Geri Dön

Probability based volumetric 'heat in-place' methods for predicting power (electricity) generation potential of liquid-dominated geothermal systems

Sıvı-egemen jeotermal sistemlerin güç (elektrik) üretim potansiyelinin olasılığa dayalı hacimsel 'yerinde depolanmış ısı potansiyeli' yöntemi ile öngörülmesi

PDF İndir

  1. Tez No: 465428
  2. Yazar: MELEK ALTIN
  3. Danışmanlar: PROF. DR. MUSTAFA ONUR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Petrol ve Doğal Gaz Mühendisliği, Petroleum and Natural Gas Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Petrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 180

Özet

Keşfedilen bir jeotermal rezervuarda ne kadar ısı depolandığı ve bu ısının ne kadarının elektrik veya güç üretimine çevrilebileceği konusunda gerçekçi yaklaşımlarda bulunabilmesi jeotermal rezervuar mühendisliğinin en önemli gereklerinden biridir. Jeotermal kaynakların ne kadar rezerv içerdiği konusunda yapılacak yaklaşımlarda alansal uzanım, kalınlık, kaynak sıcaklığı, gözeneklilik, yoğunluk, sabit basınçta hacimsel belirlenimsel ısı kapasitesi gibi parametreler için gerçekçi tahminler yapmak gerekir. Ayrıca üretilebilirlik faktörü de jeotermal rezervin ne kadarının üretilebilir olduğu konusunda yapılacak yaklaşımlarda kullanılacak en büyük belirsizliği içeren önemli bir parametredir. Deterministik yaklaşımlar belirsizliği sayısallaştırmadığı için üretilebilir rezerv tahminlerinde hacimsel olasılıklı yaklaşımlar sıkça kullanılmaktadır. USGS (Birleşik Devletler Jeolojik Araştırma) ve MIT (Massachusetts Teknoloji Enstitüsü) yöntemleri bu amaçla sıkça kullanılan hacimsel olasılıklı yöntemler olarak rezervuar girdi veri parametrelerini dağılımsal yaklaşımlarla incelerler. Bu yöntemler Monte Karlo (MK) simulasyon yöntemi ya da ona basit bir alternatif olan Analitik Belirsizlik Yayılma (ABY) (Onur et.al. 2010) yöntemiyle ilişkilendirildiklerinde üretilebilir rezerve ilişkin yaygınca kullanılan olasılıklı P10 (kanıtlanmış), P50 (olası) ve P90 (olasılıklı) istatistiksel sonuçları ortaya koyarlar. Tektonik yapı, çatlak dağılımı, gözeneklilik, kalınlık, alansal yayılım, ısı akışı mekanizmaları gibi rezervuar karakteristiklerindeki belirsizlikler nedeniyle jeotermal sahaların yerinde rezerv hesaplamalarında bu parametrelere ait kesin bilgi ve görüşlere sahip olabilmenin olanaksızlığı açıktır. Bu nedenle araştırmacılar açısından belirlenimsel yöntemlerden ziyade olasılıksal modellere yönelmek daha gerçeğe yakın sonuçlara ulaşabilmek açısından önem taşımaktadır. Monte Karlo modelleme ve analitik belirsizlik yayılım yöntemleri sonuçlarını belirsizliği sayısallaştırarak P10 (kanıtlanmış), P50 (olanaklı) ve P90 (olası) değerleri şeklinde ortaya koymaktadırlar. Örneğin; • Eğer bu hesaplamalar sonucunda tahmin edilen P10 değeri 200 MWe ise bunun anlamı