Optimization of geothermal energy reservoir modeling using advanced numerical tools for stochastic parameter estimation and quantifying uncertainties

Vogt, Christian; Clauser, Christoph

doi:32170

Optimization of geothermal energy reservoir modeling using advanced numerical tools for stochastic parameter estimation and quantifying uncertainties = Optimierung geothermischer Reservoir-Modellierung durch fortgeschrittene numerische Werkzeuge zur stochastischen Parameterschätzung und zum Quantifizieren von Unsicherheiten

Vogt, Christian (Author)

2013

VerantwortlichkeitsangabeChristian Vogt

ImpressumAachen : E.ON Energy Research Center, RWTH Aachen University 2013

UmfangIII, 145 S. : Ill., graph. Darst., Kt.

ReiheE.On Energy Research Center : GGE - Applied geophysics and geothermal energy ; 13

Zugl.: Aachen, Techn. Hochsch., Diss., 2013

Zsfassung in dt. und engl. Sprache

Genehmigende Fakultät
Fak05

Hauptberichter/Gutachter
Clauser, Christoph (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2013-02-18

Online
URN: urn:nbn:de:hbz:82-opus-45088
URL: https://publications.rwth-aachen.de/record/211527/files/4508.pdf

Einrichtungen

Inhaltliche Beschreibung (Schlagwörter)
Geothermische Energie (Genormte SW) ; Unsicherheit (Genormte SW) ; Modellierung (Genormte SW) ; Kalman-Filter (Genormte SW) ; Geowissenschaften (frei) ; Ensemble-Kalman-Filter (frei) ; stochastisches numerisches Modell (frei) ; geothermal energy (frei) ; quantifying uncertainty (frei) ; Enhanced Geothermal System (frei) ; Ensemble Kalman Filter (frei) ; stochastic numerical modeling (frei)

Thematische Einordnung (Klassifikation)
DDC: 550

Kurzfassung
Die Geothermie bietet eine vielversprechende Möglichkeit der CO2-armen Energieversorgung in Form von Wärme oder elektrischem Strom. Große Unsicherheiten von erwarteter Temperatur und Fließrate verhindern bisher jedoch eine genaue Prognose der Entzugsleistung geothermischer Anlagen und stellen damit ein massives Hindernis für die Nutzung der Georessource dar. Ziel der vorliegenden Arbeit ist die Entwicklung stochastischer Methoden zur Prognose des zeitlichen Druck- und Temperaturverlaufs von geothermischen Reservoiren samt einer Quantifizierung der zugehörigen Unsicherheit auf Basis thermischer und hydraulischer Gesteinsparameter. Dazu werden stochastischen Vorwärtsmodellierungs- und Inversionsansätze zur Simulation von Wärme- und Stofftransport verwendet. Dieses Vorgehen reduziert Unsicherheiten der Parameter und Systemzustände drastisch, im Fall der Temperatur in etwa 2000 m Tiefe um 50% bis 67% je nach Ziellokation. Stochastisches Assimilieren von Produktionsdaten, beispielsweise mit Hilfe des Ensemble-Kalman-Filters, erlaubt zudem die Schätzung der räumlichen Verteilung der Permeabilität in sedimentären und geklüfteten Reservoiren sowie deren Unsicherheit. Verschiedene Fallbeispiele geothermischer Reservoire werden untersucht. i) Synthetische Reservoire, um die numerischen Werkzeuge Sequentielle Gauß’sche Simulation – kombiniert mit einer geostatistischen Analyse – sowie Ensemble-Kalman-Fitler zu testen. (ii) Es werden Temperaturunsicherheiten einer geothermischen Dublette in einem sedimentären Reservoir in Den Haag in den Niederlanden quantifiziert. (iii) Außerdem werden zusätzlich zur Temperatur Unsicherheiten des Produktionsdrucks im Nordostdeutschen Becken betrachtet. Ein alternatives Konzept zur Dublette ermöglich hier zudem die Ausbeute geothermischer Energie entlang einer Verwerfung unter Nutzung nur einer Bohrung. Gradientenbasierte deterministische Bayes’sche Inversion erlaubt die Schätzung der basalen Wärmestromdichte. (iv) Schließlich wird ein Enhanced Geothermal System in einem kristallinen Reservoir in Soultz-sous-Forêts, Frankreich, mit Hilfe der Sequentiallen Gauß’schen Simulation und des Ensemble-Kalman-Filters betrachtet. Zu diesem Zweck liegen Daten aus einem Markierungsversuch aus dem Jahr 2005 vor. Die beiden verschiedenen stochastischen Methoden ermöglichen die Identifizierung bester Schätzwerte der hydraulischen Parameter, zeigen Uneindeutigkeit der Lösungen auf und erlauben einen Vergleich stochastischer (massives Monte Carlo, Ensemble-Kalman-Filter) und deterministischer (gradientenbasierte Bayes’sche Inversion) Schätzverfahren. Basierend auf dieser Schätzung wird auch eine Langzeitprognose in Hinblick auf die Temperaturentwicklung samt der zugehörigen Unsicherheiten angegeben. Mit Hilfe der vorgestellten Verfahren können Betreiber einer geothermischen Anlage eine in Hinblick auf Nachhaltigkeit oder Profit optimierte Förderstrategie für jedes Reservoir individuell auf Basis kalibrierter Untergrundmodelle entwickeln.

