JP7495769B1 - 高温地熱田の貯留層構造孔隙度の定量的特徴付けの方法及びシステム - Google Patents
高温地熱田の貯留層構造孔隙度の定量的特徴付けの方法及びシステム Download PDFInfo
- Publication number
- JP7495769B1 JP7495769B1 JP2023205123A JP2023205123A JP7495769B1 JP 7495769 B1 JP7495769 B1 JP 7495769B1 JP 2023205123 A JP2023205123 A JP 2023205123A JP 2023205123 A JP2023205123 A JP 2023205123A JP 7495769 B1 JP7495769 B1 JP 7495769B1
- Authority
- JP
- Japan
- Prior art keywords
- reservoir
- geothermal
- porosity
- resistivity
- fluid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012512 characterization method Methods 0.000 title claims abstract description 28
- 238000009826 distribution Methods 0.000 claims abstract description 70
- 238000011161 development Methods 0.000 claims abstract description 34
- 238000013528 artificial neural network Methods 0.000 claims abstract description 26
- 239000012530 fluid Substances 0.000 claims description 71
- 206010017076 Fracture Diseases 0.000 claims description 42
- 239000011435 rock Substances 0.000 claims description 33
- 238000012549 training Methods 0.000 claims description 30
- 238000010200 validation analysis Methods 0.000 claims description 26
- 208000010392 Bone Fractures Diseases 0.000 claims description 16
- 238000005553 drilling Methods 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 11
- 238000009933 burial Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 8
- 230000005684 electric field Effects 0.000 claims description 8
- 238000011835 investigation Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000007480 spreading Effects 0.000 claims description 2
- 238000003892 spreading Methods 0.000 claims description 2
- 238000011065 in-situ storage Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 6
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/10—Geothermal energy
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Mining & Mineral Resources (AREA)
- Geology (AREA)
- Fluid Mechanics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
【課題】本発明は、地熱資源開発の技術分野に属し、具体的には高温地熱田の貯留層構造孔隙度の定量的特徴付けの方法及びシステムに関する。【解決手段】本発明は、前記地熱貯留層範囲及び断裂の空間分布特徴に基づいて目標ブロック内の構造及び進化特徴を獲得することと、地熱貯留層範囲、断裂の空間分布特徴並びに目標ブロック内の構造及び進化特徴に応じて、地球物理測点位置を決定することと、目標ブロック内の地熱貯留層の抵抗率分布に応じて、目標ブロック内の探査井位置を決定することと、探査井位置のパラメータに応じて地熱貯留層の地質パラメータ集を作成することと、前記地熱貯留層の地質パラメータ集に基づいて、訓練済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルを利用し、高温地熱田の貯留層構造の孔隙度に対する定量的特徴付けを実現することと、を含む。【選択図】図１
Description
本発明は、地熱資源開発の技術分野に属し、具体的には高温地熱田の貯留層構造孔隙度の定量的特徴付けの方法及びシステムに関する。
地熱エネルギは、非炭素系で、クリーンエネルギとして、安定して連続的に産出する利点により、地熱エネルギの探査と開発利用を加速させ、「カーボンピークアウト」及び「カーボンニュートラル」の発展目標の実現に重要な価値を有する。地熱資源の開発利用は、発電と直接利用の２つの側面に分けることができ、高温地熱資源は、主に発電に用いられるのに対し、中低温地熱資源は、直接利用が主となっている。地熱貯留層構造を定量的に特徴付ける孔隙度は、地熱資源の開発利用のキーである。地熱貯留層構造は、地質構造と堆積地層に支配されて、様々な岩質組合せが有り、その結果、貯留層の非均質性が強くなり、多期的構造の作用下で、節理、亀裂、断層等の弱構造面が発達する。地熱貯留層における非均質性岩体は、高温地熱流体の濃集を支配するキーとなる要因であり、地熱貯留層孔隙度の分布法則及びその地熱貯留層の地質パラメータ集は、地熱開放井を布設する主となる支配的な要因であり、そのため、如何に地熱貯留層の孔隙度を精密化して定量的に特徴付け、地熱貯留層の地質パラメータ集のバックグラウンド条件を正確的に把握するかは、作業効率及び開発効益の保障にとって極めて重要である。
従来技術における上記課題、即ち如何に地熱貯留層の孔隙度を精密化して定量的に特徴付け、地熱貯留層の地質パラメータ集のバックグラウンド条件を正確的に把握する課題を解決するために、本発明は、高温地熱田の貯留層構造孔隙度の定量的特徴付けの方法を提案し、前記方法は、
目標ブロック内の過去地質資料を収集し、目標ブロック内の過去地質資料及び現場地質の調査により、地熱貯留層範囲及び断裂の空間分布特徴を獲得し、前記地熱貯留層範囲及び断裂の空間分布特徴に基づいて目標ブロック内の構造及び進化特徴を獲得するステップＳ１００と、
地熱貯留層範囲、断裂の空間分布特徴並びに目標ブロック内の構造及び進化特徴に応じて、設定された貯留層の埋没深度条件、地熱流体条件及び断裂発達条件を満たす地区を、地球物理測点位置として決定するステップＳ２００と、
全ての地球物理測点位置の地球物理観測データを取得し、非線形共役勾配反転方法に応じて目標ブロック内の地熱田の地熱貯留層抵抗率分布を取得し抵抗率が所定閾値よりも低い区域を地熱流体高含有の貯留層として選定し、目標ブロック内の探査井位置を決定するステップＳ３００と、
前記探査井位置で全井区間のコアボーリングによるコア採取を行い、岩心データパラメータを獲得し、
岩心データパラメータに応じて、岩質柱状図を作成し、
オールコアボーリング検層（logging）を展開し、探査井位置の地熱貯留層の温度、温度勾配、抵抗率及び孔隙度パラメータを取得し、
探査井位置の岩心データパラメータ、岩質柱状図、地熱貯留層の温度、地熱貯留層の温度勾配、地熱貯留層の抵抗率及び地熱貯留層の孔隙度パラメータに応じて地熱貯留層の地質パラメータ集を作成するステップＳ４００と、
実験室内において、現場条件を模擬し異なる温度及び圧力の地熱流体に対して抵抗率測定を行い、異なる状態での流体抵抗率データ集を得るステップＳ５００と、