sahanın gerçek üretilebilir rezerv değerinin 200 MWe'den %90 olasılıkla daha fazla olduğudur. Yani tahmin edilen 200 MWe'lık potansiyel rezervin bilinmeyen gerçek değerden daha az ya da bu değere eşit olma olasılığı %10'dur. • Eğer tahmin edilen P50 değeri 300 MWe ise bunun anlamı sahanın erçek üretilebilir potansiyeldeğerinin 300 MWe'den %50 olasılıkla daha fazla olduğudur. Yani tahmin edilen 300 MWe'lık potansiyel rezervin bilinmeyen gerçek değerden daha az ya da bu değere eşit olma olasılığı %50'dir. • Benzer şekilde, eğer tahmin edilen P90 değeri 400 MWe ise bu sahanın gerçek üretilebilir elektrik potansiyeli değerinin %10 olasılıkla 400 MWe'den daha fazla olduğu anlamına gelir. Yani tahmin edilen 400 MWe'lık potansiyel rezervin bilinmeyen gerçek değerden daha az ya da bu değere eşit olma olasılığı %90'dır. Bu örneklemeler P10 değerinin biraz daha karamsar ve P90 değerinin ise aşırı iyimser tahminler ortaya koyduğunu göstermektedir. Eğer tahmin edilen rezerv simetrik bir dağılım gösteriyorsa, ki bu nadiren rastlanan bir durumdur, P50 değerinin ortalama potansiyel değerine daha yakın ya da eşit olması bu değerin gerçekleşmesi olasılığının güvenilirliğini arttırmaktadır. Ancak rezerv dağılımları genellikle log-normal bir dağılım gösterdiklerinden P10 değerinin kullanımı daha tercih edilir olarak görülmektedir (Capen 1996, 2001). Örneğin P10 değeri özel ve kamu yatırımlarımcılarının ya da kuruluşlarının petrol, doğal gaz ya dajeotermal reservuar potansiyelini sınıflandırmak ve projelere maddi destek sağlamak konusunda yatırımcıların ve karar verici mekanizmaların değerlendirdiği ölçütlerdir (Capen, 2001). USGS ve MIT yöntemleri kurulu bulunan ya da kurulacak olan güç çevrim sisteminin türünü ve termodinamiğin ikinci yasasını göz önünde bulundurmaksızın keyfi seçilmiş referans sıcaklıkları ve çevrim verimliliği parametreleriyle çalışırlar. Bu durum Garg ve Combs (2015) tarafından gösterildiği gibi güç üretim potansiyeli tahminlerinde üzere aşırı iyimser sonuçların elde edilmesine neden olur. Garg ve Combs (2015) jeotermal sahalardan üretilebilir güç potansiyelinin hesaplanmasında kaynak sıcaklığına bağlı olarak çalışan yeni bir yaklaşım önerdiler. Bu yaklaşıma göre eğer kaynak sıcaklığı 180 0C'nin üzerinde ise bu jeotermal saha tekli ya da ikili flash güç çevrim sistemleri için uygundur. Eğer kaynak sıcaklığı 57 oC ile 180 oC arasındaysa bu jeotermal sahadan en yüksek verimde güç üretebilmek için kurulması gerekli güç çevrim santrali türü çiftli akışkan (binary) olmalıdır. Ayrıca bu yeni yaklaşım hacimsel olasılıklı rezerv tahminlerinde girdi parametrelerinin de bu güç çevrim sisteminin termodinamik özellikleriyle uyumlu olmasını gerekli kılmaktadır. Olasılıklı rezerv yaklaşımlarında Monte Karlo simulasyon yöntemi oldukça sık kullanılan bir yöntem olmakla birlikte Analitik