ИИ и геотермальная энергетика: кейс Германии

В геотермальной энергетике есть жесткая арифметика: каждые лишние сутки бурения — это деньги, которые не хочется сжигать. В отрасли часто называют порядок затрат на буровую установку около 100 000 долларов в день — и на этом фоне заявление о сокращении времени бурения на 50% звучит не как красивая презентация, а как прямой удар по себестоимости.

Именно поэтому проект компании Eavor в городе Геретсрид (Германия), который должен начать выработку в ближайшее время, интересен не только как «еще одна зеленая станция». Это удобный кейс для нашей серии «Искусственный интеллект в энергетике и электроэнергетике»: здесь наглядно видно, где данные, модели и алгоритмы дают измеримый эффект — от проходки скважин до режимов работы тепла и электричества в зависимости от сезона.

Что происходит в Геретсриде и почему это важно

Суть новости простая: в Германии на финишной прямой — коммерческий проект advanced geothermal с «закрытым контуром» (closed-loop). Это технология, которая делает ставку на инженерию скважин и теплообмен, а не на создание искусственных трещин в породе.

По данным компании, первая «петля» (loop) уже почти готова, а весь комплекс из четырех петель в итоге должен обеспечить:

• 8,2 МВт электроэнергии в региональную сеть;
• 64 МВт тепла для систем централизованного теплоснабжения;
• гибкую работу: больше тепла зимой, больше электроэнергии летом.

Почему это важно именно в Европе (и почему российскому рынку тоже стоит внимательно смотреть): тепло — огромная часть энергопотребления, и заменить газ «в лоб» сложнее, чем поставить солнечные панели. Геотермия с подключением к тепловым сетям — один из немногих вариантов, который дает низкоуглеродное тепло 24/7.

Закрытый контур vs EGS: выбор технологии и выбор рисков

Закрытый контур геотермии устроен так: теплоноситель (обычно вода) циркулирует внутри герметичных труб. Он забирает тепло у горячих пород и возвращается на поверхность, где тепло превращают в электричество и/или подают в теплосеть.

Enhanced Geothermal Systems (EGS) идут другим путем: создают/расширяют трещины и прокачивают жидкость через «искусственный резервуар», что обычно эффективнее по теплоотбору, но вызывает больше вопросов у общества и регуляторов.

Для Германии нюанс принципиальный: в местах, где ограничены или запрещены практики, похожие на фрекинг, закрытый контур получает «регуляторную зеленую улицу».

При этом закрытая схема имеет естественное ограничение: труба — это «бутылочное горлышко» теплообмена. Экономика сходится только тогда, когда температура и расход в контуре достаточно высоки, а потери — контролируемы.

Вот здесь и начинается зона, где ИИ особенно полезен: он не «делает породы горячее», но позволяет выжать максимум из каждого инженерного решения — от бурения до эксплуатационных режимов.

Где ИИ реально ускоряет и удешевляет геотермальные проекты

Если смотреть прагматично, ценность ИИ в геотермии — это не «чат-бот на станции». Это снижение CAPEX и OPEX за счет более точных решений в условиях неопределенности.

1) ИИ в бурении: меньше дней — ниже цена киловатт-часа

Компания Eavor описывает типичную «боль» геотермии: первые 8 из 12 боковых (латеральных) скважин заняли более 100 дней. В их случае оптимизация техники и подходов позволила вдвое сократить время бурения оставшихся скважин.

ИИ здесь работает на трех уровнях:

• Предиктивная аналитика для ROP (rate of penetration): модели прогнозируют скорость проходки по телеметрии, свойствам пород, режимам бурения и истории долота.
• Оптимизация режимов в реальном времени: алгоритмы (включая reinforcement learning в промышленном исполнении) предлагают настройки нагрузки на долото, оборотов, расхода промывки, чтобы держать «быстро, но безопасно».
• Предиктивное обслуживание оборудования: прогноз износа долота и бурового инструмента снижает простои. В статье отмечено, что компании удалось утроить ресурс долота до замены — это как раз про управление износом.

Отдельно интересна инженерная деталь: использование изолированной бурильной трубы, которая помогает охлаждать инструмент на больших глубинах и температурах. ИИ в таких случаях — это способ быстрее подобрать режимы, где тепло/трение/износ находятся в допустимом балансе.

2) Цифровой двойник петли: теплогидравлика без сюрпризов

Для closed-loop проектов «узкое место» — теплообмен. Значит, критично уметь точно отвечать на вопросы:

• какую температуру мы получим на устье при заданном расходе;
• как изменится тепловая мощность при сезонных режимах;
• где возникают потери и как их минимизировать.