前記地熱貯留層の地質パラメータ集に基づいて、訓練済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルを利用し、地熱貯留層の抵抗率及び流体抵抗率と貯留層孔隙度との間の定量関係を学習して、地熱貯留層全体の孔隙度分布及び地熱流体の総量を獲得し、高温地熱田の貯留層構造の孔隙度に対する定量的特徴付けを実現するステップＳ６００と、を含む。
目標ブロック内の過去地質資料を収集し、目標ブロック内の過去地質資料及び現場地質の調査により、地熱貯留層範囲及び断裂の空間分布特徴を獲得し、前記地熱貯留層範囲及び断裂の空間分布特徴に基づいて目標ブロック内の構造及び進化特徴を獲得するステップＳ１００と、
地熱貯留層範囲、断裂の空間分布特徴並びに目標ブロック内の構造及び進化特徴に応じて、設定された貯留層の埋没深度条件、地熱流体条件及び断裂発達条件を満たす地区を、地球物理測点位置として決定するステップＳ２００と、
全ての地球物理測点位置の地球物理観測データを取得し、非線形共役勾配反転方法に応じて目標ブロック内の地熱田の地熱貯留層抵抗率分布を取得し抵抗率が所定閾値よりも低い区域を地熱流体高含有の貯留層として選定し、目標ブロック内の探査井位置を決定するステップＳ３００と、
前記探査井位置で全井区間のコアボーリングによるコア採取を行い、岩心データパラメータを獲得し、
岩心データパラメータに応じて、岩質柱状図を作成し、
オールコアボーリング検層（logging）を展開し、探査井位置の地熱貯留層の温度、温度勾配、抵抗率及び孔隙度パラメータを取得し、
探査井位置の岩心データパラメータ、岩質柱状図、地熱貯留層の温度、地熱貯留層の温度勾配、地熱貯留層の抵抗率及び地熱貯留層の孔隙度パラメータに応じて地熱貯留層の地質パラメータ集を作成するステップＳ４００と、
実験室内において、現場条件を模擬し異なる温度及び圧力の地熱流体に対して抵抗率測定を行い、異なる状態での流体抵抗率データ集を得るステップＳ５００と、
前記地熱貯留層の地質パラメータ集に基づいて、訓練済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルを利用し、地熱貯留層の抵抗率及び流体抵抗率と貯留層孔隙度との間の定量関係を学習して、地熱貯留層全体の孔隙度分布及び地熱流体の総量を獲得し、高温地熱田の貯留層構造の孔隙度に対する定量的特徴付けを実現するステップＳ６００と、を含む。
いくつかの好ましい実施形態において、前記ステップＳ１００として、具体的には、
前記断裂の空間分布特徴には現場露頭断裂の位置、傾角、傾向、走向及び充填状況が含まれることと、前記現場地質調査には現場露頭断面調査、地球物理検層、岩心観測及び工事検証が含まれることと、を含む。
前記断裂の空間分布特徴には現場露頭断裂の位置、傾角、傾向、走向及び充填状況が含まれることと、前記現場地質調査には現場露頭断面調査、地球物理検層、岩心観測及び工事検証が含まれることと、を含む。
いくつかの好ましい実施形態において、前記ステップＳ２００として、具体的には、貯留層の野外地質露頭に対して抵抗率及び孔隙度の測定を行い、異なる種類の岩石抵抗率と孔隙度のデータ集を作成することを含む。
いくつかの好ましい実施形態において、前記地球物理観測データは、具体的には、見掛け抵抗率と位相曲線を含む。
いくつかの好ましい実施形態において、前記ステップＳ３００として、具体的には、
３次元可聴周波数（audio frequency）大地電磁探査を展開し、地球物理測点位置で「＋」字型電極配置方式を採用し、２つの直交する電場成分と２つの直交する磁場成分を採取し、（Ｅｘ，Ｅｙ）及び（Ｈｘ，Ｈｙ）と記し、ｘとｙは、直交する２つの方向を表すステップＳ３１０と、
前記電場成分及び磁場成分に対して高速フーリエ変換と加重最小二乗法により前記地球物理測点位置の見掛け抵抗率（apparent resistivity）と位相曲線を獲得するステップＳ３２０と、
得られた前記地球物理測点の見掛け抵抗と位相曲線に応じて、非線形共役勾配反転方法を利用し、地熱貯留層の抵抗率分布を取得し、抵抗率がプリセット抵抗率閾値よりも低い区域を地熱流体濃集領域として画定し、地熱貯留層の広がり特徴（distributional characteristic）を獲得し、貯留層抵抗率がプリセット抵抗率閾値よりも低く、深度がプリセット深度閾値よりも低い地熱流体濃集領域を選択して探査井位置を配設するステップＳ３３０と、を含む。
３次元可聴周波数（audio frequency）大地電磁探査を展開し、地球物理測点位置で「＋」字型電極配置方式を採用し、２つの直交する電場成分と２つの直交する磁場成分を採取し、（Ｅｘ，Ｅｙ）及び（Ｈｘ，Ｈｙ）と記し、ｘとｙは、直交する２つの方向を表すステップＳ３１０と、
前記電場成分及び磁場成分に対して高速フーリエ変換と加重最小二乗法により前記地球物理測点位置の見掛け抵抗率（apparent resistivity）と位相曲線を獲得するステップＳ３２０と、
得られた前記地球物理測点の見掛け抵抗と位相曲線に応じて、非線形共役勾配反転方法を利用し、地熱貯留層の抵抗率分布を取得し、抵抗率がプリセット抵抗率閾値よりも低い区域を地熱流体濃集領域として画定し、地熱貯留層の広がり特徴（distributional characteristic）を獲得し、貯留層抵抗率がプリセット抵抗率閾値よりも低く、深度がプリセット深度閾値よりも低い地熱流体濃集領域を選択して探査井位置を配設するステップＳ３３０と、を含む。
いくつかの好ましい実施形態において、前記岩心データパラメータは、その獲得方法として、
岩心観測により岩心の岩質、岩相特徴、水化学及び天然断裂の亀裂分布特徴を獲得し、探査井位置の地層に対して地層の区間化を行い、地層産状、地層接触関係並びに亀裂及び断層の発達状況を観測して獲得することを含み、
いくつかの好ましい実施形態において、前記人工ニューラルネットワークの関係学習モデルは、その訓練方法として、具体的には、
標準ラベル付きの地熱貯留層の地質パラメータ集を取得して訓練集データと検証集データに分けるステップＡ１００と、
前記訓練集に基づいて、訓練未済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測により訓練集の貯留層孔隙度分布画像を生成し、前記検証集に基づいて、訓練未済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルにより検証集の貯留層孔隙度分布画像を生成するステップＡ２００と、
前記訓練過程における貯留層孔隙度分布画像に基づいて訓練誤差値を計算し、検証集の貯留層孔隙度分布画像に基づいて検証データ誤差を計算し、Ｌｅｖｅｎｂｅｒｇ－Ｍａｒｑｕａｒｄｔアルゴリズムによりモデル重み及びモデル偏差値を更新し、訓練誤差値がプリセットの誤差閾値よりも低くなり且つ検証データ誤差が上がり始まるまでステップＡ２００を繰り返し、訓練済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルを得るステップＡ３００と、を含む。
岩心観測により岩心の岩質、岩相特徴、水化学及び天然断裂の亀裂分布特徴を獲得し、探査井位置の地層に対して地層の区間化を行い、地層産状、地層接触関係並びに亀裂及び断層の発達状況を観測して獲得することを含み、
いくつかの好ましい実施形態において、前記人工ニューラルネットワークの関係学習モデルは、その訓練方法として、具体的には、
標準ラベル付きの地熱貯留層の地質パラメータ集を取得して訓練集データと検証集データに分けるステップＡ１００と、
前記訓練集に基づいて、訓練未済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測により訓練集の貯留層孔隙度分布画像を生成し、前記検証集に基づいて、訓練未済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルにより検証集の貯留層孔隙度分布画像を生成するステップＡ２００と、
前記訓練過程における貯留層孔隙度分布画像に基づいて訓練誤差値を計算し、検証集の貯留層孔隙度分布画像に基づいて検証データ誤差を計算し、Ｌｅｖｅｎｂｅｒｇ－Ｍａｒｑｕａｒｄｔアルゴリズムによりモデル重み及びモデル偏差値を更新し、訓練誤差値がプリセットの誤差閾値よりも低くなり且つ検証データ誤差が上がり始まるまでステップＡ２００を繰り返し、訓練済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルを得るステップＡ３００と、を含む。