Geothermal energy is an option for low carbon production of heat or electric energy. For further developments of this resource, a major obstacle is the risk of project failure due to uncertain estimates of flow rate and temperature (and, hence, produced power) of geothermal installations. In this work, I develop and apply stochastic methods and modeling strategies for predicting the variation of pressure, temperature, and their uncertainty with time within geothermal reservoirs based on observed thermal and hydraulic rock property distributions. This comprises stochastic forward and inverse modeling approaches for simulating heat and tracer transport as well as fluid flow numerically. The approaches reduce the corresponding a priori uncertainties of perturbed parameters and states drastically by 50%-67% in case of temperature at a depth of 2000 m, depending on the target location. Furthermore, I estimate the spatial distribution of permeability as well as its uncertainty by applying the stochastic assimilation technique of Ensemble Kalman Filtering on production data for sedimentary rocks and fractured hard rocks. This addresses structure and parameter heterogeneity within the reservoir. I study different geothermal reservoirs, such as (i) numerous synthetic reservoirs to test the tools of Sequential Gaussian Simulation combined with geostatistical post-processing and Ensemble Kalman Filter. (ii) Further, I quantify temperature uncertainties of a doublet system in a sedimentary reservoir in The Hague, The Netherlands. (iii) In addition to temperature uncertainties, I study pressure uncertainties at a reservoir in the north-eastern German basin. Here, also a single-well design for exploitation of geothermal energy along a fault zone proofs to represent an alternative to doublet layouts. By gradient-based deterministic Bayesian inversion, basal specific heat flow is revealed. (iv) Finally, I investigate the hard rock reservoir of the Enhanced Geothermal System at Soultz-sous-Forêts, France, using Sequential Gaussian Simulation and Ensemble Kalman Filtering in an equivalent porous medium approach. A tracer circulation test performed in 2005 provides data for the inversion. Applying the two different stochastic methods allows for identifying best estimates for the heterogeneously distributes hydraulic parameters, studying their non-uniqueness, and comparing the results from stochastic (massive Monte Carlo, Ensemble Kalman Filter) and deterministic (gradient-based Bayesian inversion) estimation techniques. Based on the Ensemble Kalman Filter estimation results, I perform a long-term performance prediction with regard to transient temperature variation including corresponding uncertainties. The presented work flows constitute a method for creating calibrated reservoir models based on data which will allow the operators of a geothermal installation to compute production scenarios optimized with respect to profit or sustainability.

Fulltext:
PDF