Search for promising locations to explore geothermal resources based on joint analysis of sections of petro- and thermophysical properties of rocks

Cover Page

Cite item

Full Text

Abstract

The purpose of the study is identification of locations promising for geothermal resource exploration based on the joint analysis of sections of petro- and thermophysical properties of rocks. Having conducted magnetotelluric sounding in the geothermal area under investigation and having built 2-D models of electrical resistivity, porosity, permeability, temperature, thermal conductivity and specific heat capacity, the authors performed a joint cluster analysis of sections of enumerated parameters. A cluster cross-section is constructed taking into account all the discussed parameters, which is essentially a petro- and thermophysical “passport” of the site under examination. Each cluster of the latter is characterized by its own set of property ranges. Two promising locations for drilling exploratory boreholes have been identified in the Soultz-sous-Forêts (France) geothermal area. One of them corresponds to the already developed reservoir of petrothermal energy, while another is located at the depths of 2–3 km in another part of the section and has a potential for future exploration works. The information base created on this basis is a convenient tool for interactive selection of sites promising for exploration of different deposits and building of a “prospectivity map” of surface sites for drilling exploration boreholes.

About the authors

A. I. Nenyukova

Sergo Ordzhonikidze Russian State University for Geological Prospecting

Email: nenyukovaai@mail.ru

V. V. Spichak

Center for Geoelectromagnetic Research – branch of the Sсhmidt Institute of Physics of the Earth RAS