いくつかの好ましい実施形態において、前記した、地熱貯留層全体の孔隙度分布及び地熱流体の総量を獲得することは、具体的には、
下記数式に応じて地熱田全体の地熱流体総量を計算することを含む。
下記数式に応じて地熱田全体の地熱流体総量を計算することを含む。
上記式のうちΔｘ、Δｙ、Δｚは、それぞれ研究領域分割セルのｘ、ｙ、ｚ方向の間隔であり、ｍ、ｎ、ｌは、それぞれｘ、ｙ、ｚ方向の分割メッシュユニットの総数であり、ｋ、ｊ、ｉは、それぞれｘ、ｙ、ｚ方向の分割メッシュユニットであり、φｉは、対応メッシュの地熱貯留層の孔隙度を表し、ＶＷは、地熱流体総量を表す。
いくつかの好ましい実施形態において、前記高温地熱田の貯留層構造孔隙度の定量的特徴付けの方法は、前記方法として、さらに、
地熱開発井を配設し、地熱田高効率開放井ネットワークを形成することに用いられる。
地熱開発井を配設し、地熱田高効率開放井ネットワークを形成することに用いられる。
本発明の他の側面は、高温地熱田の貯留層構造孔隙度の定量的特徴付けのシステムを提出し、
地熱貯留層範囲、断裂の空間分布特徴並びに目標ブロック内の構造及び進化特徴に応じて、設定された貯留層の埋没深度条件、地熱流体条件及び断裂発達条件を満たす地区を、地球物理測点位置として決定するように構成される地球物理測点位置決定モジュールと、
全ての地球物理測点位置の地球物理観測データを取得し、非線形共役勾配反転方法により目標ブロック内の地熱田の地熱貯留層の抵抗率分布を取得し抵抗率が設定閾値よりも低い区域を地熱流体高含有の貯留層として選定し、目標ブロック内の探査井位置を決定するように構成される探査井位置配設モジュールと、
前記探査井位置で全井区間のコアボーリング（Core drilling）によるコア採取を行って獲得された岩心データパラメータに応じて、岩質柱状図を作成し、オールコアボーリング検層を展開し、探査井位置の地熱貯留層の温度、温度勾配、抵抗率及び孔隙度パラメータを取得し、探査井位置の岩心データパラメータ、岩質柱状図、地熱貯留層の温度、地熱貯留層の温度勾配、地熱貯留層の抵抗率及び地熱貯留層の孔隙度パラメータに応じて地熱貯留層の地質パラメータ集を作成するように構成される地熱貯留層の地質パラメータ集構築モジュールと、
現場条件を模擬し異なる温度及び圧力の地熱流体に対して抵抗率測定を行い、異なる状態での流体抵抗率データ集を得るように構成される流体抵抗率獲得モジュールと、
前記地熱貯留層の地質パラメータ集に基づいて、訓練済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルを利用し、地熱貯留層の抵抗率及び流体抵抗率と貯留層孔隙度との間の定量関係を学習して、地熱貯留層全体の孔隙度分布及び地熱流体の総量を獲得し、高温地熱田の貯留層構造の孔隙度に対する定量的特徴付けを実現するように構成される高温地熱田の貯留層構造孔隙度の定量的特徴付けモジュールと、を備える。
地熱貯留層範囲、断裂の空間分布特徴並びに目標ブロック内の構造及び進化特徴に応じて、設定された貯留層の埋没深度条件、地熱流体条件及び断裂発達条件を満たす地区を、地球物理測点位置として決定するように構成される地球物理測点位置決定モジュールと、
全ての地球物理測点位置の地球物理観測データを取得し、非線形共役勾配反転方法により目標ブロック内の地熱田の地熱貯留層の抵抗率分布を取得し抵抗率が設定閾値よりも低い区域を地熱流体高含有の貯留層として選定し、目標ブロック内の探査井位置を決定するように構成される探査井位置配設モジュールと、
前記探査井位置で全井区間のコアボーリング（Core drilling）によるコア採取を行って獲得された岩心データパラメータに応じて、岩質柱状図を作成し、オールコアボーリング検層を展開し、探査井位置の地熱貯留層の温度、温度勾配、抵抗率及び孔隙度パラメータを取得し、探査井位置の岩心データパラメータ、岩質柱状図、地熱貯留層の温度、地熱貯留層の温度勾配、地熱貯留層の抵抗率及び地熱貯留層の孔隙度パラメータに応じて地熱貯留層の地質パラメータ集を作成するように構成される地熱貯留層の地質パラメータ集構築モジュールと、
現場条件を模擬し異なる温度及び圧力の地熱流体に対して抵抗率測定を行い、異なる状態での流体抵抗率データ集を得るように構成される流体抵抗率獲得モジュールと、
前記地熱貯留層の地質パラメータ集に基づいて、訓練済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルを利用し、地熱貯留層の抵抗率及び流体抵抗率と貯留層孔隙度との間の定量関係を学習して、地熱貯留層全体の孔隙度分布及び地熱流体の総量を獲得し、高温地熱田の貯留層構造の孔隙度に対する定量的特徴付けを実現するように構成される高温地熱田の貯留層構造孔隙度の定量的特徴付けモジュールと、を備える。
本発明の有益な効果は、
（１）本発明では、高温地熱田の貯留層構造孔隙度に対する定量的特徴付けにより開発方策を最適化し、開発の効率が高められることと、
（２）本発明では、高温地熱田の貯留層構造孔隙度に対する定量的特徴付けにより資源評価の正確性を高め、開発のためにより信頼できる根拠が提供されることと、である。
（１）本発明では、高温地熱田の貯留層構造孔隙度に対する定量的特徴付けにより開発方策を最適化し、開発の効率が高められることと、
（２）本発明では、高温地熱田の貯留層構造孔隙度に対する定量的特徴付けにより資源評価の正確性を高め、開発のためにより信頼できる根拠が提供されることと、である。
図面を参照した非制限的な実施例に対する詳しい記述を閲読することにより、本願の他の特徴、目的及び利点はより明白になる。
以下、図面及び実施例と結びつけて本願をさらに詳しく説明する。ここで記述される具体的な実施例は、関連発明を解釈するためのものに過ぎず、該発明を限定するものではないことを理解できる。なお、記述を容易にするために、図面には関連発明に関する部分のみが示されている。
なお、矛盾がない場合、本願における実施例及び実施例における特徴は互いに組み合わせてもよい。以下、図面を参照して実施例と結びつけて本願を詳しく説明する。
本発明の高温地熱田の貯留層構造孔隙度の定量的特徴付けの方法は、
目標ブロック内の過去地質資料を収集し、目標ブロック内の過去地質資料及び現場地質調査により、地熱貯留層範囲及び断裂の空間分布特徴を獲得し、前記地熱貯留層範囲及び断裂の空間分布特徴に基づいて目標ブロック内の構造及び進化特徴を獲得するステップＳ１００と、
地熱貯留層範囲、断裂の空間分布特徴並びに目標ブロック内の構造及び進化特徴に応じて、設定された貯留層の埋没深度条件、地熱流体条件及び断裂発達条件を満たす地区を、地球物理測点位置として決定するステップＳ２００と、
全ての前記地球物理測点位置の地球物理観測データを取得し、非線形共役勾配反転方法に応じて目標ブロック内の地熱田の地熱貯留層の抵抗率分布を取得し、低抵抗率区域を地熱流体高含有の貯留層として選定し、目標ブロック内の探査井位置を決定するステップＳ３００と、
前記探査井位置で全井区間のコアボーリングによるコア採取を行い、岩心データパラメータを獲得し、
岩心データパラメータに応じて、岩質柱状図を作成し、
オールコアボーリング検層を展開し、探査井位置の地熱貯留層の温度、温度勾配、抵抗率及び孔隙度パラメータを取得し、
探査井位置の岩心データパラメータ、岩質柱状図、地熱貯留層の温度、地熱貯留層の温度勾配、地熱貯留層の抵抗率及び地熱貯留層の孔隙度パラメータに応じて地熱貯留層の地質パラメータ集を作成するステップＳ４００と、
実験室内において、現場条件を模擬し異なる温度及び圧力の地熱流体に対して抵抗率測定を行い、異なる状態での流体抵抗率データ集を得るステップＳ５００と、
前記地熱貯留層の地質パラメータ集に基づいて、訓練済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルを利用し、地熱貯留層の抵抗率及び流体抵抗率と貯留層孔隙度との間の定量関係を学習して、地熱貯留層全体の孔隙度分布及び地熱流体の総量を獲得し、高温地熱田の貯留層構造の孔隙度に対する定量的特徴付けを実現するステップＳ６００と、を含む。
目標ブロック内の過去地質資料を収集し、目標ブロック内の過去地質資料及び現場地質調査により、地熱貯留層範囲及び断裂の空間分布特徴を獲得し、前記地熱貯留層範囲及び断裂の空間分布特徴に基づいて目標ブロック内の構造及び進化特徴を獲得するステップＳ１００と、
地熱貯留層範囲、断裂の空間分布特徴並びに目標ブロック内の構造及び進化特徴に応じて、設定された貯留層の埋没深度条件、地熱流体条件及び断裂発達条件を満たす地区を、地球物理測点位置として決定するステップＳ２００と、
