地质不确定性条件下地热井生命周期风险的量化与决策整合研究综述

《Sustainable Energy Technologies and Assessments》:Quantifying and integrating decision-making for geothermal well life-cycle risk under geological uncertainty: A review

【字体: 大 中 小 】 时间:2026年09月27日 来源:Sustainable Energy Technologies and Assessments 7.4

编辑推荐:

   摘要 随着全球能源系统向低碳模式转型,深部地热资源凭借其输出稳定、潜力巨大等优势,成为重要的清洁能源。然而,其商业化开发仍受到高昂的前期资本投入和地质不确定性两大因素的制约。井筒施工与地面设施通常占项目总投资的50%至75%,而井下极端条件——如高温、研磨性地层和复杂裂缝网

  

摘要

随着全球能源系统向低碳模式转型,深部地热资源凭借其输出稳定、潜力巨大等优势,成为重要的清洁能源。然而,其商业化开发仍受到高昂的前期资本投入和地质不确定性两大因素的制约。井筒施工与地面设施通常占项目总投资的50%至75%,而井下极端条件——如高温、研磨性地层和复杂裂缝网络——极易引发事故,导致大量非生产时间(NPT)和成本超支。因此,在全井生命周期内管控风险并提升成本效益,成为行业面临的核心挑战。本文综述了地热井综合决策与风险管控的最新进展和框架体系。在选址阶段,目标区域筛选已从定性专家判断发展为融合多准则评价(MCE)与机器学习的空间决策系统,并通过井场联合优化减少盲目初期选址和沉没成本。在施工阶段,由于机理模型和数值模型参数化困难且计算成本高昂,数据驱动算法现已支持实时机械钻速(ROP)预测、瞬态井底热管理和事故预警。在投资评估阶段,概率模拟、信息价值(VOI)理论和全生命周期评估(LCA)等方法已推动评估工作超越确定性的单井成本估算,转向平准化成本、长期地热收入和碳足迹的多目标优化。

引言

随着全球能源结构向低碳、可持续来源转型,地热资源因其储量丰富且输出稳定清洁,正成为未来清洁能源体系的重要组成部分[1], [2]。地热井是开发这一资源的关键通道,其核心功能是将深部地层的热能输送至地面。然而,尽管地下蕴藏着巨大的热能潜力,大规模商业化开发仍面临重大障碍。最根本的瓶颈在于极高的前期资本密集度和地下地质条件的极端不确定性[3], [4]。深部地热项目的前期投资风险极高,井筒施工及配套工程往往占项目总投资的50%至75%[5]。与常规油气井相比,地热井不仅建设成本更高,而且选址或井位设计失误还会直接导致极高的沉没成本[6]。

地热井的高成本和高风险源于其复杂的地下环境和长期运行条件。地热储层通常赋存于结晶岩中,该岩体温度极高、硬度大、研磨性强,且被发育良好的天然断层和裂缝网络切割[7], [8], [9]。这些条件对井筒完整性、套管使用寿命和井下监测组件提出了严峻要求,并缩短了井下工具的使用寿命[10], [11]。在高度破碎且欠压的地层中,地热井还容易发生井漏和卡钻事故。由此产生的非生产时间(NPT)是地热项目成本超支和工期延误的主要原因[12]。面对这些高度非线性和动态变化的条件,传统基于粗糙经验的试错方法以及计算成本高昂的纯物理数值模型,已无法满足现场实时响应和精准风险管控的需求。

与工程管理领域的整体趋势一致,地热井的决策方式也正从主观定性经验转向定量、数据驱动分析,以应对上述挑战并最大化投资回报[13], [14], [15], [16]。早期研究通常借鉴油气行业的成熟实践,但地热储层地质条件的复杂性意味着常规油气理论和技术无法不经改造便直接迁移适用[17], [18], [19]。因此,当前研究聚焦于开发面向地热井的智能决策支持系统,将地理信息系统(GIS)、运筹学算法、机器学习和大数据分析整合为覆盖规划、施工和运营各环节的平台[20]。在选址阶段,空间决策系统内对多源地球科学数据的深度融合大幅降低了初期选址的主观性。在施工阶段,智能算法为实时机械钻速(ROP)预测、瞬态井底热力学主动管理和复杂条件下的异常预警提供了强大的计算支撑和精准的定量分析。在项目层面,信息价值(VOI)理论、蒙特卡洛模拟和多目标进化算法使决策者能够在地质不确定性条件下平衡选址风险、施工成本和长期经济与环境效益。