Рабочий подход — цифровой двойник (теплогидравлическая модель), который постоянно калибруется по датчикам: температуры, давления, расхода, вибраций.

Где именно помогает ИИ:

• ML-коррекция физической модели (hybrid physics-ML), когда «чистая физика» не ловит локальные эффекты;
• аномалия-детекция для раннего выявления проблем герметичности, обрастания, падения эффективности теплообмена;
• оптимизация расхода: иногда максимальная прокачка — не максимальная полезная мощность, потому что растут потери на насосы и падает эффективность теплоотбора на единицу энергии.

Фраза, которую стоит запомнить: «Геотермия окупается на стабильности, но строится на точности». ИИ — это как раз про точность.

3) Интеллектуальная диспетчеризация: тепло и электричество в одном проекте

Проект в Геретсриде изначально гибридный: электроэнергия + тепловая нагрузка. Это не «приятный бонус», а способ повысить экономику.

Зимой теплу в Европе обычно придают более высокий приоритет, летом выше спрос/цены на электроэнергию. Чтобы не терять деньги, нужна модель, которая каждый день отвечает:

• сколько тепла гарантировать теплосети;
• сколько электричества выдавать в сеть;
• как планировать ремонтные окна;
• как реагировать на пики и ограничения сети.

Здесь на практике работает связка:

• прогноз нагрузки теплосети (температура воздуха, графики потребления, особенности района);
• прогноз цен/ограничений в энергосистеме;
• оптимизационная модель (MILP/стохастическая оптимизация) с учетом ограничений оборудования.

Если вы управляете энергокомпанией или объектами распределенной генерации, это знакомый паттерн: не «производить максимум», а «производить оптимально».

Почему геотермия в 2026–2028 будет расти и что здесь делает ИИ

Рынок «новой геотермии» растет по причине, которую многие недооценивают: энергосистемам нужны источники без зависимости от погоды. Ветер и солнце дешевые, но требуют резервов, хранения, гибкого управления.

Геотермия дает:

• базовую мощность;
• прогнозируемость;
• тепловую составляющую (для городов — часто важнее электричества).

Но есть проблема: бурение и неопределенность подземных условий делают проекты дорогими. ИИ снижает стоимость именно там, где она рождается:

• меньше времени бурения;
• меньше аварийных остановов;
• лучше планирование и эксплуатация;
• выше коэффициент использования установленной мощности.

Отдельный бонус для закрытого контура: он может быть более приемлемым с точки зрения общественного восприятия в ряде регионов, а значит, сроки согласований потенциально короче. ИИ тут тоже полезен — в моделировании рисков, доказательной аналитике и прозрачной отчетности.

Практический чек-лист: как энергетической компании подойти к «геотермия + ИИ»

Если вы читаете это как управленец, инженер, руководитель проекта или инвестор, вот что я бы сделал на вашем месте — без лишней теории.

1. Соберите карту данных: какие датчики и телеметрия доступны на бурении и эксплуатации, в каком качестве и с какой частотой.
2. Определите 2–3 KPI, где деньги максимальны:
   • дни бурения на скважину;
   • простои (часы/год);
   • полезная тепловая/электрическая мощность на петлю.
3. Запустите цифровой двойник еще до ввода в эксплуатацию: на этапе пусконаладки калибровка идет быстрее и дешевле.
4. Сделайте пилот по предиктивному обслуживанию на одном узле (насосы/клапаны/теплообменник) и привяжите к реальным простоям.
5. Подготовьте диспетчеризацию под два продукта (тепло и электричество): это почти всегда отдельная логика контрактов, графиков и ответственности.

Это выглядит «скучно», зато дает результат. В энергетике выигрывают те, кто системно шлифует эффективность.

Что взять из немецкого кейса прямо сейчас

Геретсрид — хороший пример того, как климатические цели превращаются в инженерные решения: глубокое бурение, сложная геометрия скважин (вертикальные + горизонтальные участки), гибридная выработка тепла и электричества. И главное — фокус на кривой обучения: компания прямо говорит, что после первых четырех петель рассчитывает выйти на «дно кривой» по издержкам.

Для нашей темы — «ИИ в энергетике и электроэнергетике» — вывод простой: ИИ становится инструментом масштабирования. Он не заменяет геологию, буровиков и теплотехнику. Он делает так, чтобы каждый следующий объект строился быстрее, работал стабильнее и приносил предсказуемую экономику.

Если вы планируете проекты ВИЭ, модернизацию теплоснабжения или управление распределенной генерацией, стоит задать себе один рабочий вопрос: где именно в вашем цикле — от проектирования до диспетчеризации — ИИ может уменьшить неопределенность и «срезать» стоимость?