Công nghệ machine learning giúp thế giới tiếp cận dễ dàng năng lượng địa nhiệt

Những con số về dầu khí đáng chú ý trong tuần (6/5-12/5)

EAC: Nga phát hiện trữ lượng dầu khí khổng lồ trên lãnh thổ Nam Cực

Ảnh minh họa. Ảnh Oilprice

Với những tiến bộ lớn về trí tuệ nhân tạo (AI) và các dịch vụ kỹ thuật số khác trong những năm gần đây, một số chuyên gia năng lượng tin rằng những công nghệ này hiện có thể được sử dụng để tăng cường sản xuất năng lượng, thúc đẩy tiềm năng sản xuất năng lượng địa nhiệt của thế giới.

Năng lượng địa nhiệt là một dạng năng lượng nhiệt tự nhiên nằm trong Trái đất. Có đủ năng lượng địa nhiệt trên Trái đất để đáp ứng nhu cầu năng lượng của thế giới, nhưng việc tiếp cận nguồn năng lượng này có thể còn rất khó khăn. Năng lượng địa nhiệt có thể được tiếp cận theo nhiều cách khác nhau, đầu tiên là sử dụng trực tiếp, đã phổ biến hằng trăm năm nay. Điều này liên quan đến việc sử dụng nước nóng gần bề mặt Trái đất, chẳng hạn như từ suối nước nóng và mạch nước phun (không cần thiết bị khoan), do đó nước hoặc hơi nước có thể được sử dụng để sưởi ấm các tòa nhà gần nguồn. Ngược lại, năng lượng địa nhiệt nếu được sử dụng để sản xuất điện thì phải tiếp cận thông qua việc khoan. Các hồ chứa nước nóng có thể được tìm thấy ở nhiều nơi trên thế giới, chỉ cách bề mặt Trái đất vài dặm. Chúng có thể được tiếp cận thông qua việc khoan, cho phép khai thác hơi nước để quay tuabin, kích hoạt máy phát điện tạo ra điện.

Việc khoan lấy năng lượng địa nhiệt vẫn chưa được ưa chuộng do những hạn chế về công nghệ, hơn nữa việc khám phá các điểm địa nhiệt tiềm năng có thể tốn kém. Ngoài ra, những trữ lượng khó tiếp cận có thể cực kỳ khó tiếp cận với công nghệ khoan hiện tại. Hiện tại, năng lượng địa nhiệt đóng góp chưa đến 1% điện năng của Mỹ, mặc dù tiềm năng khai thác nguồn năng lượng tái tạo dồi dào này là rất lớn.

Zanskar, một công ty khởi nghiệp có trụ sở tại Utah, đã xây dựng các mô hình machine learning (một lĩnh vực thuộc trí tuệ nhân tạo và khoa học máy tính) để đánh giá các vị trí tối ưu để khoan năng lượng địa nhiệt. Các mô hình của công ty này phân tích dữ liệu sâu rộng để xác định những vị trí tốt nhất để khoan năng lượng địa nhiệt, điều mà Zanskar tin rằng sẽ giúp giảm đáng kể chi phí thăm dò trong những năm tới. Điều này có thể khuyến khích nhiều công ty hơn đầu tư vào lĩnh vực địa nhiệt, và giúp đa dạng hóa lĩnh vực năng lượng xanh.

Carl Hoiland, Giám đốc điều hành của Zanskar, cho biết: “Chỉ trong một năm rưỡi qua, chúng tôi đã phát hiện ra nhiều tài nguyên địa nhiệt tiềm ẩn hơn so với toàn bộ ngành công nghiệp đã phát hiện được trong thập kỷ trước”. Điều này chứng tỏ tiềm năng to lớn của công nghệ mới và có thể khuyến khích nhiều công ty năng lượng hơn đầu tư vào lĩnh vực này. Trong tháng này, Zanskar thông báo họ đã huy động được 30 triệu đô la trong vòng tài trợ chuỗi B do Obvious Ventures dẫn đầu. Cho đến nay, Zanskar đã huy động được 45 triệu USD tài trợ, điều này sẽ góp phần vào việc thăm dò và phát triển nhiều hơn các nhà máy điện đầu tiên của họ. Công ty có kế hoạch hợp tác với các công ty địa nhiệt hiện có để phát triển các địa điểm mới.

Có rất nhiều bên quan tâm xung quanh tiềm năng phát triển năng lượng địa nhiệt của thế giới, vì nó có thể cung cấp nguồn tài nguyên tái tạo vô tận. Tuy nhiên, hiện nay chi phí phát triển dự án cao gấp khoảng 5 lần chi phí phát triển năng lượng gió nên thường bị bỏ qua. Nó có giá khoảng 8,7 triệu USD cho mỗi megawatt điện được tạo ra từ địa nhiệt. Mức giá này cao phần lớn là do thợ khoan thường không tìm được vị trí chính xác để tiếp cận các hồ chứa, nghĩa là họ có thể phải khoan nhiều chỗ mới thành công, như vậy sẽ tốn thời gian và tiền bạc.

Zanskar sử dụng một lượng lớn dữ liệu được thu thập từ vệ tinh, khảo sát địa chất, sóng truyền qua lòng đất sau trận động đất và các điểm dữ liệu khác để dự đoán những điểm tốt nhất để khoan. Càng có nhiều dữ liệu trong một khu vực thì chương trình machine learning càng chính xác. Công nghệ này có thể được kết hợp với những cải tiến khác, chẳng hạn như kỹ thuật khoan tiên tiến, để làm cho năng lượng địa nhiệt trở nên dễ tiếp cận hơn và do đó rẻ hơn.

Phòng thí nghiệm Năng lượng Tái tạo Quốc gia Mỹ (NREL) cũng đang phát triển các kỹ thuật AI và machine learning để tăng cường sản xuất năng lượng tái tạo. Họ đã phát triển một bộ thuật toán và công cụ để cải thiện đặc tính hồ chứa, tiết kiệm chi phí khoan và tối ưu hóa hoạt động của mỏ hơi nước địa nhiệt. Trong khi đó, kể từ năm 2018, Văn phòng Công nghệ Địa nhiệt Mỹ (GTO) đã tài trợ cho các ứng dụng nghiên cứu và phát triển giai đoạn đầu trong học máy, để phát triển các công nghệ mới nhằm cải tiến hoạt động thăm dò và vận hành các nguồn tài nguyên địa nhiệt.

Những tiến bộ nhanh chóng trong công nghệ AI và machine learning đã nâng cao hoạt động sử dụng năng lượng tái tạo, và những tiến bộ hơn nữa trong những thập kỷ tới dự kiến ​​sẽ giúp tối ưu hóa hoạt động năng lượng và giảm chi phí hơn nữa. Một số yếu tố cản trở chính trong việc phát triển các hoạt động sử dụng năng lượng địa nhiệt, giờ đây có thể đã là quá khứ, vì Zanskar và các công ty khác đang phát triển thuật toán machine learing chính xác, cho phép chúng ta khai thác các nguồn năng lượng tái tạo dồi dào trên toàn cầu.

Yến Anh

OilPrice