Multikriterielle Optimierung von geothermischen Reservoiren unter Unsicherheit mithilfe von experimentell gestützten Proxy-Modellen
In dieser Publikation befassen wir uns mit der Optimierung des Designs von geothermischen Reservoiren unter geologischen Unsicherheiten mithilfe eines multikriteriellen Partikelschwarm-Optimierungsansatzes (MOPSO) in Kombination mit Response Surface Modellen. Bei der simulationsgestützten Bestimmung optimaler Bohrlochplatzierungen in einem geothermischen Reservoir ist es wichtig, geologische Unsicherheiten in numerischen Modellen angemessen zu berücksichtigen. Dies erfordert jedoch die Variation der Parameter und die Durchführung einer Vielzahl von rechenintensiver Simulationen. Da die Berechnung eines einziges geologischen Modells die Variabilität, die geologischen Parametern innewohnt, nicht berücksichtigt, birgt sie das Risiko einer suboptimalen Bohrlochplatzierungen.
Unsere Studie wendet eine Kombination zahlreicher Lagerstättensimulationen an, um eine Reihe von geologischen Szenarien zu erfassen und auf ihrer Grundlage verschachtelte Ensembles von diskreten Proxy-Modellen zu erstellen. Diese werden als Response Surfaces bezeichnet und können Metriken wie Auslasstemperatur und Bohrlochsohlendruck (BHP) mit hinreichender Genauigkeit vorhersagen. Einmal trainiert, ermöglichen Response-Surface-Modelle wesentlich schnellere Vorhersagen der Reservoirleistung als typische numerische Simulationen und ermöglichen somit die Anwendung mathematischer Optimierungsmethoden zur Bestimmung der Bohrlochplatzierung. Wir zeigen, dass Response Surface-Modelle ein geeignetes Instrument für die Optimierung der Erschließung von geothermischen Reservoiren sind, und es gleichzeitig erlauben mehr Parameter unter Unsicherheit und somit eine größere Vielfalt geologischer Szenarien zu berücksichtigen, als dies mir rein numerischen Simulationsmodellen möglich wäre.