Belirsizlik Yöntemi de Monte Karlo Yöntemi'ne çok yakın sonuçlar veren (1%-5% farkla) bir alternatif yöntemdir. Bu tez çalışmasında incelenen USGS, MIT ve Garg & Combs (2015) yöntemlerinin tümü hem MK simülasyon yöntemiyle hem de AB yöntemiyle incelenmiş ve sonuçlar MK yöntemi ile karşılaştırmalı olarak verilmiştir. Her üç yaklaşım için ABY denklemleri türetilmiştir. Daha sonra ABY yönteminin USGS, MIT ve Garg & Combs (2015) yaklaşımlarına uygulamaları gösterilmiş ve bulunan sonuçlar MK simulasyon yönteminden bulunan sonuçlarla kıyaslanmıştır. ABY yönteminden elde edilen sonuçlar MK yönteminden elde edilen sonuçlarla mükemmel bir uyum göstermiş ve böylece hacimsel yaklaşımlarda geniş kapsamlı MK simulasyonlarının ve bu amaçla ticari yazılımların kullanımının gereksizliğini ortaya konmuştur. Kullanılan keyfi ve rastgele değerler sonucunda aşırı iyimser değerler ortaya koyan USGS ve MIT yöntemlerinin uygun kullanımları ile ilgili önerilerde bulunulmuştur. Bu tezin son bölümünde, Garg ve Combs (2015) yöntemi, Başel'in 2010 doktora tezinde üzerinde çalışmış olduğu 25 jeotermal sahaya aynı girdi parametreleri kullanılarak uygulanmış ve Başel'in MIT yöntemi ile değerlendirdiği güç potansiyeli tahminleri, Garg & Combs (2015) Monte Karlo ve Analitik Belirsizlik yöntemlerinin kullanımıyla elde edilen sonuçlarla kıyaslanmıştır. Böylelikle MIT yönteminin ne kadar iyimser sonuçlar ortaya koyduğu değerlendirilmiştir. Bu 25 jeotermal saha, kaynak sıcaklıkları 100 0C'nin üzerinde olduğu için elektrik üretimine uygun sahalar olarak değerlendirilmiştir. Ancak günümüzde kaynak sıcaklığı 57-180 0C arasında olan jeotermal sahalardan en verimli biçimde güç üretebilen çift akışkanlı (binary) güç çevrim sistemleri geliştirilmiştir. Garg ve Combs (2015) yöntemi Monte Karlo ve Analitik Belirsizlik yöntemi yaklaşımlarıyla, hiçbir rastgele ya da keyfi değerin kullanımına meydan vermeksizin, kurulu güç çevrim sisteminin ve sistemde kullanılan jeotermal ya da ikincil akışkanın termodinamik özelliklerine bağlı olarak, aşırı iyimserlikten uzak, daha gerçekçi rezerv tahmin tahminleri yapabilmeyi mümkün kılmaktadır. Bu yöntem, referans sıcaklık (ya da terk sıcaklığı) ve güç çevrim verimliliği parametrelerinin kullanımındaki öznelliği ortadan kaldıran en iyi yöntemdir. Bu tez çalışmasında, Garg ve Combs yöntemi kullanılarak MK ve AB yaklaşımları ile, sözü edilen 25 saha için elde edilen üretilebilir güç potansiyel değerleri aritmetik toplamı P10=661 MWe, P50=1165 MWe ve P90=1909 MWe olarak bulunmuştur. Öte yandan aynı sahalar için Başel (2010) P10=840 MWe, P50=1428 MWe ve P90=2371 MWe değerlerini öngörmüştür. Bu 25 jeotermal saha için aynı rezervuar girdi parametreleri kullanılmış olması dolayısıyla MIT yönteminin bu 25 saha için Türkiye'nin güç üretim potansiyelini aşırı iyimser tahmin ettiği gayet açıktır.

