随着全球能源体系向深度脱碳方向发展,对稳定、低碳的基荷热能和电能的需求显著增加。地热能因其高能量密度、较小的地面占用面积以及不受天气影响的发电能力,非常适合满足这一需求[1]。此外,地热能的运行排放几乎为零,这使其成为实现气候减缓目标的重要环保能源[2]。尽管具有这些优势,但由于勘探成本高昂、地质情况不确定,加之传统地热资源多集中在火山地区,地热能的开发进展较为缓慢[3]。在沉积盆地中,由于储层几何形态和渗透率难以预测,地下风险更是成为发展的重大障碍[4]。
技术的进步以及更有力的政策支持开始帮助解决这些难题。目前,已有32个国家开始利用地热能发电,而地热能的直接利用方式也在不断拓展规模和种类[5]。过去二十年里,许多国家提升了地热供暖能力,这反映出人们对工程化系统以及沉积盆地地热资源的信心日益增强[6]。这些全球趋势凸显出,在非火山地区对深层储层进行详细研究的重要性,这样才能发掘新的地热资源。
匈牙利的潘诺尼亚盆地正是这样的一个例子。该地区的地热梯度较高,热流异常现象源于新近纪的伸展运动及之后的沉积作用[7]。盆地下的中生代断裂和喀斯特化的碳酸盐岩含有丰富的地热资源[8]。几个世纪以来,人们就利用这些碳酸盐岩进行沐浴,而现代地热供暖系统也已运行数十年[9]。该盆地的热流值在50–130毫瓦/平方米之间,地热梯度平均为45摄氏度/公里[10]。在地热开发中,主要有两种类型的储层:多层多孔的中新世–上新世盆地沉积物,以及更深处的前新生代碳酸盐岩[11]。后者位于约2000米以下,其温度可达70–150摄氏度,非常适合用于中温热能供应及热电联产系统[12]。
然而,开发深层碳酸盐岩储层面临着诸多挑战。在贝凯斯–科德鲁盆地,复杂的地质结构以及有限的钻井深度,使得人们对三叠纪碳酸盐岩的存在、连续性以及横向分布特征存在诸多不确定性。储层的渗透率在很大程度上取决于断层作用、裂隙形成以及喀斯特作用所形成的次生孔隙,而这些因素具有高度的异质性,很难准确预测。此外,局部含水层之间的相互作用以及不同的上下流条件,进一步加剧了温度分布的复杂性。尽管在成功找到储层的情况下,每口井组合可产生7–15 MWth的能源,但这些因素仍增加了遇到非储层段或完全错过碳酸盐岩平台的可能性[13]。
瓦里斯克基底的地质演化、三叠纪平台的形成以及侏罗纪的裂谷作用,都对储层结构和水热活动产生了重要影响[14]。此前的研究,如Bérczi-Makk [14]以及Haas和Péró [15],是通过测井数据对比和露头类比来推断地下碳酸盐岩的分布情况。虽然这些方法有一定价值,但无法精确反映三维空间中的岩性变化及平台几何形态。这一局限性导致了多口井未能发现储层,因此亟需采用更为先进的集成式地下特征描述方法。
为弥补这一缺陷,本研究旨在:(1)确定碳酸盐岩地层的三维空间分布;(2)评估储层的岩石物理性质;(3)计算热储量及可开采热量容量;(4)分析地热开发的技经可行性。研究利用120平方公里的三维地震数据以及四口井的电缆测井资料,通过基于模型的叠后反演、概率神经网络以及监督贝叶斯分类技术,对这些数据进行了整合分析。通过交叉分析、声波阻抗参数以及中子孔隙度预测,研究人员建立了岩性概率模型,从而明确了研究区域内石灰岩、白云岩及页岩的分布情况。这些模型有助于识别主要的碳酸盐岩平台以及各井之间的局部储层集中区。
有一些以烃类勘探为目标的地震-机器学习研究,如Caf和Pigott [16]以及Karakaya等人[17],它们也运用监督贝叶斯分类和概率神经网络技术,根据三维地震数据预测岩性、孔隙度或含油体积,但这些研究仅停留在储层特征描述层面,没有涉及地热热储量计算或系统经济性分析。
相反,可再生能源领域的最新地热研究通常采用数值建模和优化技术,但这类研究往往依赖简化的预设地质模型,而非直接从地震数据中获取三维属性分布。例如,Li等人[18]利用区域热流体模型来优化井位布置,Liu等人[19]则通过耦合的热流体模拟和代理优化方法来估算可开采能量,而Daniilidis等人[20]则借助模拟集合方法研究断层控制型地质条件下的开发方案。
本研究提出的工作流程则填补了这一空白。它通过基于现场三维地震反演和监督机器学习岩性/孔隙度预测技术,构建了一个完全数据驱动的、针对匈牙利深层断裂三叠纪碳酸盐岩地热储层的三维模型,还将这些属性数据转化为考虑不确定性的热储量和可开采热量容量估值,并将其与基于热量收益的热电联产技经模型相结合。这一集成式工作流程将地震尺度上的地质异质性及概率相模型与实际的地热开发指标(如LCOH、NPV、IRR、投资回收期)紧密关联起来,而这种整合在以往的烃类勘探机器学习研究以及地热优化研究中都未曾实现。