全ての前記地球物理測点位置の地球物理観測データを取得し、非線形共役勾配反転方法に応じて目標ブロック内の地熱田の地熱貯留層の抵抗率分布を取得し、低抵抗率区域を地熱流体高含有の貯留層として選定し、目標ブロック内の探査井位置を決定するステップＳ３００と、
前記探査井位置で全井区間のコアボーリングによるコア採取を行い、岩心データパラメータを獲得し、
岩心データパラメータに応じて、岩質柱状図を作成し、
オールコアボーリング検層を展開し、探査井位置の地熱貯留層の温度、温度勾配、抵抗率及び孔隙度パラメータを取得し、
探査井位置の岩心データパラメータ、岩質柱状図、地熱貯留層の温度、地熱貯留層の温度勾配、地熱貯留層の抵抗率及び地熱貯留層の孔隙度パラメータに応じて地熱貯留層の地質パラメータ集を作成するステップＳ４００と、
実験室内において、現場条件を模擬し異なる温度及び圧力の地熱流体に対して抵抗率測定を行い、異なる状態での流体抵抗率データ集を得るステップＳ５００と、
前記地熱貯留層の地質パラメータ集に基づいて、訓練済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルを利用し、地熱貯留層の抵抗率及び流体抵抗率と貯留層孔隙度との間の定量関係を学習して、地熱貯留層全体の孔隙度分布及び地熱流体の総量を獲得し、高温地熱田の貯留層構造の孔隙度に対する定量的特徴付けを実現するステップＳ６００と、を含む。
本発明の高温地熱田の貯留層構造孔隙度の定量的特徴付けの方法をより明晰に説明するために、以下、図１と結びつけて本発明の実施例における各ステップを押し広げて詳しく説明する。
本発明の第１実施例は、以下のことを含む高温地熱田の貯留層構造孔隙度の定量的特徴付けの方法を提出する。
ステップＳ１００において、目標ブロック内の過去地質資料を収集し、目標ブロック内の過去地質資料及び現場地質調査により、地熱貯留層範囲及び断裂の空間分布特徴を獲得し、前記地熱貯留層範囲及び断裂の空間分布特徴に基づいて目標ブロック内の構造及び進化特徴を獲得する。
地熱貯留層の埋没深度が比較的に浅く、多期的構造隆起及び低層侵食を経て、ブロック内の地層が露出していることが多く、同時に工事建設、地質探査開発等の以前の地質作業では大量の過去地質資料が蓄積されている。目標ブロック内の過去地質資料を全面的に収集し、目標ブロック内の過去地質資料に対する総合的な研究により、野外現場露頭断面調査、地球物理検層、岩心観測及び必要な工事検証と結びつけて、地熱田区域範囲内の地層岩質分布と地熱貯留層範囲を究明し、野外現場露頭断裂と結びつけて、断裂の空間分布特徴（位置、傾角、傾向、走向及び充填状況等）を取得し、目標ブロック内の構造及び進化特徴を明らかにする。
地熱貯留層の埋没深度が比較的に浅く、多期的構造隆起及び低層侵食を経て、ブロック内の地層が露出していることが多く、同時に工事建設、地質探査開発等の以前の地質作業では大量の過去地質資料が蓄積されている。目標ブロック内の過去地質資料を全面的に収集し、目標ブロック内の過去地質資料に対する総合的な研究により、野外現場露頭断面調査、地球物理検層、岩心観測及び必要な工事検証と結びつけて、地熱田区域範囲内の地層岩質分布と地熱貯留層範囲を究明し、野外現場露頭断裂と結びつけて、断裂の空間分布特徴（位置、傾角、傾向、走向及び充填状況等）を取得し、目標ブロック内の構造及び進化特徴を明らかにする。
ステップＳ２００において、地熱貯留層範囲、断裂の空間分布特徴並びに目標ブロック内の構造及び進化特徴に応じて、設定された貯留層の埋没深度条件、地熱流体条件及び断裂発達（growth）条件を満たす地区を、地球物理測点位置として決定する。
設定された貯留層の埋没深度条件を満たすとは、貯留層の埋没深度が浅く、地熱流体条件を満たすとは、地表に地熱流体が露出し、断裂発達条件を満たすとは、断裂発達が豊富である、ことであり、貯留層の野外地質露頭に対して抵抗率及び孔隙度の測定を行い、異なる種類の岩石抵抗率と孔隙度のデータ集を作成する。
設定された貯留層の埋没深度条件を満たすとは、貯留層の埋没深度が浅く、地熱流体条件を満たすとは、地表に地熱流体が露出し、断裂発達条件を満たすとは、断裂発達が豊富である、ことであり、貯留層の野外地質露頭に対して抵抗率及び孔隙度の測定を行い、異なる種類の岩石抵抗率と孔隙度のデータ集を作成する。
ステップＳ３００において、全ての地球物理測点位置の地球物理観測データを取得し、非線形共役勾配反転方法に応じて目標ブロック内の地熱田の地熱貯留層の抵抗率分布を取得し、抵抗率が設定閾値よりも低い区域を地熱流体高含有の貯留層として選定し、目標ブロック内の探査井位置を決定する。
そのうち、前記地球物理観測データは、見掛け抵抗率と位相曲線である。
本実施例において、前記ステップＳ３００として、具体的には、
図２に示すように、３次元可聴周波数大地電磁探査を展開し、地球物理測点位置で電極間距離６０ｍの「＋」字型電極配置方式を採用し、２つの直交する電場成分と２つの直交する磁場成分を採取し、（Ｅｘ，Ｅｙ）及び（Ｈｘ，Ｈｙ）と記し、ｘとｙは、直交する２つの方向を表し、観測時間は、３時間であるステップＳ３１０と、
前記電場成分及び磁場成分に対して高速フーリエ変換と加重最小二乗法により前記地球物理測点位置の見掛け抵抗率と位相曲線を獲得し、周波数範囲は、１００００～０．１ＨｚであるステップＳ３２０と、
図３に示すように、得られた前記地球物理測点の見掛け抵抗率と位相曲線に応じて、非線形共役勾配反転方法を利用し、地熱貯留層の抵抗率分布を取得し、抵抗率が１０Ωｍよりも低い区域を地熱流体濃集領域として画定し、地熱貯留層の広がり特徴を獲得し、貯留層抵抗率が１０Ωｍよりも低く、埋蔵深度が５００メートルよりも小さく、地熱流体濃集領域を選択して探査井位置を配設するステップＳ３３０と、を含む。
そのうち、前記地球物理観測データは、見掛け抵抗率と位相曲線である。
本実施例において、前記ステップＳ３００として、具体的には、
図２に示すように、３次元可聴周波数大地電磁探査を展開し、地球物理測点位置で電極間距離６０ｍの「＋」字型電極配置方式を採用し、２つの直交する電場成分と２つの直交する磁場成分を採取し、（Ｅｘ，Ｅｙ）及び（Ｈｘ，Ｈｙ）と記し、ｘとｙは、直交する２つの方向を表し、観測時間は、３時間であるステップＳ３１０と、
前記電場成分及び磁場成分に対して高速フーリエ変換と加重最小二乗法により前記地球物理測点位置の見掛け抵抗率と位相曲線を獲得し、周波数範囲は、１００００～０．１ＨｚであるステップＳ３２０と、
図３に示すように、得られた前記地球物理測点の見掛け抵抗率と位相曲線に応じて、非線形共役勾配反転方法を利用し、地熱貯留層の抵抗率分布を取得し、抵抗率が１０Ωｍよりも低い区域を地熱流体濃集領域として画定し、地熱貯留層の広がり特徴を獲得し、貯留層抵抗率が１０Ωｍよりも低く、埋蔵深度が５００メートルよりも小さく、地熱流体濃集領域を選択して探査井位置を配設するステップＳ３３０と、を含む。
ステップＳ４００において、前記探査井位置で全井区間のコアボーリングによるコア採取を行い、岩心データパラメータを獲得し、
岩心データパラメータに応じて、岩質柱状図を作成し、
オールコアボーリング検層を展開し、探査井位置の地熱貯留層の温度、温度勾配、抵抗率及び孔隙度パラメータを取得し、
探査井位置の岩心データパラメータ、岩質柱状図、地熱貯留層の温度、地熱貯留層の温度勾配、地熱貯留層の抵抗率及び地熱貯留層の孔隙度パラメータに応じて地熱貯留層の地質パラメータ集を作成する。
コアボーリング岩心は、最も直観的で、最も信頼できる第一次の地質資料であり、全井区間のコアボーリングによるコア採取を行い、岩心観測して岩質、岩相特徴、水化学及びその天然断裂の亀裂分布特徴を記述し地層の区間化を行い、地層産状、地層接触関係、亀裂及び断層の発達状況を観測し、ボーリングコアに対して温度、抵抗率及び孔隙度検層を展開し、温度、温度勾配、抵抗率及び孔隙度等のパラメータを取得し、地熱貯留層の地質パラメータ集を作成する。
岩心データパラメータに応じて、岩質柱状図を作成し、
オールコアボーリング検層を展開し、探査井位置の地熱貯留層の温度、温度勾配、抵抗率及び孔隙度パラメータを取得し、
探査井位置の岩心データパラメータ、岩質柱状図、地熱貯留層の温度、地熱貯留層の温度勾配、地熱貯留層の抵抗率及び地熱貯留層の孔隙度パラメータに応じて地熱貯留層の地質パラメータ集を作成する。
コアボーリング岩心は、最も直観的で、最も信頼できる第一次の地質資料であり、全井区間のコアボーリングによるコア採取を行い、岩心観測して岩質、岩相特徴、水化学及びその天然断裂の亀裂分布特徴を記述し地層の区間化を行い、地層産状、地層接触関係、亀裂及び断層の発達状況を観測し、ボーリングコアに対して温度、抵抗率及び孔隙度検層を展開し、温度、温度勾配、抵抗率及び孔隙度等のパラメータを取得し、地熱貯留層の地質パラメータ集を作成する。
