在西班牙阿拉贡自治区首府萨拉戈萨，一种“隐形”的能源基础设施已默默运行近三十年。这座城市利用连接埃布罗河的冲积层含水层，将地下约11米深处、全年恒温约18摄氏度的地下水作为巨大的天然蓄冷/蓄热库。这一举措不仅让一座公共建筑能耗降低52%，更因引入人工智能（AI）进行智能调度，成为城市地热规模化应用的案例。
稳定热源与高效换热机制
萨拉戈萨地下的埃布罗冲积含水层厚度约20至30米，其最大优势在于卓越的热稳定性。在夏季，当室外气温超过35摄氏度时，地下水仍保持18摄氏度左右；冬季室外降至2摄氏度时，地下水温依然恒定。这种温差极小的特性，使其成为地源热泵系统的理想热源或热汇。
该系统的运行逻辑类似于反向工作的冰箱。冬季，从地下抽取18摄氏度的水，通过热泵提升温度后为建筑供暖，降温后的水再回灌地下；夏季则将建筑内的热量转移到较冷的地下水中，实现制冷。相比依赖剧烈波动的室外空气，这种基于稳定地下水温的换热方式大幅降低了热泵的压缩比和能耗。
目前，萨拉戈萨已建成近60套大型地热系统，主要服务于公共建筑、医院、大学校园及商业中心。仅制冷装机容量就达110兆瓦（热），相当于为超过1.5万户住宅提供空调服务。其中，萨拉戈萨市政府的“零排放大楼”是典型代表，其能源消耗比同类传统建筑低52%。
规模化带来的热干扰挑战
随着使用含水层的建筑数量增加，系统面临着新的风险：热干扰。每套系统都在向地下注入温度 altered 的水。如果大量系统在夏季向地下排放热量，或冬季抽取热量，会导致局部地下水温逐渐偏离18摄氏度的基准线。这种“热污染”或“冷污染”会降低换热效率，甚至导致部分系统无法正常运行。
邻近井位之间的水力干扰也不容忽视。一个站点回灌的高温水可能影响附近站点的取水温度。萨拉戈萨当前的核心挑战不再是寻找新水源或钻探新井，而是如何优化现有数十套系统的协同运行，以维持含水层的热平衡。
THERMAL方法与AI智能调度
为解决这一难题，西班牙地质和矿业研究所（IGME）下属的先进水文地质与地热系统研究组开发了THERMAL管理方法。该方法旨在通过优化现有热泵的运行策略，减少系统间的相互干扰，无需新增钻井即可提升整体能效。
初步通过更高效的协调管理，每套安装单位每年可节省超过7500欧元的运营成本，并减少近15吨二氧化碳排放。THERMAL方法的核心理念是将分散的系统整合为一个协同网络，而非无序扩张。
下一步，萨拉戈萨计划将人工智能和机器学习技术引入该系统。AI将用于预测建筑群的能源需求峰值，并实时监测地下温度的变化趋势。在极端天气（如热浪）期间，系统可提前调整取水与回灌策略，避免局部过热或过冷。通过整合温度、流量和运行数据，AI还能识别长期热累积趋势，实现预防性维护。
欧洲地热管理的示范效应
萨拉戈萨的经验正被视为欧洲城市地下能源管理的参考模型。其地质条件（连接埃布罗河的含水层）具有独特性，但其管理逻辑具有普适性。例如，巴黎利用Dogger含水层构建大型地热网络，万塔（赫尔辛基附近）开发季节性储热系统，西班牙阿斯图里亚斯的米耶雷斯则将废弃煤矿改造为地热源。
地下地热缺乏太阳能板或风力涡轮机那样的视觉冲击力，导致公众关注度较低，但其高效、隐蔽的特性使其成为城市低碳转型的重要拼图。专家估计，初始钻探和系统投资可在5至8年内通过节能收益收回。随着欧盟对能源效率资金的倾斜，此类项目有望获得更多支持。
萨拉戈萨的城市能源的未来不仅在于开发新资源，更在于对现有地下潜力的精细化智能管理。对于中国众多面临夏季制冷高峰和冬季供暖压力的城市而言，这种基于地质稳定性的“隐形”能源网络，结合AI驱动的动态调度，提供了从“粗放式开采”转向“精细化运营”的重要启示。在双碳目标下，挖掘城市地下空间的热能潜力，或许是缓解电网峰谷差、提升建筑能效的一条务实路径。