Özet (Çeviri)

Reserve estimation is the vital part of reservoir engineering to be able to get an idea about the accumulation and the producibility of the reserve. One should make realistic guesses about the areal extension, thickness, resource temperature, porosity, density, isobaric, volumetric specific heat capacity of reservoir rock to be able to make reserve estimations of the geothermal resource. Also recovery factor is an important input parameter having the most uncertainty in estimation of the recoverable portion of the reserve in geothermal field. It is very usual to use a volumetric probabilistic approach for the purpose of getting recoverable reserve estimations because deterministic approaches do not consider uncertainty propagation in estimation. USGS (United States Geologic Survey) and MIT (Massachusetts Institute of Technology) methods are widely used for volumetric probabilistic approaches to reserves with estimated input data distributions of the reservoir parameters (Garg and Combs, 2015), (Başel, 2010). When these methods are associated with probabilistic methods like MC (Monte Carlo) or its simple alternative Analytic Uncertainty Propagation (Onur et al. 2010), they give probabilistic results to assess the uncertainty in the estimation by using commonly used statistical markers of P10 (proved), P50 (probable) and P90 (possible). Clearly it is impossible to have an exact idea for the geothermal in-situ reserves due to the included uncertainties related to reservoir characteristics such as tectonic settlement, fracture networking, porosity, thickness, areal extension, heat flow mechanism or so. That is why researchers often use stochastic approaches instead of deterministic ones. Monte Carlo simulation or analytical based uncertainty propagation methods give results by using statistical markers P10 (proved), P50 (probable) and P90 (possible) to propagate the uncertainty. These markers represent the confidence of the estimated results belong to real geothermal reserve.“P”stands for the percentile of confidence. As an example; If one says; • The estimated P10 value is 200 MWe then that means there is at least a 90% probability (chance of occurance) that the exact, unknown reserves recovered will be equal or exceed the estimated value of 200 MWe. This is equivalent to starting that there is a 10% chance of occurance that the estimated value of 200 MWe will be equal or less than the unknown reserves recorded. • The estimated P50 value is 300 MWe then that means there is at least a 50% probability (chance of occurance) that the exact, unknown reserves recovered will be equal or exceed the estimated value of 300 MWe. This is equivalent to starting that there is a 50% chance of occurance that the estimated value of 300 MWe will be equal or less than the unknown reserves recorded. • The estimated P90 value is 400 MWe then that means there is at least a 10% probability (chance of occurance) that the exact, unknown reserves recovered will be equal or exceed the estimated value of 400 MWe. This is equivalent to starting that there is a 90% chance of occurance that the estimated value of 400 MWe will be equal or less than the unknown reserves recorded. These examples show that the P10 provides a conservative estimate of reserves, while the P90 provides an overoptimistic estimate of reserves. If the distribution of reserves is symmetrical, which is rarely the case, it could be said that P50 value has a more confidence to occur because it is closer or equal to the mean value of the real potential of reserve. However, the distribution of the reserves is usually log-normal and hence, it is usually preferable to consider the tails of the distribution (Capen 1996, 2001). For example, P10 is the value used to solicit financing from banks and these statistical markers are also required by private and government institutions or agencies to classify the potential of the oil, gas or geothermal reservoirs as well as providing finance to the projects proposed by the investors or decision makers (Capen 2001). USGS and MIT methods use arbitrarily chosen reference temperature and thermal power conversion efficiency values for their estimations without taking the second law of thermodynamic and the installed power conversion system into consideration. So this leads to overestimated results of reserve estimations, as shown by Garg and Combs (2015). Garg and Combs (2015) proposed a new method that a geothermal field must be treated with an approximation that relies on the resource temperature of the reservoir. If the reservoir temperature value is higher than 180 oC than this reservoir is proper for single or double flash power conversion system and if the reservoir temperature is between 57-180 oC then a binary power plant should be installed to be able to produce electricity from the resource efficiently. Also the input parameters used for the volumetric probabilistic reserve estimation should be chosen related and accordant to the power conversion system. Monte Carlo simulation method is the widely used method for reserve approximations in a probabilistic way and also analytical uncertainty propagation method presents an alternative analytical way to probabilistic reserve estimations giving very close resultant values in comparison to Monte Carlo simulations. In this thesis, all volumetric estimations of power generation potential based on USGS, MIT and Garg and Combs (2015) have been evaluated by MC simulation and AUP methods. The working equations of AUPM for each of the three methods have been derived in this thesis. Then, the applications of AUP method have been presented and compared with the MC simulation results applied to USGS, MIT and Garg and Combs (2015) methods. The results predicted by the new AUPM equations derived in this work showed an excellent agreement, not requiring extensive MC simulations and a commercial software use. Suggestions were made about the usage of USGS and MIT methods that give overestimated results by the usage of arbirtarily chosen reservoir input parameters. At the last section of this thesis, Garg and Combs (2015) method was applied to 25 geothermal fields of Turkey, which are amenable to power generation, by MCM and AUPM approximations. The same 25 fields were originally considered and studied by Başel in 2010 in her PhD thesis by using the MIT method. In Başel's dissertation, these geothermal fields were all treated by a reference temperature of 100 0C when estimating Turkey's power generation potential. However, today it is well known that binary power conversion plants are designed to generate electricity from resources having reservoir temperature values ranging from 57 to 180 0C. It is shown here that Garg and Combs (2015) method without any usage of arbitrary values and considering the installed power conversion system and thermodynamic properties of the produced water or the secondary fluid of the power conversion system is the best method to eliminate the subjectivity in selecting the reference (or abandonment) temperature and conversion efficiency and hence to estimate or predict the power generation of a geothermal field or country more realistically. In this thesis, it also shown that the AUPM and MC based Garg and Combs (2015) method predict the power generation of of the 25 geothermal fields of Turkey considered in Başel's PhD dissertation as P10 = 661 MWe, P50 = 1165 MWe, and P90 = 1909 MWe, based on arithmetic summation. On the other hand, for the same geothermal fields, Başel (2010) predicted the power generation potential as: P10 = 840 MWe, P50 = 1428 MWe, and P90 = 2371 MWe. As the same data for all 25 geothermal fields provided by Başel, it is clearly the MIT method used by Başel overestimates the power generation potential of Turkey based on these 25 geothermal fields.

