蘇北盆地建湖隆起沉積盆地型干熱巖資源潛力評價

段忠豐 李福來 楊永紅 于翔 王凱寧

摘要 ： 對蘇北盆地建湖隆起的干熱巖資源潛力進行評價，展示華東地區沉積盆地型干熱巖資源的勘探前景?；谝巴饪辈?、室內實驗和數值模擬等多手段地質分析方法分析研究區干熱巖地熱地質條件，以4個區域地震地質剖面為基礎，建立二維熱傳導數值模型，模擬分析深部地溫分布，確定評價深度。應用基于體積法的蒙特卡羅模擬給出合理的資源量評價分析。該方法可充分考慮參數估計的不確定性。結果表明，建湖隆起3～10 km深度內干熱巖資源的可采熱資源量約為44.6億t標煤，發電潛力為692769.9 MWe，約為江蘇省2022年全年用電量的49倍。

關鍵詞 ：干熱巖； 潛力評價； 建湖隆起； 熱傳導模擬； 蒙特卡洛模擬

中圖分類號 ：P 314 ???文獻標志碼 ：A

引用格式 ：段忠豐，李福來，楊永紅，等.蘇北盆地建湖隆起沉積盆地型干熱巖資源潛力評價［J］.中國石油大學學報（自然科學版），2024，48（1）：46-54.

DUAN Zhongfeng， LI Fulai， YANG Yonghong， et al. Potential estimation of hot dry rock geothermal resources in sedimentary basins： a case study from Jianhu Uplift， Subei Basin， China［J］.Journal of China University of Petroleum（Edition of Natural Science），2024，48（1）：46-54.

Potential estimation of hot dry rock geothermal resources in sedimentary ??basins： a case study from Jianhu Uplift， Subei Basin， China

DUAN Zhongfeng ?1，2 ， LI Fulai ?1，2 ， YANG Yonghong 3， YU Xiang ?1，2 ， WANG Kaining ?1，2

（1.National Key Laboratory of Deep Oil and Gas（China University of Petroleum （East China））， Qingdao 266580， China;

2.School of Geosciences in China University of Petroleum （East China）， Qingdao 266580， China;

3.Exploration and Development Research Institute， SINOPEC Shengli Oilfield Company， Dongying 257029， China）

Abstract ： This study presents an estimation of the potential of hot dry rock （HDR） resources in Jianhu Uplift， Subei Basin， demonstrating the feasibility of exploring HDR geothermal resources within the East China sedimentary basin. An integrated geological investigation was conducted， involving field work， laboratory measurements， and numerical modeling to assess the HDR geological conditions within the study area. Four geologic sections were utilized to construct 2D heat conduction numerical models， which were instrumental in comprehending the geo-temperature field and determining the estimated depth. Subsequently， a Monte Carlo simulation， employing the volume method， was applied to provide a reasonable potential estimation. This modified method effectively accounts for uncertainties associated with estimation parameters. The results show that the amount of recoverable heat resources of HDR geothermal resources within 3-10 km depth in Jianhu Uplift is about ?44.6× 10 ?8 ?tons of standard coal and the generation potential is 692 769.9 MWe，more than 49 times the annual electricity consumption of Jiangsu Province in 2022.

Keywords ：hot dry rock; potential estimation; Jianhu Uplift; heat transfer simulation; Monte Carlo simulation

