Project/Area Number |
22K12481
|
Research Category |
Grant-in-Aid for Scientific Research (C)
|
Allocation Type | Multi-year Fund |
Section | 一般 |
Review Section |
Basic Section 64050:Sound material-cycle social systems-related
|
Research Institution | Industrial Research Institute of Ishikawa |
Principal Investigator |
宗本 隆志 石川県工業試験場, 化学食品部, 専門研究員 (00745937)
|
Co-Investigator(Kenkyū-buntansha) |
嶋田 一裕 石川県工業試験場, 化学食品部, 専門研究員 (60504850)
内田 洋平 国立研究開発法人産業技術総合研究所, エネルギー・環境領域, 研究チーム長 (90356577)
|
Project Period (FY) |
2022-04-01 – 2025-03-31
|
Project Status |
Granted (Fiscal Year 2022)
|
Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2024: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2023: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2022: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
|
Keywords | 地中熱利用システム / 機械学習 |
Outline of Research at the Start |
地中熱利用システムは、地下浅部の温度変化の小さい熱特性を、空調や融雪などに活用するエネルギーシステムであり、再生可能エネルギーの一つとして注目されているが、地中熱利用ヒートポンプシステムの導入可能性や性能を評価するための調査コストが高く、評価結果が地域的に限定されることが課題となっている。本研究では、機械学習による地中熱利用ヒートポンプシステムの導入可能性および性能を予測・評価するためのモデルを構築する。本研究成果は、再生可能エネルギーの普及・研究促進のみならず、機械学習モデルの重み付けから、地球科学的な諸現象の解明・予測手法として水文地質構造や水質形成プロセスの理解に貢献する。
|
Outline of Annual Research Achievements |
地中熱利用システムは、地下浅部の温度変化の小さい熱特性を、空調や融雪などに活用するエネルギーシステムであり、再生可能エネルギーの一つとして注目されている。地中熱利用システムの性能は、地下水の揚水や涵養量の変化といった地下システムの条件変化などによって複雑に変化するため、水文地質学的特性の相互作用や地域的な不均質性が地中熱利用システムの導入可能性や性能に及ぼす影響を予測・評価する技術が望まれている。そこで本研究では、機械学習による地中熱利用ヒートポンプシステムの導入可能性および性能を予測・評価するためのモデルを構築する。 令和4年度は機械学習による地中熱利用ヒートシステムの導入可能性および性能を予測・評価するための水文環境データを取得した。具体的には、既に報告されている東北5地域のうち、青森県と宮城県における地中熱交換器長さ(3.5 kW)の分布図と国土交通省が公開しているオープンデータから、標高や自然水位などのデータを地理情報システムを用いた逆距離加重法によってデータの抽出を行った。抽出した青森県のデータを学習用データと検証用データにランダムに分けて、地中熱交換器長さを目的変数とした決定木モデルによる地中熱交換器長さを予測するモデルを構築した。その結果、地中熱交換器長さを±10m程度の精度で予測できることが分かった。青森県データを用いて構築したモデルを用いて、宮城県のオープンデータから地中熱交換器長さを予測したところ、3.5 kWの熱交換に必要な熱交換器は短く予測される結果となった。宮城県データ熱交換器長さが短く予測された理由として、青森県と宮城県では分布する地質やその熱伝導率が異なることが考えられる。次年度以降は各地域で得られたデータをランダムに特徴量に設定することで様々な地質条件で適用可能な機械学習モデルの構築を行う。
|
Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
地中熱交換器長さデータと水文環境データを同一の空間座標系で結合させる必要があり、データ数が多いためデータの収集・整理についてやや遅れている。
|
Strategy for Future Research Activity |
これまでに収集・整理が終わっていない東北地域のデータ収集を最優先で行う。また、各地域内および各地域間のデータを用いた学習モデルを構築し、地中熱利用システムの性能予測・評価を行う。
|