地熱貯留層の地質パラメータ集では、様々な影響要因、例えば岩石種類、鉱物組成、応力場、及びどこからより正確的な孔隙度分布情報を取得するかが提供されている。
ステップＳ５００において、実験室内において、野外現場条件を模擬し異なる温度及び圧力の地熱流体に対して抵抗率測定を行い、異なる状態での流体抵抗率データ集を得るが、岩心の現場測定及びオールコアボーリング検層では、大量の地熱貯留層の抵抗率及び孔隙度の資料が取得され、同時に実験室内では異なる温度及び圧力の地熱流体に対して抵抗率測定を行い、流体抵抗率が得られる。
ステップＳ６００において、前記地熱貯留層の地質パラメータ集に基づいて、訓練済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルを利用し、地熱貯留層の抵抗率及び流体抵抗率と貯留層孔隙度との間の定量関係を学習して、地熱貯留層全体の孔隙度分布及び地熱流体の総量を獲得し、高温地熱田の貯留層構造の孔隙度に対する定量的特徴付けを実現する。
本実施例において、前記した、人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルは、その訓練方法として、具体的には、以下のことを含む。
ステップＡ１００において、標準ラベル付きの地熱貯留層の地質パラメータ集を取得して訓練集データと検証集データに分けるが、本実施例において地熱貯留層の地質パラメータ集、即ち訓練パラメータ集を入力データとし、７０％は訓練に用いられ、１５％はテストに用いられ、残りは検証に用いられる。
ステップＡ２００において、前記訓練集に基づいて、訓練未済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルにより訓練集の貯留層孔隙度分布画像を生成し、前記検証集に基づいて、訓練未済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルにより検証集の貯留層孔隙度分布画像を生成する。
ステップＡ３００において、前記訓練過程における貯留層孔隙度分布画像に基づいて訓練誤差値を計算し、検証集の貯留層孔隙度分布画像に基づいて検証データ誤差を計算し、Ｌｅｖｅｎｂｅｒｇ－Ｍａｒｑｕａｒｄｔアルゴリズムによりモデル重み及びモデル偏差値を更新し、訓練誤差値がプリセットの誤差閾値よりも低くなり且つ検証データ誤差が上がり始まるまでステップＡ２００を繰り返し、訓練済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルを得る。
ステップＡ３００において、前記訓練過程における貯留層孔隙度分布画像に基づいて訓練誤差値を計算し、検証集の貯留層孔隙度分布画像に基づいて検証データ誤差を計算し、Ｌｅｖｅｎｂｅｒｇ－Ｍａｒｑｕａｒｄｔアルゴリズムによりモデル重み及びモデル偏差値を更新し、訓練誤差値がプリセットの誤差閾値よりも低くなり且つ検証データ誤差が上がり始まるまでステップＡ２００を繰り返し、訓練済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルを得る。
ネットワーク検証とネットワーク訓練を同時に行い、検証データ誤差が上がり始まると、訓練を停止し、
訓練データの平均二乗誤差（ＭＳＥ）は、１０回の反復を経た後に、ネットワークが最適に到達したことを示している。訓練段階と検証段階の孔隙度の相関係数（Ｒ２）は０．９７よりも大きい。結果から分かるように、人工ニューラルネットワークは孔隙度推定で効率が非常に高い。
訓練データの平均二乗誤差（ＭＳＥ）は、１０回の反復を経た後に、ネットワークが最適に到達したことを示している。訓練段階と検証段階の孔隙度の相関係数（Ｒ２）は０．９７よりも大きい。結果から分かるように、人工ニューラルネットワークは孔隙度推定で効率が非常に高い。
得られた抵抗率と孔隙度との間の関係を地熱田全体に応用し、地熱田全体地熱貯留層の孔隙度分布を取得する。
下記数式を利用し地熱田全体の地熱流体総量を計算する。
式中Δｘ、Δｙ、Δｚは、それぞれ研究領域分割セルのｘ、ｙ、ｚ方向の間隔であり、ｍ、ｎ、ｌは、それぞれｘ、ｙ、ｚ方向の分割メッシュユニットの総数であり、ｋ、ｊ、ｉは、それぞれｘ、ｙ、ｚ方向の分割メッシュユニットであり、φｉは、対応メッシュの地熱貯留層の孔隙度を表し、ＶＷは、地熱流体総量を表す。
本発明の第２実施例は、高温地熱田の貯留層構造孔隙度の定量的特徴付けの方法を地熱エネルギの開発過程に応用することを提出し、具体的には以下になる。
貯留層孔隙度の分布情報に応じて高い孔隙度及び浸透率を有する区域を選出して掘削を行い、貯留層孔隙度の空間変動特徴に応じて、例えば注水量を調整し、区間化開発を採用するなど適切な開発方策を指定し、地熱エネルギの開発過程において、例えば検層、地球物理探測方法により、貯留層孔隙度の変化を継続的に監視する。監視結果を地熱貯留層の地質パラメータ集に反映する。
本実施例は、本発明の定量的特徴付け方法を地熱エネルギの開発分野に応用することにより、地熱エネルギの開発効率を高め、開発コスト及び環境影響を低減させることができ、加えて自らに高温地熱田構造孔隙度の定量的特徴付けの方法を最適化し続け、さらに、地熱エネルギの持続可能な発展のための支援が提供されている。
上記実施例において個々のステップを上記前後順番の方式に従って記述したが、当業者として理解できるように、本実施例の効果を実現するために、異なるステップの間は必ずしもこのような順番に従って実行されるとは限らず、同時（並行）に実行されても又は逆の順番で実行されてもよく、これらの簡単な変化はいずれも本発明の保護範囲内にある。
本発明の第３実施例の高温地熱田の貯留層構造孔隙度の定量的特徴付けのシステムは、
地熱貯留層範囲、断裂の空間分布特徴並びに目標ブロック内の構造及び進化特徴に応じて、設定された貯留層の埋没深度条件、地熱流体条件及び断裂発達条件を満たす地区を、地球物理測点位置として決定するように構成される地球物理測点位置決定モジュールと、
全ての地球物理測点位置の地球物理観測データを取得し、非線形共役勾配反転方法により目標ブロック内の地熱田の地熱貯留層の抵抗率分布を取得し、抵抗率が設定閾値よりも低い区域を地熱流体高含有の貯留層として選定し、目標ブロック内の探査井位置を決定するように構成される探査井位置配設モジュールと、
前記探査井位置で全井区間のコアボーリングによるコア採取を行って獲得された岩心データパラメータに応じて、岩質柱状図を作成し、オールコアボーリング検層を展開し、探査井位置の地熱貯留層の温度、温度勾配、抵抗率及び孔隙度パラメータを取得し、探査井位置の岩心データパラメータ、岩質柱状図、地熱貯留層の温度、地熱貯留層の温度勾配、地熱貯留層の抵抗率及び地熱貯留層の孔隙度パラメータに応じて地熱貯留層の地質パラメータ集を作成するように構成される地熱貯留層の地質パラメータ集構築モジュールと、
現場条件を模擬し異なる温度及び圧力の地熱流体に対して抵抗率測定を行い、異なる状態での流体抵抗率データ集を得るように構成される流体抵抗率獲得モジュールと、
前記地熱貯留層の地質パラメータ集に基づいて、訓練済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルを利用し、地熱貯留層の抵抗率及び流体抵抗率と貯留層孔隙度との間の定量関係を学習して、地熱貯留層全体の孔隙度分布及び地熱流体の総量を獲得し、高温地熱田の貯留層構造の孔隙度に対する定量的特徴付けを実現するように構成される高温地熱田の貯留層構造孔隙度の定量的特徴付けモジュールと、を備える。
地熱貯留層範囲、断裂の空間分布特徴並びに目標ブロック内の構造及び進化特徴に応じて、設定された貯留層の埋没深度条件、地熱流体条件及び断裂発達条件を満たす地区を、地球物理測点位置として決定するように構成される地球物理測点位置決定モジュールと、
全ての地球物理測点位置の地球物理観測データを取得し、非線形共役勾配反転方法により目標ブロック内の地熱田の地熱貯留層の抵抗率分布を取得し、抵抗率が設定閾値よりも低い区域を地熱流体高含有の貯留層として選定し、目標ブロック内の探査井位置を決定するように構成される探査井位置配設モジュールと、
