Entwicklung und Erprobung einer einfach nutzbaren Software zur Planung vom Wärmesystemen mit Grubenwasser
| Projektleiter | Projektbearbeiter | Projektlaufzeit |
|---|---|---|
| Prof. Dr.-Ing. Tobias M. Fieback Dr.-Ing. Thomas Grab | M.Sc. Alexander J. Klein |
|
Über das Projekt
Hintergrund
Die Planung und Errichtung von Grubenwasseranlagen erfordert umfangreiche Vorüberlegungen und zum Teil hohe Investitionskosten. Um die Rentabilität und Effizienz solcher Anlagen zu gewährleisten, müssen verschiedene Faktoren wie die geologische Beschaffenheit, die Struktur des Grubengebäudes und mögliche Untergrundströmungen sorgfältig analysiert werden. Um vorher das Langzeitverhalten von Grubenwasseranlagen zu bestimmen und das Risiko von Fehlplanungen zu minimieren, spielen numerische Simulationen eine wichtige Rolle. Die Aussagekraft solcher Modelle hängt entscheidend von der Verfügbarkeit hochwertiger Validierungsdaten ab. Bisher existieren jedoch nur wenige solcher Anlagen, zudem sind die Betriebsdaten nur unzureichend dokumentiert. Dies führt zu einer erschwerten Modellvalidierung, beeinträchtigt die Verlässlichkeit von Simulationsergebnissen und sorgt letztendlich für Unsicherheiten in der Planung und fehlende Investitionsbereitschaft.
Projektinhalt
Das Projekt GeoVadis zielt darauf ab, diese Lücke zu schließen, indem reale Messdaten gewonnen werden. Parallel dazu wird ein bestehendes Simulationsmodell (weiter)entwickelt und validiert. Durch die Kombination von theoretischen Modellrechnungen und experimentellen Validierungsdaten soll die Genauigkeit des Modells verbessert werden, um dessen Einsatzfähigkeit für Planungsprozesse zu erhöhen. Ziel ist es, ein zuverlässiges und einfach zu bedienendes Planungstool zu entwickeln, das Investoren und Planern hilft, fundierte Entscheidungen zu treffen und den Weg für neue Investitionen in Grubenwasseranlagen freizumachen.
Im Rahmen des Projekts wird:
- Ein Simulationsmodell entwickelt, das die Wechselwirkungen zwischen strömungsmechanischen und thermischen Prozessen berücksichtigt.
- Eine umfassende Datengenerierung auf unterschiedlichen Skalen durchgeführt, um die verschiedenen Einflüsse abschätzen zu können.
- Das Modell mit realen Messdaten validiert, um die Genauigkeit zu verbessern.
- Ein benutzerfreundliches Interface entwickelt, um das Modell einfach und effizient zu bedienen und die Ergebnisse zu visualisieren.