Abstract:
Unter den erneuerbaren Ressourcen nimmt die Geothermie aufgrund ihrer Grundlastfähigkeit eine einzigartige Stellung ein. Bei der Gewinnung von geothermischen Energiequellen ist einer der entscheidenden Parameter die Formationstemperatur, die das thermische Potenzial des geothermischen Systems und die installierte Leistung der erzeugten Energie bestimmt. Um Hochtemperaturzonen zu erreichen, werden Tiefbohrungen mit fortschrittlichen Technologien wie dem Enhanced Geothermal System durchgeführt. Insbesondere die hohe Produktivität und Effizienz der Stromerzeugung aus superkritischen geothermischen Ressourcen haben in den letzten Jahren Initiativen motiviert, in ultraheiße Magmakammern zu bohren. ... mehrDa die Formationstemperatur während der Bohrung jedoch in der Regel stark gestört wird, müssen die Temperaturdaten aus Bohrlöchern interpretiert werden, um die wahre Formationstemperatur im thermischen Gleichgewicht zu bestimmen, die auch als statische Formationstemperatur (SFT) bezeichnet wird. Der herkömmliche Ansatz zur Bestimmung der SFT besteht darin, Korrekturen an den Temperaturdaten vorzunehmen, die während eines ausreichenden Zeitraums nach Beendigung der Bohrung (auch Shut-in genannt) gemessen wurden. Die Anwendung einer solchen Methode kann jedoch in Hochenthalpie-Bohrlöchern auf mehrere Herausforderungen stoßen, einschließlich wirtschaftlicher und technischer Beschränkungen bei der Durchführung von Hochtemperaturmessungen während langer thermischer Erholungsphasen und Sicherheitsfragen, wenn Verrohrung und Instrumente hohen Temperaturen ausgesetzt sind. In einem solchen Zusammenhang kann es notwendig sein, andere Techniken zur Interpretation von Temperaturdaten zu verwenden, die unter einer anderen Strömungsbedingung, wie z.B. der Injektion, gemessen wurden, um diese Einschränkungen bei der Datenerfassung zu überwinden.
Diese Arbeit befasst sich mit der Bestimmung der SFT von Hochtemperaturbohrungen durch Anwendung numerischer Modellierungs- und Inversionstechniken auf Temperaturdaten, die unter Kühlbedingungen (oder unterkritischen Bedingungen) gewonnen wurden. Hintergrund ist das Island Deep Drilling Project, bei dem eine alte Produktionsbohrung (RN-15) zu einer neuen Explorationsbohrung (RN-15/IDDP-2) vertieft wird. Während der Bohrung trat ein ernstes Problem auf: der hohe Zirkulationsverlust in mehreren Verlustzonen. Die Messdaten zeigen, dass die Flüssigkeit am Boden des Bohrlochs einen überkritischen Zustand erreicht hat, auch wenn sich das thermische Feld nicht im Gleichgewicht befindet. Da diese Daten gemessen werden, während noch kaltes Wasser in das Bohrloch injiziert wird, stellt sich die Frage, ob es möglich ist, die SFT und unbekannte Strömungsverluste aus den Temperaturlogs der Injektion zu bestimmen. Vor diesem Hintergrund habe ich in dieser Dissertation zunächst Simulationsstudien durchgeführt, um unser Verständnis der thermischen Prozesse beim Bohren und Loggen zu verbessern. Anschließend habe ich Inversionsarbeitsabläufe entwickelt, die sowohl eine strenge Quantifizierung der Unsicherheiten in den Schätzungen als auch die Berechnung der posterioren Wahrscheinlichkeitsdichtefunktion für die SFT-Schätzungen ermöglichen.
In der ersten Studie werden zunächst die Faktoren und Prozesse untersucht, die die Temperaturentwicklung im Bohrloch während der Injektions- und Shut-in-Perioden beeinflussen. Bei der thermischen Modellierung von Temperaturlogs werden verschiedene Bohrszenarien für Bohrungen mit hoher Enthalpie berücksichtigt, z.B. Injektions- und Shut-in-Bedingungen in mehreren Verrohrungssträngen und das Vorhandensein von Strömungsverlusten. In der frühen Übergangsphase des Shut-in ist die Bohrlochtemperatur sehr empfindlich gegenüber der Wärmeübertragungsrate zwischen der Bohrlochflüssigkeit und der festen Wand. Insbesondere wird die Rolle der freien Konvektion hervorgehoben, indem gezeigt wird, dass die richtige Parametrisierung der Wärmeübertragungsrate durch freie Konvektion den Wert der vorhergesagten Bohrlochtemperatur erheblich beeinflusst. Andererseits ist die Bohrlochtemperatur bei der Flüssigkeitsinjektion stark von der Durchflussrat abhängig. Diese Abhängigkeit ermöglicht die Verwendung eines Injektions-Temperaturprotokolls zur Identifizierung und Quantifizierung von Strömungsverlusten im Bohrloch. Schließlich wird die SFT aus den Temperaturlogs mit Hilfe der Horner-Plot-Methode abgeleitet. Die Ergebnisse weisen auf zwei Probleme hin: die Interpretation von Temperaturlogs, die während des Shut-in aufgezeichnet wurden, würde Daten erfordern, die nach einer langen Shut-in-Periode gemessen wurden; die Kühlung des Bohrlochs kann große Fehler bei der Schätzung der SFT verursachen. Diese Aspekte machen deutlich, dass die Anwendung der Horner-Plot-Methode in Hochtemperaturbohrlöchern sehr schwierig sein kann.