前記探査井位置で全井区間のコアボーリングによるコア採取を行って獲得された岩心データパラメータに応じて、岩質柱状図を作成し、オールコアボーリング検層を展開し、探査井位置の地熱貯留層の温度、温度勾配、抵抗率及び孔隙度パラメータを取得し、探査井位置の岩心データパラメータ、岩質柱状図、地熱貯留層の温度、地熱貯留層の温度勾配、地熱貯留層の抵抗率及び地熱貯留層の孔隙度パラメータに応じて地熱貯留層の地質パラメータ集を作成するように構成される地熱貯留層の地質パラメータ集構築モジュールと、
現場条件を模擬し異なる温度及び圧力の地熱流体に対して抵抗率測定を行い、異なる状態での流体抵抗率データ集を得るように構成される流体抵抗率獲得モジュールと、
前記地熱貯留層の地質パラメータ集に基づいて、訓練済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルを利用し、地熱貯留層の抵抗率及び流体抵抗率と貯留層孔隙度との間の定量関係を学習して、地熱貯留層全体の孔隙度分布及び地熱流体の総量を獲得し、高温地熱田の貯留層構造の孔隙度に対する定量的特徴付けを実現するように構成される高温地熱田の貯留層構造孔隙度の定量的特徴付けモジュールと、を備える。
当業者として明確に理解できるように、記述の便宜及び簡素化のために、上記で記述されたシステムの具体的な作業過程及び関連説明は、前述方法実施例における対応過程を参照することができ、ここでは繰り返し説明しない。
なお、上記実施例に係る高温地熱田の貯留層構造孔隙度の定量的特徴付けのシステムは、上記各機能モジュールの振り分けで例示的に説明しているだけであり、実際の応用において、必要に応じて上記機能を異なる機能モジュールに割り当てて完成させる、即ち本発明の実施例におけるモジュール又はステップを再分解するか又は組み合わせることができ、例えば、上記実施例のモジュールは、以上に記述された全部又は一部の機能を完成させるように、１つのモジュールとして合併されてもよいし、さらに複数のサブモジュールに分割されてもよい。本発明の実施例に関わるモジュール、ステップの名称については、個々のモジュール又はステップを区別するためのものに過ぎず、本発明を不適切に限定するものとしては見なされない。
用語「第１」、「第２」等は、類似する対象を区別するためのものであり、特定の順序や前後順番を記述する又は表すためのものではない。
用語「含む」又は任意の他の類似用語は、一連の要素を含む過程、方法、物品又は機器／装置がそれらの要素を含むだけでなく、明確に挙げられていない他の要素をさらに含むか、これらの過程、方法、物品又は機器／装置にとって固有の要素をさらに含むように、排他的ではない包含をカバーすることを意図している。
これまで、図面に示す好ましい実施形態と結びつけて本発明の技術案を記述しているが、当業者として容易に理解されるように、本発明の保護範囲は、明らかにこれらの具体的な実施形態に限られるものではない。本発明の原理から逸脱しない前提で、当業者であれば、関連技術特徴に対して同等の変更又は置換を行うことができ、これらの変更又は置換の後の技術案は、いずれも本発明の保護範囲内に収まる。
Claims (7)
- 高温地熱田の貯留層構造孔隙度の定量的特徴付けの方法であって、前記方法は、
目標ブロック内の過去地質資料を収集し、目標ブロック内の過去地質資料及び現場地質調査により、地熱貯留層範囲及び断裂の空間分布特徴を獲得し、前記地熱貯留層範囲及び断裂の空間分布特徴に基づいて目標ブロック内の構造及び進化特徴を獲得するステップＳ１００と、
地熱貯留層範囲、断裂の空間分布特徴並びに目標ブロック内の構造及び進化特徴に応じて、設定された貯留層の埋没深度条件、地熱流体条件及び断裂発達条件を満たす地区を、地球物理測点位置として決定するステップＳ２００と、
全ての地球物理測点位置の地球物理観測データを取得し、非線形共役勾配反転方法により目標ブロック内の地熱田の地熱貯留層の抵抗率分布を取得し、抵抗率が設定閾値よりも低い区域を地熱流体高含有の貯留層として選定し、目標ブロック内の探査井位置を決定するステップＳ３００と、
前記ステップＳ３００として、具体的には、
３次元可聴周波数大地電磁探査を展開し、各地球物理測点位置で「＋」字型電極配置方式を採用し、２つの直交する電場成分と２つの直交する磁場成分を採取し、（Ｅｘ，Ｅｙ）及び（Ｈｘ，Ｈｙ）と記し、ｘとｙは、直交する２つの方向を表すステップＳ３１０と、
全ての地球物理測点位置にて採取された前記電場成分及び磁場成分からなる一連の観測データに対して、高速フーリエ変換と加重最小二乗法により前記全ての地球物理測点位置の見掛け抵抗率と位相曲線を獲得するステップＳ３２０と、
得られた前記地球物理測点位置の見掛け抵抗と位相曲線に応じて、非線形共役勾配反転方法を利用し、地熱貯留層抵抗率分布を取得し、抵抗率がプリセット抵抗率閾値よりも低い区域を地熱流体濃集領域として画定し、地熱貯留層の広がり特徴を獲得し、貯留層抵抗率がプリセット抵抗率閾値よりも低く、深度がプリセット深度閾値よりも低い地熱流体濃集領域を選択して探査井位置を配設するステップＳ３３０と、を含み、
前記探査井位置で全井区間のコアボーリングによるコア採取を行い、岩心データパラメータを獲得し、
岩心データパラメータに応じて、岩質柱状図を作成し、
オールコアボーリング検層を展開し、地熱貯留層の温度、温度勾配、抵抗率及び孔隙度パラメータを取得し、
探査井位置の岩心データパラメータ、岩質柱状図、地熱貯留層の温度、地熱貯留層の温度勾配、地熱貯留層の抵抗率及び地熱貯留層の孔隙度パラメータに応じて地熱貯留層の地質パラメータ集を作成するステップＳ４００と、
実験室内において、現場条件を模擬し異なる温度及び圧力の地熱流体に対して抵抗率測定を行い、異なる状態での流体抵抗率データ集を得るステップＳ５００と、
前記地熱貯留層の地質パラメータ集に基づいて、訓練済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルを利用し、地熱貯留層の抵抗率及び流体抵抗率と貯留層孔隙度との間の定量関係を学習して、地熱貯留層全体の孔隙度分布及び地熱流体の総量を獲得し、高温地熱田の貯留層構造の孔隙度に対する定量的特徴付けを実現するステップＳ６００と、を含み、
前記した、人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルは、その訓練方法として、具体的には、
標準ラベル付きの地熱貯留層の地質パラメータ集を取得して訓練集データと検証集データに分けるステップＡ１００と、
前記訓練集に基づいて、訓練未済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルにより訓練集の貯留層孔隙度分布画像を生成し、前記検証集に基づいて、訓練未済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルにより検証集の貯留層孔隙度分布画像を生成するステップＡ２００と、
前記訓練集の貯留層孔隙度分布画像に基づいて訓練誤差値を計算し、検証集の貯留層孔隙度分布画像に基づいて検証データ誤差を計算し、Ｌｅｖｅｎｂｅｒｇ－Ｍａｒｑｕａｒｄｔアルゴリズムによりモデル重み及びモデル偏差値を更新し、訓練誤差値がプリセットの誤差閾値よりも低くなり且つ検証データ誤差が上がり始まるまでステップＡ２００を繰り返し、訓練済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルを得るステップＡ３００と、を含み、
前記した、地熱貯留層全体の孔隙度分布及び地熱流体の総量を獲得することは、具体的には、
下記数式に応じて地熱田全体の地熱流体総量を計算することを含み、
ことを特徴とする高温地熱田の貯留層構造孔隙度の定量的特徴付けの方法。 - 前記ステップＳ１００として、具体的には、
前記断裂の空間分布特徴には現場露頭断裂の位置、傾角、傾向、走向及び充填状況が含まれることと、
前記現場地質調査には現場露頭断面調査、地球物理検層、岩心観測及び工事検証が含まれることと、を含む、
ことを特徴とする請求項１に記載の高温地熱田の貯留層構造孔隙度の定量的特徴付けの方法。 - 前記ステップＳ２００として、具体的には、
設定された貯留層の埋没深度条件として貯留層の埋没深度が浅いことを満たし、地熱流体条件として地表に地熱流体が露出していることを満たし、断裂発達条件として断裂発達が豊富であることを満たしている地区を地球物理測点位置として決定し、該地球物理測点位置の貯留層の野外地質露頭に対して抵抗率及び孔隙度の測定を行い、異なる種類の岩石抵抗率と孔隙度のデータ集を作成することを含む、
ことを特徴とする請求項１に記載の高温地熱田の貯留層構造孔隙度の定量的特徴付けの方法。 - 前記地球物理観測データは、具体的には、
見掛け抵抗率と位相曲線を含む、