近期商业化的增强型地热系统(EGS)项目进一步证明了AI增强的数据驱动空间决策的工程价值。Fervo Energy利用其自主AI驱动的地面下解释技术,发现了热沉积盆地的一种新勘探概念,并据此优化了其钻井方案,在犹他州Project Blanford评价井中,于约11,200英尺(约3,414米)的深度发现了温度高达291°C以上的资源[21]。在同一州的Cape Station项目中,Fervo将邻近美国能源部FORGE和Blundell场地的公开数据与2022年高精度重力和大地电磁(MT)勘探数据相结合,建立了三维地质-温度模型,并在钻井过程中迭代更新,以此指导四口Frisco水平井的井位部署和到达深度。钻井结果表明,预测值与实际测量的岩性和温度高度吻合,实际值达到或超过预测值,该批次钻井实现了100%的成功率[22], [23]。毗邻的DOE FORGE项目为Cape Station提供了大量的风险削减数据,该项目更系统地将机器学习嵌入地面下决策中,涵盖基于实验数据训练的机器学习应力场估算、用于识别储层力学层的无监督聚类,以及基于微地震和离散裂缝网络的注采井几何优化。这些工作共同为硬岩EGS储层表征和井位设计提供了可迁移的分析框架[24], [25], [26]。这些案例表明,将多源地质和地球物理数据整合至三维建模和智能解释中,正推动EGS选址及钻井或压裂决策从经验判断转向定量、可复现的支撑模式。然而,现有综述往往聚焦于单一阶段或单一技术,例如地热有利性成图[27]、勘探阶段的不确定性与风险评估[19]、机器学习在钻井中的应用[28]、地面运营的数据分析[29],或对地热全生命周期中人工智能代表性应用的调查[20]。地质不确定性如何在选址、钻井和投资决策之间传播,以及不同阶段决策方法的适用性与验证程度有何差异,尚无系统性综述。由于三个阶段依赖同一份不完整的地下信息并相互制约,孤立改进单一阶段很难降低项目整体风险,这正是本文综述的动机所在。

因此,本综述的基本假设是:地质不确定性是贯穿地热井选址、钻井和投资决策的共同主线,通过在各阶段之间对不确定性进行传播与更新来整合决策方法,比孤立优化任何单一阶段更能有效降低全生命周期风险。基于此假设,本综述旨在系统梳理三个阶段的决策方法,比较其数据需求、适用性和现场验证程度,并阐明不确定性如何在阶段间传递。为此,本文综述了从早期选址与规划,到井筒施工,再到项目投资评估的完整决策框架。首先考察选址阶段的核心技术,包括GIS和机器学习增强的目标区域筛选、井位概念模型的建立、井系统类型与运行模式的选择。然后回顾施工阶段的实时工程决策,包括ROP优化、井底温度演化与管理,以及井漏和卡钻事故的实时监测。最后从全生命周期视角审视投资决策,讨论井时与成本的概率建模、不确定性条件下地质数据信息价值的提取,以及基于多目标算法的技术经济评价,以期为未来低成本、高效的地热开发提供参考。整体结构如图1所示。本综述的范围聚焦于地质不确定性下的综合决策,涵盖从选址与布局,到钻井,再到投资评估的完整生命周期。

地热井的选址、钻井和投资阶段并非彼此独立。温度、渗透率和裂缝分布方面的地质不确定性贯穿所有三个阶段,从一个阶段向下一个阶段传播,并随着新信息的获取而不断修正。在选址阶段,地质不确定性表现为目标区域资源有利性和地质风险的不确定性;基于GIS的多准则评价(MCE)、机器学习增强的概率面分析以及地球物理反演与概念模型相结合,所产出的三维地面下模型仍携带不确定性。在钻井阶段,这种不确定性并未消失,而是转化为工程风险:硬岩的非均质性导致ROP波动,高温推高井底循环温度并造成井下工具热损伤,而破碎的欠压地层则引发井漏和卡钻,这些最终均表现为NPT和工期波动。与此同时,随钻测井和地面钻井数据的实时流入持续降低这种不确定性,因此基于数据的ROP和井底温度预测以及异常预警,本质上是对地面下状态的在线更新。在投资阶段,前两个阶段累积的地质与工程不确定性最终转化为经济不确定性,在此条件下需通过多目标优化来平衡相互冲突的目标。三个阶段由此构成反馈回路:选址概念模型提供先验信息,钻前地球物理勘探和随钻观测提供新信息,二者的融合持续修正对井位、井间距、补井部署和财务储备的判断。信息价值(VOI)理论用于权衡降低不确定性是否值得进一步勘探的成本,首口勘探井的结果也会更新邻近井位的预期成功概率。因此,本综述将选址、钻井和投资视为以地质不确定性为主线的统一耦合决策过程,而非三个孤立的阶段。

