Szacowanie wartości współczynnika przewodności cieplnej skał dolomitu głównego na podstawie składu mineralnego i porowatości

• Autorzy: Przelaskowska Anna , Kubik Benedyk

Identyfikatory

DOI

10.18668/NG.2023.01.01

Warianty tytułu

EN

Estimating thermal conductivity of the Main Dolomite on the basis of mineral composition and porosity

• Języki publikacji: PL

Abstrakty

PL

Jednym z niezbędnych parametrów do określenia warunków termicznych zbiornika geotermalnego jest współczynnik przewodności cieplnej skał. Przewodność cieplna zależy od innych własności skał, takich jak skład mineralny i porowatość. Do obliczenia wartości tego parametru można więc stosować modele matematyczne uwzględniające zarówno zawartość objętościową i przewodność cieplną poszczególnych minerałów i roztworów porowych, jak i strukturę skały. W pracy wykorzystano różnego rodzaju modele, od najprostszych, warstwowych, po bardziej skomplikowane modele inkluzji niesferycznych. Obliczone wartości zweryfikowano na podstawie pomiarów laboratoryjnych przewodności cieplnej. Badania wykonano na próbkach dolomitu charakteryzujących się mało zróżnicowanym składem mineralnym, a jednocześnie dużą zmiennością porowatości (od 3% do 27%). Parametr porowatości ma widoczny wpływ na dopasowanie poszczególnych modeli matematycznych. Najlepszą zbieżność wartości pomierzonych i wyliczonych uzyskano w przypadku próbek o wysokiej porowatości (powyżej 25%) za pomocą modelu średniej arytmetycznej. W przypadku próbek o niższej porowatości najlepsze dopasowanie otrzymano przy wykorzystaniu modelu średniej harmonicznej, modelu inkluzji sferycznych (przypadek skały składającej się ze sferycznych ziaren rozproszonych w roztworze porowym) oraz modeli inkluzji niesferycznych (przypadek porów w formie szczelin o kształcie dysków). Wszystkie modele dobrze odzwierciedlają trendy zmienności otrzymane dla wartości pomierzonych. Uzyskane korelacje charakteryzują się wysokimi współczynnikami determinacji R2, przekraczającymi 0,86. Wysoka jakość korelacji pozwoliła na wprowadzenie poprawki umożliwiającej przybliżenie wartości wymodelowanych do rzeczywistych. Otrzymane wyniki pozwoliły na dobór optymalnych modeli umożliwiających ocenę wartości przewodności cieplnej dolomitów na podstawie składu mineralnego. W przypadku skał o bardzo wysokiej, przekraczającej 25%, porowatości najlepiej dopasowuje się model średniej arytmetycznej. W przypadku pozostałych próbek najlepszą zgodność wartości wyliczonych i pomierzonych uzyskano po zastosowaniu poprawki; wyniki są bardzo zbliżone dla wszystkich zastosowanych modeli.

EN

Thermal conductivity is one of the parameters essential to determine thermal conditions of a geothermal reservoir. The value of this parameter depends on other rock properties, such as mineral composition and porosity. Therefore, mathematical models that take into account both the volumetric content and thermal conductivity of individual minerals and pore solutions as well as the rock structure, can be used to calculate the value of thermal conductivity. In this study, different types of mathematical models were used, from the simplest layer models to more complex non-spherical inclusion models. The calculated values were verified by laboratory measurements of thermal conductivity. The tests were carried out on dolomite samples characterized by similar mineral composition and varied porosity (from 3 to 27%). The porosity parameter has an apparent influence on particular mathematical models. The best fitting of measured and calculated values was obtained for samples with high porosity (above 25%), with the use of the arithmetic mean model. For samples with lower porosity, the best fit was obtained for harmonic mean, spherical inclusions (the case of a rock consisting of spherical grains dispersed in a pore solution), and non-spherical inclusions (the case of pores in the form of disc-shaped fractures) models. All models reflect well the variation trends obtained for the measured values. The correlations obtained are characterized by high determination coefficients R2, exceeding 0.86. Based on high quality correlations, a correction allowing to approximate the modelled values to the laboratory measured ones was introduced. The results made it possible to select optimum models for estimating the value of thermal conductivity of dolomites based on their mineral composition. For rocks of very high porosity, exceeding 25%, the arithmetic mean model fitted best. For the other samples, the best fit was obtained after applying a correction; the results are very similar for all models used.

