Thermische Energiespeicher sind ein zentraler Baustein der Energiewende, doch zuverlässige Kostendaten für große Erdsondenfelder und Tankspeicher sind nach wie vor rar. Diese Arbeit untersucht die Kostenstrukturen und wesentlichen Kostentreiber realisierter Erdsondenfelder (BTES) und Tankspeicher (TTES) mit dem Ziel, transparente Kostenfunktionen für die frühe Investitionsschätzung abzuleiten. Als Grundlage dient ein iterativ verfeinerter Datensatz aus über 80 realisierten Projekten, der auf eine Schweizer Referenzbasis 2025 inflations- und kaufkraftbereinigt wurde. Mittels log-log-Kleinstquadratregression werden Potenzgesetz-Kostenfunktionen abgeleitet, ergänzt durch fünf Experteninterviews. Es werden vier Kostenfunktionen hergeleitet – je zwei für BTES- und TTES-Untergruppen – wobei die Gesamtbohrtiefe und das Speichervolumen als primäre Kostentreiber dienen. Erdwärmesondenanlagen weisen ein nahezu lineares Skalierungsverhalten auf (b = 1,02, R² = 0,99), während andere BTES-Systeme Skaleneffekte zeigen (b = 0,59). Beide TTES-Untergruppen liefern Exponenten nahe dem theoretischen Wert von 2/3, was mit den oberflächendominierten Herstellungskosten konsistent ist. Hydrogeologische Bedingungen, Bohrverfahren und die Einbindung in Fernwärmenetze erweisen sich als wesentliche, projektspezifische Kostentreiber
jenseits der Systemgröße. Die abgeleiteten Funktionen bieten eine reproduzierbare Grundlage für die Frühphasenkostenschätzung und schließen die bestehende Forschungslücke erheblich. Zukünftige Arbeiten könnten sich auf die Verbesserung der Kostenfunktionsgenauigkeit durch detailliertere Kostenaufschlüsselungen konzentrieren oder diesen Ansatz auf Aquifer- und Erdbeckenspeicher ausweiten.
Thermal energy storage is a key enabler of the energy transition, yet reliable cost data for large borehole and tank storage systems remain scarce. This thesis investigates cost structures and key cost drivers of realised borehole (BTES) and tank (TTES) thermal energy storage systems, aiming to derive transparent cost functions for early-stage investment estimation. An iteratively refined dataset of over 80 realised projects, adjusted for inflation and purchasing power parity to a Swiss 2025 reference, serves as the basis. Log-log ordinary least squares regression derives power-law cost functions, supplemented by five expert interviews. Four cost functions are derived — two for BTES and two for TTES subgroups — using total drilling length and storage volume as primary cost drivers. BHE systems show near-linear scaling (b = 1.02, R² = 0.99), while other BTES systems exhibit economies of scale (b = 0.59). Both TTES subgroups return exponents near the theoretical 2/3 value, consistent with surface-area-dominated manufacturing costs. Hydrogeological conditions, drilling method, and district heating integration emerge as key, project-specific cost drivers beyond system size. The derived functions provide a reproducible basis for early-stage cost estimation and substantially narrow the existing research gap. Future work could focus on improving cost function precision through more detailed cost breakdowns, or on extending this approach to aquifer and pit thermal energy storage.
Cost Drivers of Large Thermal Energy Storage: A Mixed-Methods Analysis
Beschreibung
Thermische Energiespeicher sind ein zentraler Baustein der Energiewende, doch zuverlässige Kostendaten für große Erdsondenfelder und Tankspeicher sind nach wie vor rar. Diese Arbeit untersucht die Kostenstrukturen und wesentlichen Kostentreiber realisierter Erdsondenfelder (BTES) und Tankspeicher (TTES) mit dem Ziel, transparente Kostenfunktionen für die frühe Investitionsschätzung abzuleiten. Als Grundlage dient ein iterativ verfeinerter Datensatz aus über 80 realisierten Projekten, der auf eine Schweizer Referenzbasis 2025 inflations- und kaufkraftbereinigt wurde. Mittels log-log-Kleinstquadratregression werden Potenzgesetz-Kostenfunktionen abgeleitet, ergänzt durch fünf Experteninterviews. Es werden vier Kostenfunktionen hergeleitet – je zwei für BTES- und TTES-Untergruppen – wobei die Gesamtbohrtiefe und das Speichervolumen als primäre Kostentreiber dienen. Erdwärmesondenanlagen weisen ein nahezu lineares Skalierungsverhalten auf (b = 1,02, R² = 0,99), während andere BTES-Systeme Skaleneffekte zeigen (b = 0,59). Beide TTES-Untergruppen liefern Exponenten nahe dem theoretischen Wert von 2/3, was mit den oberflächendominierten Herstellungskosten konsistent ist. Hydrogeologische Bedingungen, Bohrverfahren und die Einbindung in Fernwärmenetze erweisen sich als wesentliche, projektspezifische Kostentreiber
jenseits der Systemgröße. Die abgeleiteten Funktionen bieten eine reproduzierbare Grundlage für die Frühphasenkostenschätzung und schließen die bestehende Forschungslücke erheblich. Zukünftige Arbeiten könnten sich auf die Verbesserung der Kostenfunktionsgenauigkeit durch detailliertere Kostenaufschlüsselungen konzentrieren oder diesen Ansatz auf Aquifer- und Erdbeckenspeicher ausweiten.
Thermal energy storage is a key enabler of the energy transition, yet reliable cost data for large borehole and tank storage systems remain scarce. This thesis investigates cost structures and key cost drivers of realised borehole (BTES) and tank (TTES) thermal energy storage systems, aiming to derive transparent cost functions for early-stage investment estimation. An iteratively refined dataset of over 80 realised projects, adjusted for inflation and purchasing power parity to a Swiss 2025 reference, serves as the basis. Log-log ordinary least squares regression derives power-law cost functions, supplemented by five expert interviews. Four cost functions are derived — two for BTES and two for TTES subgroups — using total drilling length and storage volume as primary cost drivers. BHE systems show near-linear scaling (b = 1.02, R² = 0.99), while other BTES systems exhibit economies of scale (b = 0.59). Both TTES subgroups return exponents near the theoretical 2/3 value, consistent with surface-area-dominated manufacturing costs. Hydrogeological conditions, drilling method, and district heating integration emerge as key, project-specific cost drivers beyond system size. The derived functions provide a reproducible basis for early-stage cost estimation and substantially narrow the existing research gap. Future work could focus on improving cost function precision through more detailed cost breakdowns, or on extending this approach to aquifer and pit thermal energy storage.