Los modelos de machine learning están revolucionando el análisis de datos masivos para identificar las mejores ubicaciones para la perforación de energía geotérmica, lo que podría disminuir significativamente los costos de exploración. En este contexto, gobiernos y empresas privadas están invirtiendo fuertemente en investigación y desarrollo con la esperanza de catalizar innovaciones que avancen en el ámbito de las energías renovables, impulsando así la transición verde a nivel global.
Optimización de la energía geotérmica con IA
La energía geotérmica es una fuente natural que se encuentra en el interior de la Tierra y tiene la capacidad de satisfacer las demandas energéticas globales, aunque su acceso presenta desafíos significativos, pero aun así, con los recientes avances en inteligencia artificial (IA) y otras tecnologías digitales, algunos expertos en energía sostienen que estas herramientas pueden optimizar la producción de energía, aumentando el potencial de la energía geotérmica a nivel mundial.
[post_relacionado]Así pues, la energía geotérmica se puede utilizar de diversas maneras. El uso directo, popular durante siglos, aprovecha el agua calentada cerca de la superficie, como en las fuentes termales y géiseres, para calefaccionar edificios sin necesidad de equipos de perforación. En contraste, la energía geotérmica destinada a la producción de electricidad requiere perforaciones para extraer vapor, que luego hace girar una turbina para generar electricidad.
Sin embargo, la perforación geotérmica enfrenta obstáculos tecnológicos que la hacen costosa, limitando su adopción. Hoy en día, la energía geotérmica representa menos del uno por ciento de la electricidad en Estados Unidos, a pesar de su gran potencial como fuente de energía renovable.
Zanskar transforman la exploración geotérmica
En este escenario, Zanskar, una startup con sede en Utah, ha desarrollado modelos de machine learning para evaluar los mejores lugares para perforar en busca de energía geotérmica. Estos analizan una vasta cantidad de datos para identificar ubicaciones óptimas, lo que podría reducir significativamente los costos de exploración y fomentar mayores inversiones en el sector geotérmico, diversificando así el mercado de energías verdes.
Carl Hoiland, CEO de Zanskar, destacó que en el último año y medio han descubierto más recursos geotérmicos ocultos que en la década anterior. Este progreso podría incentivar a más empresas energéticas a invertir en el sector. Recientemente, Zanskar recaudó 30 millones de dólares en una ronda de financiamiento liderada por Obvious Ventures, elevando su valoración a 115 millones de dólares.
En total, la empresa ha recaudado 45 millones de dólares para expandir su exploración y desarrollar nuevas plantas geotérmicas en colaboración con empresas ya establecidas.
El entusiasmo por la energía geotérmica es palpable, dado su potencial para proporcionar un recurso renovable ilimitado. Sin embargo, los costos de desarrollo son actualmente cinco veces superiores a los de la energía eólica, con 1 MW de energía geotérmica costando aproximadamente 8.7 millones de dólares. Este elevado costo se debe en gran medida a la dificultad de encontrar los yacimientos adecuados para perforar, lo que puede resultar en múltiples intentos fallidos antes de tener éxito.
Exploración geotérmica precisa
Para abordar este desafío, Zanskar utiliza datos de satélites, estudios geológicos y ondas sísmicas para predecir los mejores sitios de perforación. La precisión de estos modelos de machine learning mejora con la cantidad de datos disponibles, lo que podría combinarse con técnicas de perforación avanzadas para hacer la energía geotérmica más accesible y económica.
El Laboratorio Nacional de Energías Renovables de EE.UU. (NREL) también está avanzando en técnicas de IA y machine learning para optimizar la producción de energías renovables. Han desarrollado algoritmos y herramientas para mejorar la caracterización de yacimientos, reducir los costos de perforación y optimizar las operaciones de los campos geotérmicos.
Desde 2018, la Oficina de Tecnologías Geotérmicas de EE.UU. (GTO) ha financiado investigaciones en machine learning para innovar en tecnologías de exploración y operaciones geotérmicas. Estos avances podrían superar obstáculos históricos en el desarrollo de la energía geotérmica, permitiendo aprovechar recursos renovables abundantes a nivel global.
La implementación de machine learning en la exploración geotérmica reducirá costos, aumentará la precisión en la identificación de recursos subterráneos y disminuirá la huella ambiental, favoreciendo la aceptación social y acelerando la transición hacia una matriz energética sostenible.
¡Síguenos en las redes sociales y no te pierdas ninguna de nuestras publicaciones!
Inspenet.com YouTube LinkedIn Facebook Instagram X
Fuente: worldenergytrade
Foto: Shutterstock