Development of a method for evaluating the performance of Ground-Source Heat Pump Systems using machine learning

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。

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。