Numerical Modeling of a Soil‐Borehole Thermal Energy Storage System
Notice bibliographique
Résumé
Core Ideas Borehole thermal energy storage is studied with a 3D transient fluid flow and heat transfer model. BTES heat extraction efficiency increases with decreasing soil thermal conductivity. BTES efficiency decreases with convective heat losses associated with high soil permeability. Borehole thermal energy storage (BTES) in soils combined with solar thermal energy harvesting is a renewable energy system for the heating of buildings. The first community‐scale BTES system in North America was installed in 2007 at the Drake Landing Solar Community (DLSC) in Okotoks, AB, Canada, and has since supplied >90% of the thermal energy for heating 52 homes. A challenge facing BTES system technology is the relatively low efficiency of heat extraction. To better understand the fluid flow and heat transport processes in soils and to improve BTES efficiency of heat extraction for future applications, a three‐dimensional transient coupled fluid flow and heat transfer model was established using TOUGH2. Measured time‐dependent injection temperatures and fluid circulation rates at DLSC were used as model inputs. The simulations were calibrated using measured soil temperature time series. The simulated and measured temperatures agreed well with a subsurface having an intrinsic permeability of 1.5 × 10 −14 m 2 , thermal conductivity of 2.0 W m −1 °C −1 , and a volumetric heat capacity of 2.3 MJ m −3 °C −1 . The calibrated model served as the basis for a sensitivity analysis of soil thermal and hydrological parameters on BTES system heat extraction efficiency. Sensitivity analysis results suggest that: (i) BTES heat extraction efficiency increases with decreasing soil thermal conductivity; (ii) BTES efficiency decreases with background groundwater flow; (iii) BTES heat extraction efficiency decreases with convective heat losses associated with high soil permeability values; and (iv) unsaturated soils show higher overall heat extraction efficiency due to convection onset at higher intrinsic permeability values.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».