Abstract (englisch):
Among renewable resources, geothermal energy occupies a unique position due to its base-load capability. When mining geothermal energy resources, one of the crucial parameters is the formation temperature, which determines the thermal potential of the geothermal system and the installed capacity of the generated power. To reach high-temperature zones, deep boreholes are drilled using advanced technologies such as the Enhanced Geothermal System. In particular, the high productivity and efficiency of power generation from supercritical geothermal resources have motivated initiatives to drill into ultra-hot magma roof zones in recent years. ... mehrSince the formation temperature is usually highly disturbed during drilling, it is necessary to interpret the temperature data from boreholes to determine the actual formation temperature at thermal equilibrium, also known as the static formation temperature (SFT). The conventional approach to determining the SFT is to apply corrections to temperature data measured during a sufficient period after drilling is stopped (also called the shut-in phase). However, using such a method can face several challenges in high-enthalpy boreholes, including economic and technical constraints on conducting high-temperature measurements during long thermal recovery periods and safety issues when casings and instruments are exposed to high temperatures. In such a context, it can be necessary to employ other techniques to interpret temperature data measured under a different flow condition, such as injection, to overcome these limitations in data acquisition.
This work addresses the determination of the SFT from high-temperature boreholes by applying numerical modeling and inversion techniques to temperature data obtained under cooling (or sub-critical) conditions. It is motivated by the Iceland Deep Drilling Project, which involves deepening an old production well, RN-15, into a new exploration well called RN-15/IDDP-2. During the drilling, a severe problem that occurred is the high circulation loss at several loss zones. Measured temperature data show that the fluid at the well bottom has reached a super-critical state even when the thermal field is non-equilibrium. Since these data are obtained while cold water is still being injected into the well, the question arises as to whether it is possible to determine the SFT and unknown flow losses from the injection temperature logs. With this in mind, I first performed simulation studies in this dissertation to improve our understanding of the thermal processes during drilling and logging. I then developed inversion workflows that allow both rigorous quantification of the uncertainties in the estimates and calculation of the posterior probability density function for the SFT estimates.
The first study examines the factors and processes that influence the temperature evolution in the borehole during fluid injection and shut-in periods. Thermal modeling of temperature logs considers various drilling scenarios for high-enthalpy boreholes, such as injection and shut-in conditions in multiple casing strings and the presence of circulation losses. In the early transient stage of the shut-in, the borehole temperature exhibits high sensitivity to the heat transfer rate between the borehole fluid and the solid wall. On the other hand, during fluid injection, the borehole temperature is highly dependent on the flow rate. Such a dependence enables the analysis of temperature logs to identify and quantify the downhole flow losses. Finally, the SFT is derived from temperature logs by applying the Horner plot method. The results highlight two aspects: interpretation of temperature logs recorded during shut-in would require data measured after a long shut-in period; downhole cooling can lead to large errors in the SFT estimation. These aspects make it clear that the application of the Horner-plot type of method to high-enthalpy boreholes can be very challenging.
Subsequently, temperature data measured during standard injections are inverted to determine the SFT. An inverse modeling study incorporating machine learning techniques is conducted to quantify the uncertainty in the interpretation of these logs. The advantage of the applied approach is that it iteratively proposes new sample points located in the most informative model space based on results from the previous simulation runs. Solutions are searched for the model parameters that lead to temperature predictions with the same quality of fit as the actual temperature values. A contour map is then created for straightforward uncertainty quantification. Several aspects are examined for their impact on the accuracy of the SFT prediction, such as injection conditions (i.e., injection rate and duration) prior to the acquisition of temperature measurements, the presence of flow loss zones, the quality of the temperature data, and the constraints applied in the inversion (e.g., misfit function and prior information). The study shows that temperature data measured under higher flow rates or after longer injection times could lead to less reliable results for the SFT prediction. Moreover, efforts should be made to collect high-quality temperature data and, if possible, integrate more information such as the magnitude of flow losses and the variation of the thermal gradient with depth.
In the third study, the SFT is estimated following the Bayesian framework, where the posterior probability density function can be calculated. To overcome the problem of high computational cost due to a large number of forward evaluations, surrogate models are constructed using artificial neural networks to increase the computational speed at each forward run. The inversion workflow is first tested on synthetic scenarios to verify its validity and examine the effects of measurement noise and the presence of drilling losses on the quality of the estimates. The SFT can be predicted with high accuracy if accurate measurements are used. However, in the presence of flow losses, the uncertainty in SFT estimates would increase, especially at depths below the loss zones. In addition, noise in the data is a strong source of error for SFT determination. For the real example of the high-temperature well in the Reykjanes geothermal field - RN-15/IDDP-2, an injection temperature log is inverted to determine the drilling losses in three loss zones and the SFT. It is found that drilling losses can be well quantified from temperature log for this well. But the SFT estimates at different depths are subjected to great uncertainties due to the lack of prior information on the change in geothermal gradient with depth. Nevertheless, the probable values for the SFT at 4500 m predicted by this study are comparable with the published results of other relevant work.