Słowa kluczowe

PL

przewodność cieplna; modele matematyczne; skład mineralny; porowatość

EN

thermal conductivity; mathematical models; mineral composition; porosity

• Wydawca: Instytut Nafty i Gazu - Państwowy Instytut Badawczy
• Czasopismo: Nafta-Gaz
• Rocznik: 2023
• Tom: R. 79, nr 1
• Strony: 3--10
• Opis fizyczny: Bibliogr. 14 poz., tab., wykr.

Twórcy

autor

Przelaskowska Anna

• Instytut Nafty i Gazu – Państwowy Instytut Badawczy

autor

Kubik Benedyk

• Instytut Nafty i Gazu – Państwowy Instytut Badawczy

Bibliografia

• Brigaud F., Vasseur G., Caillet G., 1992. Thermal State in the North Viking Graben (North Sea). Geophysics, 57(1): 69–88. DOI:10.1190/1.1443190.
• Clauser C., Huenges E., 1995. Thermal Conductivity of Rocks and Minerals. [W:] Ahrens T.J. (ed.), Rock Physics & Phase Relations: A Handbook of Physical Constants. American Geophysical Union, Washington DC, 105–126. DOI: 10.1029/RF003p0105.
• Demongodin L., Vasseur G., Brigaud F., 1993. Anisotropy of Thermal Conductivity in Clayey Formations. Basin modelling: Advances and Applications. Norwegian Petroleum Society Special Publications, 3: 209–217.
• Fuchs S., Balling N., Fӧrster A., 2015. Calculation of thermal conductivity, thermal diffusity and specific heat capacity of sedimentary rocks using petrophysical well logs. Geophysical Journal International, 203(3):1977–2000. DOI: 10.1093/gji/ggv403.
• Fuchs S., Schütz F., Förster H.J., Förster A., 2013. Evaluation of common mixing models for calculating bulk thermal conductivity of sedimentary rocks: Correction charts and new conversion equations. Geothermics, 47: 40–32. DOI: 10.1016/j.geothermics.2013.02.002.
• Gegenhuber N., Schoen J., 2012. New approaches for the relationship between compressional wave velocity and thermal conductivity. Journal of Applied Geophysics, 76: 50–55. DOI: 10.1016/j.jappgeo.2011.10.005.
• Hajto M., Przelaskowska A., Machowski G., Drabik K., Ząbek G.,2020. Indirect Methods for Validating Shallow Geothermal Potential Using Advanced Laboratory Measurements from a Regional to Local Scale – A Case Study from Poland. Energies,13(20): 5515. DOI: 10.3390/en13205515.
• Hartmann A., Rath V., Clauser C., 2005. Thermal conductivity from core and well log data. International Journal of Rock Mechanics & Mining Sciences, 42(7–8): 1042–1055. DOI: 10.1016/j.ijrmms.2005.05.015.
• Kowalska S., 2013. Określenie ilościowego składu mineralnego skał zawierających minerały ilaste metodą Rietvelda. Nafta-Gaz, 69(12): 894–902.
• Middleton M., 1994. Determination of Matrix Thermal Conductivity from Dry Drill Cuttings. AAPG Bulletin, 76(11): 1790–1799.
• Przelaskowska A., 2018. Szacowanie wartości współczynnika przewodności cieplnej piaskowców fliszowych na podstawie składu mineralnego. Nafta-Gaz, 74(6): 435–442. DOI: 10.18668/NG.2018.06.03.
• Przelaskowska A., Drabik K., Klaja J., 2018. Szacowanie wartości współczynnika przewodności cieplnej piaskowców mezo-paleozoicznych podłoża Karpat na podstawie składu mineralnego.Technika Poszukiwań Geologicznych Geotermia, Zrównoważony Rozwój, 1: 3–15.
• Schön J.H., 2011. Physical Properties of Rocks. Handbook of Petroleum Exploration and Production, vol. 8. Elsevier.
• Zimmerman R.W., 1989. Thermal Conductivity of Fluid-Saturated Rocks. Journal of Petroleum Science and Engineering, 3: 219–227.