ことを特徴とする請求項１に記載の高温地熱田の貯留層構造孔隙度の定量的特徴付けの方法。 - 前記岩心データパラメータは、その獲得方法として、
岩心観測により岩心の岩質、岩相特徴、水化学及び天然断裂の亀裂分布特徴を獲得し、探査井位置の地層に対して地層の区間化を行い、地層産状、地層接触関係並びに亀裂及び断層の発達状況を観測して獲得することを含む、
ことを特徴とする請求項１に記載の高温地熱田の貯留層構造孔隙度の定量的特徴付けの方法。 - 前記方法は、さらに、
地熱開発井を配設し、地熱田高効率開発井ネットワークを形成することに用いられる、
ことを特徴とする請求項１に記載の高温地熱田の貯留層構造孔隙度の定量的特徴付けの方法。 - 高温地熱田の貯留層構造孔隙度の定量的特徴付けのシステムであって、前記システムは、
目標ブロック内の過去地質資料を収集し、目標ブロック内の過去地質資料及び現場地質調査により、地熱貯留層範囲及び断裂の空間分布特徴を獲得し、前記地熱貯留層範囲及び断裂の空間分布特徴に基づいて目標ブロック内の構造及び進化特徴を獲得し、地熱貯留層範囲、断裂の空間分布特徴並びに目標ブロック内の構造及び進化特徴に応じて、設定された貯留層の埋没深度条件、地熱流体条件及び断裂発達条件を満たす地区を、地球物理測点位置として決定するように構成される地球物理測点位置決定モジュールと、
全ての地球物理測点位置の地球物理観測データを取得し、非線形共役勾配反転方法により目標ブロック内の地熱田の地熱貯留層の抵抗率分布を取得し、抵抗率が設定閾値よりも低い区域を地熱流体高含有の貯留層として選定し、目標ブロック内の探査井位置を決定するが、具体的には、３次元可聴周波数大地電磁探査を展開し、各地球物理測点位置で「＋」字型電極配置方式を採用し、２つの直交する電場成分と２つの直交する磁場成分を採取し（Ｅｘ，Ｅｙ）及び（Ｈｘ，Ｈｙ）と記し、ｘとｙは、直交する２つの方向を表すことと、
全ての地球物理測点位置にて採取された前記電場成分及び磁場成分からなる一連の観測データに対して、高速フーリエ変換と加重最小二乗法により前記全ての地球物理測点位置の見掛け抵抗率と位相曲線を獲得することと、
得られた前記地球物理測点位置の見掛け抵抗率と位相曲線に応じて、非線形共役勾配反転方法を利用し、地熱貯留層抵抗率分布を取得し、抵抗率がプリセット抵抗率閾値よりも低い区域を地熱流体濃集領域として画定し、地熱貯留層の広がり特徴を獲得し、貯留層抵抗率がプリセット抵抗率閾値よりも低く、深度がプリセット深度閾値よりも低い、地熱流体濃集領域を選択して探査井位置を配設することと、を含むように構成される探査井位置配設モジュールと、
前記探査井位置で全井区間のコアボーリングによるコア採取を行って獲得された岩心データパラメータに応じて、岩質柱状図を作成し、オールコアボーリング検層を展開し、探査井位置の地熱貯留層の温度、温度勾配、抵抗率及び孔隙度パラメータを取得し、探査井位置の岩心データパラメータ、岩質柱状図、地熱貯留層の温度、地熱貯留層の温度勾配、地熱貯留層の抵抗率及び地熱貯留層の孔隙度パラメータに応じて地熱貯留層の地質パラメータ集を作成するように構成される地熱貯留層の地質パラメータ集構築モジュールと、
現場条件を模擬し異なる温度及び圧力の地熱流体に対して抵抗率測定を行い、異なる状態での流体抵抗率データ集を得るように構成される流体抵抗率獲得モジュールと、
前記地熱貯留層の地質パラメータ集に基づいて、訓練済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルを利用し、地熱貯留層の抵抗率及び流体抵抗率と貯留層孔隙度との間の定量関係を学習して、地熱貯留層全体の孔隙度分布及び地熱流体の総量を獲得し、高温地熱田の貯留層構造の孔隙度に対する定量的特徴付けを実現するが、具体的には、
標準ラベル付きの地熱貯留層の地質パラメータ集を取得して訓練集データと検証集データに分けるステップＡ１００と、
前記訓練集に基づいて、訓練未済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルにより訓練集の貯留層孔隙度分布画像を生成し、前記検証集に基づいて、訓練未済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルにより検証集の貯留層孔隙度分布画像を生成するステップＡ２００と、
前記訓練集の貯留層孔隙度分布画像に基づいて訓練誤差値を計算し、検証集の貯留層孔隙度分布画像に基づいて検証データ誤差を計算し、Ｌｅｖｅｎｂｅｒｇ－Ｍａｒｑｕａｒｄｔアルゴリズムによりモデル重み及びモデル偏差値を更新し、訓練誤差値がプリセットの誤差閾値よりも低くなり且つ検証データ誤差が上がり始まるまでステップＡ２００を繰り返し、訓練済みで人工ニューラルネットワークに基づいた貯留層孔隙度予測モデルを得るステップＡ３００と、を含むように構成される高温地熱田の貯留層構造孔隙度の定量的特徴付けモジュールと、を備え、
前記した、地熱貯留層全体の孔隙度分布及び地熱流体の総量を獲得することは、具体的には、
下記数式に応じて地熱田全体の地熱流体総量を計算することを含み、
ことを特徴とする高温地熱田の貯留層構造孔隙度の定量的特徴付けのシステム。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310927255.1A CN116663430B (zh) | 2023-07-27 | 2023-07-27 | 高温地热田储层结构孔隙度定量表征的方法及系统 |
| CN202310927255.1 | 2023-07-27 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP7495769B1 true JP7495769B1 (ja) | 2024-06-05 |
Family
ID=87717388
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2023205123A Active JP7495769B1 (ja) | 2023-07-27 | 2023-12-05 | 高温地熱田の貯留層構造孔隙度の定量的特徴付けの方法及びシステム |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP7495769B1 (ja) |
| CN (1) | CN116663430B (ja) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012037422A (ja) | 2010-08-09 | 2012-02-23 | Electric Power Dev Co Ltd | 地層パラメーターの推定方法 |
| CN109709626A (zh) | 2018-11-15 | 2019-05-03 | 山东省地质矿产勘查开发局 | 一种构造圈闭型弱开放式层状岩溶热储地热田找矿方法 |
| JP2020522689A (ja) | 2017-06-01 | 2020-07-30 | エクイノール・エナジー・アーエスＥｑｕｉｎｏｒ Ｅｎｅｒｇｙ Ａｓ | 地質構造の温度及び間隙率の計算方法 |
| CN112198559A (zh) | 2020-10-09 | 2021-01-08 | 中国地质大学（武汉） | 一种识别造山带区域高温水热地热田的方法及识别仪 |
| CN113775330A (zh) | 2021-09-23 | 2021-12-10 | 中油奥博(成都)科技有限公司 | 高温地热田综合地球物理勘探系统及地热甜点区评价方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2520067C2 (ru) * | 2012-08-06 | 2014-06-20 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Кубанский государственный аграрный университет" | Способ прогнозирования зон развития вторичных коллекторов трещинного типа в осадочном чехле |
| CN104977618B (zh) * | 2014-04-09 | 2017-09-22 | 中国石油集团东方地球物理勘探有限责任公司 | 一种评价页岩气储层及寻找甜点区的方法 |
| CN114592848A (zh) * | 2020-11-19 | 2022-06-07 | 中石化石油工程技术服务有限公司 | 孔隙度-电阻率-岩性匹配关系法识别低阻油气层的方法 |