Benzer Tezler

  1. Tez No

    723832

    Geothermal resource assessment and reservoir modelingwith an application to Kavaklidere Geothermal Field, Turkey

    Başlık çevirisi yok

    AYŞEGÜL BALIKÇIOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Petrol ve Doğal Gaz MühendisliğiUniversity of Southern California

    PROF. FRED AMİNZADEH

  2. Tez No

    657879

    Çatlaklı kaya kütlesi dayanımının sürekli yenilme durumunda üç eksenli deneylerle araştırılması

    Investigation of the strength of the fractured rock mass by triaxial tests in case of continuous failure

    HASAN MERT ÖZKARSLI

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Jeoloji Mühendisliğiİstanbul Teknik Üniversitesi

    Jeoloji Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YILMAZ MAHMUTOĞLU

  3. Tez No

    315394

    Türkiye jeotermal enerji potansiyelinin araştırılması

    An investigation of geothermal energy potential of Turkey

    EMİNE DİDEM KORKMAZ BAŞEL

    Doktora

    Türkçe

    Türkçe

    2010

    Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik Üniversitesi

    Petrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı

    DOÇ. UMRAN SERPEN

    PROF. ABDURRAHMAN SATMAN

  4. Tez No

    268401

    Cyclic volumetric and shear strain responses of fine-grained soils

    İnce daneli zeminlerin tekrarlı yükler altındaki hacim ve makaslama birim deformasyon davranışı

    HABİB TOLGA BİLGE

    Doktora

    İngilizce

    İngilizce

    2010

    Deprem MühendisliğiOrta Doğu Teknik Üniversitesi

    İnşaat Mühendisliği Bölümü

    PROF. DR. KEMAL ÖNDER ÇETİN

  5. Tez No

    216760

    An investigation on the effects of design and operational parameters on grinding performance of multi-compartment ball mills used in the cement industry

    Çimento endüstrisinde kullanılan kamaralı bilyalı değirmenlerin işletme ve tasarım değişkenlerinin öğütme performansı üzerine etkilerinin incelenmesi

    ÖMÜRDEN GENÇ

    Doktora

    İngilizce

    İngilizce

    2008

    Maden Mühendisliği ve MadencilikHacettepe Üniversitesi

    Maden Mühendisliği Bölümü

    DOÇ. DR. AHMET HAKAN BENZER

    PROF. DR. ŞEVKET LEVENT ERGÜN

Geri Dön