogelijkheid om bestaande modellen te koppelen en ermee samen te werken, maakt GEMINI relatief eenvoudig te implementeren.
Het systeem maakt gebruik van open source modellen voor data-interpretatie, zodat de informatie relevant wordt voor benchmarking en leerdoelen. De diagnostische en voorspellende waarde van GEMINI zorgt voor een nauwkeurig beeld van toekomstige prestaties, integriteit en geeft inzicht in kritieke processen zoals scaling en corrosie.
Hierdoor kan er preventief gehandeld worden, wat de operationele continuïteit verbetert, het aantal transportbewegingen vermindert en de ecologische voetafdruk van de installatie verkleint.
Kennis van de operator wordt met datalabels gedocumenteerd in de digitale twin voor leerdoeleinden en kennisuitwisseling. Nieuwe medewerkers worden effectiever opgeleid, omdat de digital twin als offline trainingstool kan fungeren zonder de fysieke operatie te verstoren.
Partners in het project zijn: Aardyn, HVC, Well Engineering Partners, Helin Data, Geothermie Nederland en de Rijksdienst voor Ondernemend Nederland.