为确保系统性和可复现的覆盖范围,文献收集遵循系统检索与筛选流程(图2)。检索了三个数据库,即Web of Science、Scopus和EI Compendex。数据库检索覆盖2010至2026年;通过纳入研究的回溯引文追踪补充了更早的经典模型和方法论著作。检索字符串将地热井相关术语,如"geothermal well""geothermal drilling"和"enhanced geothermal system",与涵盖选址、钻井和投资阶段的决策相关术语相结合,如"site selection""well placement""rate of penetration""lost circulation""stuck pipe""well cost""value of information""life cycle assessment""multi-objective optimization",以及"machine learning"和"decision-making"。初步检索返回2512条记录,其中Web of Science 1042条,Scopus 876条,EI Compendex 594条。经关键词和时间窗口筛选移除671条记录后,对剩余1841条记录的标题和摘要进行筛选,保留353篇文章进行全文评估。在全文评估阶段,纳入标准为主题涉及地热井,或涉及可直接迁移至地热井的钻井问题,且至少对一个阶段——选址与布局、钻井或投资与技术经济评价——提出、应用或评估了定量决策、预测或优化方法。据此,排除了24篇无法获取全文的文章、62篇重复发表文章、122篇超出范围的研究和33篇其他综述文章,最终纳入112篇研究。此外,还引用了少量公司新闻稿、行业新闻报道和预印本,以反映商业地热开发的最新进展;由于这些来源未经同行评审,仅用于说明工程实践。

章节片段

地热井选址与布局决策

井位选址与系统布局是地热生命周期中高风险、低容错的阶段。深部地质结构在空间上高度非均质,地面下储层特征在很大程度上不可见,且井筒施工及配套工程通常占项目总投资的50%至75%[30], [31]。

由于前期资本投入强度极高,选址或井网布局的任何错误都会直接导致极高的沉没成本。钻井过程中的决策钻井阶段面临的工程风险,在很大程度上是选址阶段遗留地质不确定性的延续:温度、渗透率和裂隙分布的不确定性在此表现为机械钻速波动、井底热损伤、漏失和卡钻,并通过随钻数据进行实时更新。在钻井过程中,传统的物理和热力学数值模型在理论上较为严谨,但计算成本高昂;对地热井的投资决策在选址和钻井过程中积累并经数据更新的地质与工程不确定性,最终以经济不确定性的形式进入投资决策。地热项目在前期阶段资本密集度极高[3][4]。由于温度、渗透率和断层分布等地下条件在早期无法直接观测,投资者面临巨大的财务风险[19]。风险通常与成功概率及其经济后果相关,而结论与展望在全球能源转型的背景下,地热井开发的高成本和极高的地质风险推动了工程管理的变革。本文回顾了地热井全工作流中的决策框架,得出以下主要结论。(1) 在选址阶段,目标区域选择已从基于专家赋值权重的定性叠加分析转向结合GIS、证据权重的空间决策方法。贡献声明Pan Jiang:原稿撰写、可视化、验证、项目管理、方法论、形式分析、数据整理、概念化。Ziwang Yu:审阅与编辑、项目管理、方法论、资金获取、形式分析、概念化。Shuaiyi Lu:审阅与编辑、验证、方法论、调查研究。Lianghan Cong:审阅与编辑、指导。Xiaoguang Li:形式分析、审阅与编辑、调查研究。资金支持本项目由深地探测与成像国家重点实验室专项基金支持(项目编号:DEEI20251245);吉林省科技发展计划项目[20250102180]。利益冲突声明作者声明不存在已知的可能影响本文所述工作的竞争性经济利益或个人关系。Pan Jiang|Ziwang Yu|Shuaiyi Lu|Lianghan Cong|Xiaoguang Li
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号