Email: v.spichak@mail.ru

References

  1. Manzella A., Serra D., Cesari G., Bargiavchi E., Cei M., Cerutti P., et al. Geothermal energy use, country update for Italy // European Geothermal Congress 2019 (Den Haag, 11–14 June 2019). Den Haag, 2019. P. 1–19.
  2. Olasolo P., Juárez M.C., Morales M.P., D’Amico S., Liarte I.A. Enhanced geothermal systems (EGS): a review // Renewable and Sustainable Energy Reviews. 2016. Vol. 56. P. 133–144. https://doi.org/10.1016/j.rser.2015.11.031.
  3. Fridleifsson G.O., Bogason S.G., Stoklosa A.W., Ingolfsson H.P., Vergnes P., Thorbjörnsson I.Ö., et al. Deployment of deep enhanced geothermal systems for sustainable energy business // European Geothermal Congress 2016 (Strasbourg, 19–24 September 2016). Strasbourg, 2016. P. 1–8.
  4. Koelbel T., Genter A. Enhanced geothermal systems: the Soultz-sous-Forêts project // Towards 100 % Renewable Energy / ed. T. Uyar. Cham: Springer, 2017. P. 243–248.
  5. Muñoz G. Exploring for geothermal resources with electromagnetic methods // Surveys in Geophysics. 2014. Vol. 35. P. 101–122. https://doi.org/10.1007/s10712-013-9236-0.
  6. Amatyakul P., Wood S.H., Rung-arunwan T., Vachiratienchai C., Prommakorn N., Chanapiwat P., et al. An assessment of a shallow geothermal reservoir of Mae Chan hot spring, northern Thailand via magnetotelluric surveys // Geothermics. 2021. Vol. 95. P. 102137. https://doi.org/10.1016/j.geothermics.2021.102137.
  7. Bertrand E., Caldwell T.G., Hill G.J., Bennie S.L. 3-D inversion of a 200+ site magnetotelluric array for deep geothermal exploration // 5th International Symposium on Three-Dimensional Electromagnetics (Sapporo, 7–9 May 2013). Sapporo, 2013. P. 1–3.
  8. Heise W., Caldwell T.G., Bibby H.M., Bannister S.C. Three-dimensional modelling of magnetotelluric data from the Rotokawa geothermal field, Taupo Volcanic Zone, New Zealand // Geophysical Journal International. 2008. Vol. 173. Iss. 2. P. 740–750. https://doi.org/10.1111/j.1365-246X.2008.03737.x.
  9. Maryadi M., Firdaus A., Zarkasyi A., Mizunaga H. Electrical resistivity structure of Danau Ranau geothermal prospect area based on integrated 3-D inversion of impedance tensor and tipper vector // Geothermics. 2022. Vol. 106. P. 102575. https://doi.org/10.1016/j.geothermics.2022.102575.
  10. Pace F., Martí A., Queralt P., Santilano A., Manzella A., Ledo J., et al. Three-dimensional magnetotelluric characterization of the Travale geothermal field (Italy) // Remote Sensing. 2022. Vol. 14. Iss. 3. P. 542. https://doi.org/10.3390/rs14030542.
  11. Peacock J.R., Mangan M.T., McPhee D., Wnnamaker P.E. Three-dimensional electrical resistivity model of the hydrothermal system in Long Valley Caldera, California from magnetotellurics // Geophysical Research Letters. 2016. Vol. 43. Iss. 15. P. 7953–7962. https://doi.org/10.1002/2016GL069263.
  12. Uchida T. Three-dimensional magnetotelluric investigation in geothermal fields in Japan and Indonesia // World Geothermal Congress 2005 (Antalya, 24–29 April 2005). Antalya, 2005. P. 1–12.
  13. Wannamaker P.E., Jiracek G.R., Stodt J.A., Caldwell T.G., Gonzales V.M., McKnight J.D., et al. Fluid generation and pathways beneath an active compressional orogen, the New Zealand Southern Alps, inferred from magnetotelluric data // Journal of Geophysical Research: Solid Earth. 2002. Vol. 107. Iss. B6. P. 6–20. https://doi.org/10.1029/2001JB000186.
  14. Heap M.J., Kushnir A.R., Gilg H.A., Violay M.E., Harlé P., Baud P. Petrophysical properties of the Muschelkalk from the Soultz-sous-Forêts geothermal site (France), an important lithostratigraphic unit for geothermal exploitation in the Upper Rhine Graben // Geothermal Energy. 2019. Vol. 7. P. 27. https://doi.org/10.1186/s40517-019-0145-4.
  15. Gola G., Bertini G., Bonini M., Botteghi S., Brogi A., De Franco R., et al. Data integration and conceptual modelling of the Larderello geothermal area, Italy // Energy Procedia. 2017. Vol. 125. P. 300–309. https://doi.org/10.1016/j.egypro.2017.08.201.
  16. Oka D., Tamura M., Mogi T., Nakagawa M., Takahashi H., Ohzono M., et al. Conceptual model of supercritical geothermal system in Shiribeshi Region, Hokkaido, Japan // Geothermics. 2023. Vol. 108. P. 102617. https://doi.org/10.1016/j.geothermics.2022.102617.
  17. Спичак В.В. Современные методы комплексного анализа и инверсии геофизических данных // Геология и геофизика. 2020. Т. 61. № 3. С. 422–443. https://doi.org/10.15372/GiG2019092.
  18. Integrated imaging of the Earth: Theory and applications / M. Moorkamp, P.G. Lelièvre, N. Linde, A. Khan (eds.). New Jersey: John Wiley & Sons, 2016. 253 p.
  19. Bauer K., Muñoz G., Moeck I. Pattern recognition and lithological interpretation of collocated seismic and magnetotelluric models using self-organizing maps // Geophysical Journal International. 2012. Vol. 189. Iss. 2. P. 984–998. https://doi.org/10.1111/j.1365-246X.2012.05402.x.
  20. Brehme M., Bauer K., Nukman M., Regenspurg S. Self-organizing maps in geothermal exploration – a new approach for understanding geochemical processes and fluid evolution // Journal of Volcanology and Geothermal Research. 2017. Vol. 336. P. 19–32. https://doi.org/10.1016/j.jvolgeores.2017.01.013.
  21. Carollo A., Capizzi P., Martorana R. Joint interpretation of seismic refraction tomography and electrical resistivity tomography by cluster analysis to detect buried cavities // Journal of Applied Geophysics. 2020. Vol. 178. P. 104069. https://doi.org/10.1016/j.jappgeo.2020.104069.
  22. Di Giuseppe M.G., Troiano A., Patella D., Piochi M., Carlino S. A geophysical k-means cluster analysis of the Solfatara-Pisciarelli volcano-geothermal system, Campi Flegrei (Naples, Italy) // Journal of Applied Geophysics. 2018. Vol. 156. P. 44–54. https://doi.org/10.1016/j.jappgeo.2017.06.001.
  23. Lindsey C.R., Neupane G., Spycher N., Fairley J.P., Dobson P., Wood T., et al. Cluster analysis as a tool for evaluating the exploration potential of Known Geothermal Resource Areas // Geothermics. 2018. Vol. 72. P. 358–370. https://doi.org/10.1016/j.geothermics.2017.12.009.
  24. Langer H., Falsaperla S., Hammer C. Advantages and pitfalls of pattern recognition: selected cases in geophysics. Amsterdam: Elsevier, 2020. 333 p.
  25. Спичак В.В. Электромагнитная томография земных недр. М.: Научный мир, 2019. 373 с.
  26. Spichak V.V., Geiermann J., Zakharova O., Calcagno P., Genter A., Schill E. Estimating deep temperatures in the Soultz-sous-Forêts geothermal area (France) from magnetotelluric data // Near Surface Geophysics. 2015. Vol. 13. Iss. 4. P. 397–408. https://doi.org/10.3997/1873-0604.2015014.
  27. Spichak V., Zakharova O. Permeability estimating beyond boreholes from electrical conductivity data determined from magnetotelluric sounding: Soultz-sous-Forêts site (France) case study // Geothermics. 2022. Vol. 105. P. 102513. https://doi.org/10.1016/j.geothermics.2022.102513.
  28. Davies D.L., Bouldin D.W. A cluster separation measure // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1979. Vol. PAMI-1. Iss. 2. P. 224–227. https://doi.org/10.1109/TPAMI.1979.4766909.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».