盡管中國地熱直接利用量幾十年來一直位居世界第一，但由于中國高溫地熱資源主要分布于西南藏滇地熱帶，資源分布與用電需求不相匹配，中國地熱發電發展非常緩慢 ?［1-2］ 。目前，世界各國主要開發和利用的是水熱型地熱資源，占已探明地熱資源的10%左右，更多的地熱能儲存于干熱巖（hot dry rock，HDR）地熱資源中。深部干熱巖地熱資源溫度更高，分布更廣，利用效率更高 ?［3］ 。近幾十年來，增強型地熱技術（enhanced geothermal system，EGS）在全球范圍內得到了測試和驗證，并顯示出相當可觀的利用前景 ?［4-5］ 。因此干熱巖（HDR）地熱資源可能是中國地熱發電突破的可行路徑，并受到越來越多的關注 ?［6-8］ 。江蘇是中國的經濟大省，但貧油少煤，每年從外省調入或國外進口的化石能源約占年能源消耗量的90%。隨著經濟的快速發展，能源自給率屢創新低且持續下降，能源短缺已成為江蘇省經濟發展的瓶頸 ?［9］ 。蘇北盆地位于中國東部沿海高熱流地熱異常帶，具有豐富的地熱資源 ?［10］ 。初步研究表明，蘇北地區具有干熱巖地熱資源開發前景 ?［11］ ，其開發利用對于促進江蘇經濟的可持續發展具有重要意義，有必要探討其資源潛力。不同于一般的水熱型地熱資源，干熱巖地熱資源是儲存于3～10 km深度的地殼巖石中，廣泛分布地熱能。資源潛力評價作為干熱巖資源場地刻畫的首要工作之一，其難點在于隨著深度增加的地質信息的稀缺性和不確定性。干熱巖潛力評價中最關鍵的參數是巖石溫度，目前有兩種確定方法：在研究程度較低時，根據地溫梯度等參數推算干熱巖體頂底面溫度 ?［12-13］ ；在研究程度較高時，采用數值模擬方法，模擬三維或二維地溫分布 ?［14-15］ 。對于建湖隆起區，由于其研究程度較低、資料有限，筆者采用二維熱傳導數值模擬方法確定地溫分布，并結合基于體積法的蒙特卡羅模擬來評價其干熱巖地熱資源潛力，可減少評價的不確定性。

1 建湖隆起的地質背景

建湖隆起位于蘇北盆地的中部。蘇北盆地是在太古宙、元古宙震旦系和古生代基底上發育起來的中新生代陸相沉積盆地。構造位置上，蘇北盆地位于郯廬斷裂帶以東，嘉山-響水斷裂帶以南，揚州、如皋市以北，走向NE，寬度約260 km，面積約3.2萬km 2。該盆地的構造特征是“兩坳夾一隆”，北部為鹽阜坳陷，南部為東臺坳陷，中部即為建湖隆起（圖1）。

建湖隆起東西向伸展，長190 km，寬10～38 km，面積3950 km 2。在以片麻巖、麻粒巖和片巖為主的太古宙基底上，上元古代至第四紀地層均發育，可劃分為3個地層單元：①由海相碳酸鹽巖和碎屑巖組成的元古代和古生代基底；②中上三疊統和白堊紀形成的中生代碎屑巖和侵入巖漿巖；③以古近系—新近系砂巖、泥巖和第四紀松散沉積物為主的新生代沉積層序（表1）。

建湖隆起以平原地貌為主，海拔為2～50 m，由西向東逐漸變低。除西部丘陵地區為元古界和新近紀的露頭巖層覆蓋外，其余均為第四紀沉積覆蓋。

2 干熱巖資源潛力評價方法

體積法是干熱巖資源潛力評價的推薦方法，已廣泛用于各地干熱巖資源潛力評價，以便于全球對比 ?［16］ 。本次研究中采用二維熱傳導數值模型來分析深部溫度分布，而蒙特卡羅隨機模擬則用來評估評價參數的分布范圍 ?［17］ 。

2.1 地質剖面和巖石取樣

在研究區開展廣泛的現場地質工作，包括巖石采樣、水樣采樣、井溫測井、氡（Rn）監測、CSAMT調查和鉆井調查。從露頭和鉆孔巖心中收集25個巖石樣本，以表征研究區的地層特征。

基于大地電磁測深（MT）資料，對建湖隆起上地殼的地質構造進行解釋。選取橫跨建湖隆起的4個地質剖面（2個NE向，2個NW向）用于模擬10 km深度范圍內的地溫場（圖2）。MT剖面上的地層和巖體分布表明，建湖隆起基底侵蝕嚴重，地層主要為震旦系、寒武系和奧陶系，厚度超過6 km。除東部存在上古生界和中生界地層外，上覆地層為新生代沉積層，厚度小于3 km。建湖隆起兩側有南北傾斜的兩個斷裂體系，控制著中、新生代地層的發育和分布。在隆起中還存在一些次級斷裂，控制著地熱水的流動。熱儲層主要為震旦系和下古生界海相碳酸鹽巖，地熱鉆孔顯示熱儲巖溶裂縫發育，單井出水量大。

2.2 巖石物理參數

對采集的25個巖樣進行系統的物性測試，包括密度、孔隙度、導熱系數和放射性產熱率。此外，獲得了前人研究的數據 ?［18］ 。利用4個地質剖面對建湖隆起的巖性格架和地層分布進行分析。采用厚度加權調和平均法計算平均熱導率，采用厚度加權算術平均法計算平均放射性產熱率。計算結果見表2。

2.3 地溫場模擬

恒溫帶下的淺部地殼地溫場可認為處于穩定的熱平衡狀態。熱傳導是大陸地殼的主要換熱機制?？紤]地層的展布和非均質性采用二維熱傳導模擬熱流從地殼深部向淺層地殼傳導過程中的再分配，從而對建湖隆起深部地溫場進行精確刻畫。模擬中也考慮了放射性生熱對地溫場的影響。利用基于TOUGH2的Petrasim軟件對4個地質剖面進行熱傳導模擬。TOUGH2是多孔和裂縫介質中熱-流-力-化多物理場耦合的積分式有限差分法模擬軟件 ?［19-20］ 。

2.4 ?地熱資源評價

體積法廣泛應用于水熱型地熱資源以及其他固體礦物的評價，也被推薦用于干熱巖潛力評價。通過地殼地溫場熱傳導模擬可獲得3～10 km深度的地溫分布，可據此對每1 km厚的巖層（即3～4、 4～ 5、…、 9～ 10 km）中儲存的熱資源量進行評價。1 km厚的巖層中儲存的熱資源量計算式為

H=ADρc（T ?X -T ?r ）. （1）

式中，H為熱資源量， J； A為面積， m 2； D為儲層厚度， m； ρ為巖石密度， kg/m 3； c 為巖石比熱容，J/ （kg·℃） ； T ?X為所述儲層的特征溫度，℃； T ?r為基準溫度，即地熱資源通過利用能降低到的溫度，℃。在本研究中，根據USGS的建議，將 T ?r定為95 ℃，比年平均地表溫度（15 ℃）高80 ℃ ?［21］ 。

為評價干熱巖儲層的發電潛力，將熱資源量用裝機容量表示。假定熱量會按熱能效率 （η ??th ?）轉化為電能，發電潛力為

P=η ??th ?H×10 ?-6 /t. （2）

式中，P 為每1 km厚干熱巖儲層的發電潛力，MWe； η ??th 為熱能效率； t 為電廠運行周期，s。

熱能效率（ η ??th ）取決于儲層溫度?？捎蒚ester等 ?［22］ 提出的公式計算，

η ??th =0.00052 T ?X +0.032. （3）

地熱電廠穩定性較好，除設備維護及除垢等時間外，基本可連續運行，年運行時間可為300 d。式（2）給出了干熱巖儲層中的總熱量，但要將全部熱能提取出來在技術上不可能。因此需要確定一個可采系數 R 來評價可采熱量，該系數取決于儲層孔隙度和滲透率 ?［23］ 。Beardsmore等 ?［24］ 建議 R 取值為002～0.20，《地熱資源評價方法及估算規程DZ/T 0331-2020》中推薦的 R為0.02?？刹少Y源量（P ?T）評價計算式為

P ?T= RP. （4）

體積法中的巖石密度、巖石溫度等地層參數具有一定的不確定性?？刹捎秒S機風險分析方法，如蒙特卡羅模擬，來估計可能的參數范圍，并依據概率給出資源量的最可能值。

基于體積法的干熱巖資源評價過程中熱儲體積（ V ?X ）、密度（ρ）、熱儲溫度（T ?X ）等參數的不確定性都可用概率密度函數來描述。研究中采用三角形概率函數描述參數的分布特征，用最小值、中間值和最大值3個特征值定義。

以儲層溫度 T ?X 為例收集并分析二維熱傳導模擬得出的地層溫度數據，顯示其概率分布（圖3）。圖3中t 1、t 2、t 3分別為熱儲層的最低、最可能和最高溫度； 為平均溫度；σ ?t 為標準差。黑色區域表示儲層溫度落在該范圍內的概率。

本文中考慮的不確定性分析變量為熱儲溫度T ?X 和巖石密度ρ（表3）。T ?X 的分布取決于地層中的熱傳導過程，由地溫場模擬得出。使用 @RISK軟 件進行蒙特卡洛計算，采樣數為10000 ?［25］ 。

3 結果討論

3.1 二維地溫場模擬

數值模型的幾何模型參照圖2所示4個地質剖面設置。第四紀沉積物較薄，在模型中不考慮。 Z方向上劃分為250 ?m的矩形網格， X 方向上1000 m，厚度為1000 m。根據地層和巖體的分布，將巖石的物理參數分配給每個網格單元（圖4）。

模型中頂部邊界為恒溫帶，設為定溫度邊界（16.5 ℃）。下邊界定為定熱流邊界。根據區域熱流數據 ?［26］ 和之前的地溫場分析，隆起區和坳陷區地表熱流分別為88和70 mW/m 2。根據前人對蘇北盆地殼幔熱結構的研究，放射性生熱對10 km深度內熱流的貢獻在隆起區和坳陷區分別為16.6和15.1 mW/m 2。據此，隆起區和坳陷區的底界地幔熱流分別設定為71.4 和54.9 mW/m。

地層溫度從頂部隨深度線性遞增，初始地溫梯度設為3 ℃/100 m， 地層壓力等于靜水壓力。運行模型直至地溫場達到穩態，可得到10 km深度內的地溫場（圖4）。熱流更易通過高導熱巖石傳導，如花崗巖、碳酸鹽等。因此由于震旦系和下古生代碳酸鹽巖等高熱導地層的隆升，熱量集中在隆起區，溫度比坳陷區更高。蓋層厚度對地溫分布也有影響。蓋層很薄或沒有蓋層時，熱量迅速散失，區域溫度降低。

計算結果與鉆孔測溫數據擬合良好（圖5）。將得到的地溫場數據導出，用于資源量評價。

3.2 干熱巖潛力評價

模擬完成后對導出單元格的溫度進行統計分析，以確定每1 km熱儲層溫度的三角形概率分布特征。

體積法中使用的其他物理參數為不同巖性的面積加權（表3）。由于建湖隆起3 km深度下的巖石孔隙度非常低，僅為0.50%～1.13% ?［27］ ，因此忽略地下水中的熱量。

利用式（1）和（2）以及基于體積法的蒙特卡羅方法估算出每1 km厚層的熱資源量 H和發電潛力P，結果見表4?？刹上禂礡取0.02，利用式（4）計算可采資源量P ??T （表5）。

結果表明，建湖隆起3～10 km深度內干熱巖資源潛力巨大， 平均值為2228.1±139.2 億t標煤。如果開發2%的干熱巖資源，可采資源量平均值為44.6億t標煤， 發電潛力為692769.9 MWe，約為江蘇省2022年全年用電量（7399.5億kW·h，合2.66 ×10 ?18 ?J）的49倍； 其中3～7 km深度內干熱巖資源潛力平均值為952.8±225.8億t標煤，可采資源量平均值為19.1億t標煤，約占3～10 km深度內干熱巖資源潛力的43%。從技術、經濟可行性來看，其開發的可行性更高。

3.3 不確定性分析

HDR地熱能資源評價與傳統熱液資源評價存在差異，主要原因是數據缺乏，不確定性增加。經過實際數據驗證的數值模擬方法能夠提供對研究區域地質參數的整體認識，并獲得地熱潛力評價所需參數 ?［28］ 。因此本文中采用熱傳導模擬作為表征受地質剖面約束的地溫分布的工具。

為了考慮評價參數的不確定性，合理評估HDR潛力，將體積法與蒙特卡羅模擬相結合，對體積法進行改進。圖6為利用蒙特卡羅模擬估算的可采資源量，置信區間為90.0 %時可采資源量折合發電潛力為

542?631.4～874?713.6 MWe。這表明地質參數的選擇會導致評價結果差距極大。因此不同EGS項目之間對比時應仔細分析參數的選擇方法并進行不確定性分析。

4 結 論

（1）蘇北盆地建湖隆起3～10 km埋深的干熱巖可采資源量平均值為44.6億t標煤，發電潛力為692769.9 MWe，約為江蘇省2022年全年用電量的49倍。

（2）干熱巖資源評價時由于深部地質數據的缺乏，導致評價結果的不確定性增加。經過地質數據驗證的數值模擬能夠提供對研究區地質參數的整體把握，是干熱巖潛力評價的有力工具。

（3）位于中國東部的沉積盆地處于高熱流值背景下，具有相似的地熱地質條件，干熱巖資源潛力巨大。隨著高溫鉆井、巖石壓裂等技術的改進，EGS項目最終將經濟上可行，以滿足區域內各大城市的巨量能源需求。

參考文獻 ：

［1］ ?KONG Y， PANG Z， SHAO H， et al. Recent studies on hydrothermal systems in China： a review［J］. Geothermal Energy，2014，19（2）：2-19.

［2］ ?BERTANI R. Geothermal power generation in the world 2010-2014 update report［J］. Geothermics， 2016，60：31-43.

［3］ ?許天福，袁益龍，姜振蛟，等.干熱巖資源和增強型地熱工程：國際經驗和我國展望［J］.吉林大學學報（地球科學版），2016，46（4）：1139-1152.

XU Tianfu， YUAN Yilong， JIANG Zhenjiao， et al. Hotdry rock and enhanced geothermal engineering：international experience and China prospect［J］.Journal of Jilin University（Earth Science Edition），2016，46（4）：1139-1152.

［4］ ?OLASOLO P， JUREZ M C， MORLES M P， et al. Enhanced geothermal systems （EGS）： a review［J］. Renewable and Sustainable Energy Reviews， 2016，56：133-144.

［5］ ?LU S M. A global review of enhanced geothermal system （EGS）［J］. Renewable and Sustainable Energy Reviews， 2018，81：2902-2921.

［6］ ?汪集旸，胡圣標，龐忠和，等.中國大陸干熱巖地熱資源潛力評估［J］.科技導報，2012，30（32）：25-31.

WANG Jiyang， HU Shengbiao， PANG Zhonghe， et al. Estimate of geothermal resources potential for hot dry rock in thecontinental area of China［J］. Science & Technology Review， 2012，30（32）：25-31.

［7］ ?龐忠和，羅霽，程遠志，等.中國深層地熱能開采的地質條件評價［J］.地學前緣，2020，27（1）：134-151.

PANG Zhonghe， LUO Ji， CHENG Yuanzhi， et al. Evaluation of geological conditions for the development of deep geothermal energy in China［J］.Earth Science Frontiers，2020，27（1）：134-15.

［8］ ?QIU N S. Special collection： advances of exploration and utilization technology of geothermal resources in China［J］.Energy Exploration & Exploitation， 2019，37（2）：605-606.

［9］ ?ZHANG X X， ZHANG D J， ZHOU Y， et al. Energy risks zoning and demand forecasting in Jiangsu province［J］. Energy Procedia，2011，5：813-817.

［10］ ?徐立.江蘇地區地熱資源綜合利用研究［D］.南京：南京大學，2014.

XU Li.The research of comprehensive utilization of geothermal resources in Jiangsu area［D］.Nanjing： Nanjing University，2014.

［11］ ?劉德民，張根袁，關俊朋，等.蘇北盆地干熱巖地熱資源前景分析［J］.地學前緣，2020，27（1）：48-54.

LIU Demin， ZHANG Genyuan， GUAN Junpeng， et al. Analysis of geothermal resources potential for hot dry rock in the Subei Basin［J］.Earth Science Frontiers，2020，27（1）：48-54.

［12］ ?ZHUG L， ZHANG L Y，DENG Z H， et al. Three-dimensional geological modeling and resource estimation of hot dry rock in the Gonghe Basin， Qinghai province［J］. Energies， 2023，16（16）：5871.

［13］ ?孫明行，王瑞湖，管彥武，等.廣西陸域干熱型地熱資源潛力估算［J］.吉林大學學報（地球科學版），2022，52（4）：1302-1313.

SUN Minghang， WANG Ruihu， GUNA Yanwu， et al. Estimation of hot dry geothermal resources in Guangxi［J］.Journal of Jilin University（Earth Science Edition），2022，52（4）：1302-1313.

［14］ ?HOWELL L， BROWN C S， EGAN S S. Deep geothermal energy in northern England： insights from 3D ?finite difference temperature modelling［J］. Computers & Geosciences，2021，147：104661.

［15］ ??BROWN C S. Regional geothermal resource assessment of hot dry rocks in Northern England using 3D geological and thermal models［J］. Geothermics， 2022，105：102503.

［16］ ?BREEDE K， DZEBISASHYILI K， LIU X， et al. A systematic review of enhanced （or engineered） geothermal systems： past， present and future［J］. Geothermal Energy， 2013，1（1）：4.

［17］ ?WANG Zhuting， JIANG Guangzheng， ZHANG Chao， et al. Estimating geothermal resources in Bohai Bay Basin， Eastern China， using Monte Carlo simulation［J］. Environmental Earth Sciences， 2019，78：355.

［18］ ?徐立，王良書，楊謙.江蘇干熱巖地熱資源潛力估算［J］.高校地質學報，2014，20（3）：464-469.

XU Li， WANG Liangshu， YANG Qian. An estimation of hot-dry-rock （HDR） resources in Jiangsu province［J］.Geological Journal of China Universities，2014，20（3）：464-469.

［19］ ?段忠豐，李福來，鞏亮，等.基于水熱耦合模擬的油氣區地熱開發井網布局［J］.天然氣工業，2020，40（10）：156-162.

DUAN Zhongfeng， LI Fulai， GONG Liang， et al. Geothermal development well spacing patterns based on hydrothermal coupled modeling in oil-gas bearing areas［J］. Natural Gas Industry， 2020，40（10）：156-162.

［20］ ?PURESS K， OLDENBURG C， MORIDIS G. Tough2 user s guide， version 2.0［R］. ?LBNL-43134， 1999.

［21］ ?WILLIAMS C F， REED M J， MARINER R H. A review of methods applied by the U.S. Geological Survey in the assessment of identified geothermal resources：USGS open file report 2008-1296 ［R/OL］.（2008）［2023-06-17］.https：//doi.org/10.3133/ofr20081296.

［22］ ?TESTER W J， ANDERSON B J， BATCHELOR A S， et al. The future of geothermal energy： impact of enhanced geothermal systems （EGS） on the United States in the 21st century： final report to the US DOE geothermal technologies program massachusetts institute of technology， Cambridge， 2006［R/OL］.（2006）［2023-06-17］.https：//www1.eere.energy.gov/geothermal/pdfs/egs_toc_front.pdf.

［23］ ?CALCAGNO P， BAUJARD C， GUILLOU-FROTTIER L， et al. Estimation of the deep geothermal potential within the tertiary Limagne Basin（French Massif Central）： an integrated 3D geological and thermal approach［J］. Geothermics， 2014，51：496-508.

［24］ ?BEARDSMORE G R， RYBACH L， BLACKWELL D， et al. A protocol for estimating and mapping global EGS potential［R］. Sacramento：Transactions-Geothermal Resources Council， 2010.

［25］ ?PALISADE Corp. @risk， risk analysis and simulation add-in for Microsoft Excel or Lotus 1-2-3， Windows version， user s guide［M］. New York： Palisade Corp， 1995：1-4.

［26］ ?姜光政，高堋，饒松，等.中國大陸地區大地熱流數據匯編（第四版）［J］.地球物理學報，2016，59（8）：2892-2910.

JIANG Guangzheng， GAO Peng， RAO Song， et al. Compilation of heat flow data in the continentalarea of China（4 ?th edition）［J］.Chinese Journl of Geophysics，2016，59（8）：2892-2910.

［27］ ?WAN Z J， ZHAOY S， KANG J R. Forecast and evaluation of hot dry rock geothermal resource in China［J］. Renewable Energy， 2005，30：1831-1846.

［28］ ??GONZLEZ-GARCIA J， HAUSER J， ANNETTS D， et al. Nevado del Ruiz volcano （Colombia）： a 3D model combining geological and geophysical information［C］. Melbourne： Proceedings World Geothermal Congress， 2015.

（編輯 李志芬）