| CN112922591B (zh) * | 2021-03-01 | 2021-11-26 | 中国地质大学（北京） | 泥页岩储层岩相“甜点”预测方法及系统 |
| CN115824916A (zh) * | 2022-10-17 | 2023-03-21 | 中国科学院地质与地球物理研究所 | 一种光滑平行裂隙岩体渗流温度测量装置及其解译方法 |
-
2023
- 2023-07-27 CN CN202310927255.1A patent/CN116663430B/zh active Active
- 2023-12-05 JP JP2023205123A patent/JP7495769B1/ja active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012037422A (ja) | 2010-08-09 | 2012-02-23 | Electric Power Dev Co Ltd | 地層パラメーターの推定方法 |
| JP2020522689A (ja) | 2017-06-01 | 2020-07-30 | エクイノール・エナジー・アーエスＥｑｕｉｎｏｒ Ｅｎｅｒｇｙ Ａｓ | 地質構造の温度及び間隙率の計算方法 |
| CN109709626A (zh) | 2018-11-15 | 2019-05-03 | 山东省地质矿产勘查开发局 | 一种构造圈闭型弱开放式层状岩溶热储地热田找矿方法 |
| CN112198559A (zh) | 2020-10-09 | 2021-01-08 | 中国地质大学（武汉） | 一种识别造山带区域高温水热地热田的方法及识别仪 |
| CN113775330A (zh) | 2021-09-23 | 2021-12-10 | 中油奥博(成都)科技有限公司 | 高温地热田综合地球物理勘探系统及地热甜点区评价方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116663430A (zh) | 2023-08-29 |
| CN116663430B (zh) | 2023-09-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Held et al. | Economic evaluation of geothermal reservoir performance through modeling the complexity of the operating EGS in Soultz-sous-Forêts | |
| Paolucci et al. | A large scale ambient vibration survey in the area damaged by May–June 2012 seismic sequence in Emilia Romagna, Italy | |
| CN105759310B (zh) | 复杂非均质储层介质中地震波衰减及速度频散预测方法 | |
| CN109001823B (zh) | 一种电磁大地透镜探测方法和探测装置 | |
| CN206960673U (zh) | 一种探查河道溶洞的多维探测装置 | |
| Chesnaux et al. | Regional fracture network permeability using outcrop scale measurements | |
| Kaieda et al. | Review of the Ogachi HDR project in Japan | |
| Comerford et al. | Controls on geothermal heat recovery from a hot sedimentary aquifer in Guardbridge, Scotland: Field measurements, modelling and long term sustainability | |
| CN102288996A (zh) | 叠前afi反演定量预测含气概率的方法 | |
| Mortimer et al. | The role of in situ stress in determining hydraulic connectivity in a fractured rock aquifer (Australia) | |
| JP7495769B1 (ja) | 高温地熱田の貯留層構造孔隙度の定量的特徴付けの方法及びシステム | |
| Li et al. | In situ estimation of relative permeability from resistivity measurements | |
| CN114236624B (zh) | 基于电磁法估算压裂改造空间体积的方法和系统 | |
| Bataleva | Processing, analysis and interpretation of time-frequency series for magnetotelluric monitoring | |
| Dong et al. | Diagnosis of concentrated leakage channel embedded in dam base by means of hydraulic tomography | |
| Kitano et al. | Outline of the Ogachi HDR project and character of the reservoirs | |
| Aydin et al. | Characterization of Geothermal Reservoirs | |
| CN113447991A (zh) | 地下电性异常体重建方法及装置 | |
| Swyer et al. | Using boundary element modeling of fault slip to predict patterns of stress perturbation and related fractures in geothermal reservoirs and explore parameter uncertainty | |
| CN116819647B (zh) | 一种基于交叉梯度结构约束的水文地球物理数据融合方法 | |
| CN112415584B (zh) | 重磁电震联合反演共网格单元的初值填充方法及装置 | |
| Liem et al. | Prior with Far-Field Stress Approximation for Ensemble-Based Data Assimilation in Naturally Fractured Reservoirs | |
| CN113447990B (zh) | 井场电性异常体观测方法及装置 | |
| CN117436301B (zh) | 基于非结构有限元考虑激电效应的时移大地电磁正演方法 | |
| Hu | Analyzing hydraulic fractures using time-lapse electric potential data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231205 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20231205 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231226 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240226 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240319 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240409 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240423 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240517 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7495769 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |