5月，兩則有關(guān)地熱能開發(fā)的消息引起關(guān)注。其一是麻省理工學院支持的一個突破性鉆探技術(shù)將于年內(nèi)進行首次商業(yè)測試，該技術(shù)可以鉆入地下溫度達500攝氏度的位置，為釋放太瓦級地熱能潛力鋪平道路。其二是一個主要為地熱能項目提供數(shù)智化技術(shù)解決方案的初創(chuàng)公司再獲新融資，標志著地熱能開發(fā)數(shù)智賦能正在提速。

一直以來，因前期成本和開發(fā)風險都很高，地熱能勘探和開發(fā)較為緩慢。在數(shù)智化驅(qū)動新增長的帶動下，地熱能迎來技術(shù)迭代小高潮。

新鉆探技術(shù)讓地熱能物美價廉

麻省理工學院支持的技術(shù)初創(chuàng)公司Quaise Energy日前表示，其研發(fā)的一種鉆探技術(shù)，有望推動地熱能開發(fā)。該公司目前已經(jīng)籌資9500萬美元，將在年內(nèi)對該技術(shù)進行首次商業(yè)測試，會率先從老舊石油天然氣鉆井開始。

據(jù)了解，地熱能可以通過不同方式獲得，其中包括直接利用，位于地下200到3000米左右的淺層地熱能，由于溫度不高，可以在采集后直接使用。不過，淺層地熱能幾乎沒有發(fā)電效果，深層地熱能才擁有巨大能量，需要挖到2萬米深處、溫度超過300攝氏度，抽出高溫蒸汽帶動渦輪機，從而激活發(fā)電機發(fā)電，對鉆探技術(shù)要求較高。

《麻省理工科技評論》指出，Quaise Energy公司根據(jù)實驗和數(shù)學模型估算，大約20厘米波導的波源能以每小時20米的速度在巖石中炸出一個籃球大小的洞，按照這個速度，連續(xù)鉆探25.5天將鉆出世界上最深的洞，且整個耗能與普通鉆機相當。

“這樣的速度和深度意味著鉆探會變得更快、成本也將更低，為推動地熱能更具成本效益和更廣泛推廣奠定基礎(chǔ)?！盦uaise Energy公司首席執(zhí)行官Carlos Araque表示。

數(shù)字化讓探尋地熱資源更容易

同一時期，美國技術(shù)初創(chuàng)公司Zanskar宣布，再獲3000萬美元新融資，這使得該公司籌資規(guī)模達到4500萬美元，市值升至1.15億美元。

Zanskar公司表示，籌得的所有資金將用于人工智能、機器學習等數(shù)字化技術(shù)部署，通過收集和分析大量數(shù)據(jù)并對相關(guān)地理位置進行評估，找到潛力最大、開發(fā)效益最高的地熱資源點，并確定最佳勘探地點。

據(jù)了解，Zanskar公司的機器學習解決方案通過分析衛(wèi)星、地質(zhì)調(diào)查、地震后穿過地面的波浪等數(shù)據(jù)信息來預測鉆探的最佳地點。

“一個地區(qū)可用的數(shù)據(jù)越多，機器學習程序就越準確，其可以與先進鉆井技術(shù)等其他創(chuàng)新技術(shù)相結(jié)合，使地熱能更容易、更便宜地獲得。”Zanskar公司首席執(zhí)行官Carl Hoiland表示，“過去一年半，我們發(fā)現(xiàn)的潛在地熱資源點，比整個行業(yè)過去10年發(fā)現(xiàn)的總和還要多。數(shù)字化解決方案將在未來幾年顯著降低地熱能勘探成本，這將推動地熱能開發(fā)，吸引更多技術(shù)型企業(yè)加入其中。”

眼下，Zanskar公司正在與部分地熱能開發(fā)商展開合作討論，旨在共同勘探新地點，并合作開發(fā)首批數(shù)字技術(shù)賦能的地熱發(fā)電站。

Carl Hoiland指出，通過嘗試使用大數(shù)據(jù)創(chuàng)建模型來定位地熱資源，可以降低因錯估地熱地點而投入的時間和成本?！叭绻鉀Q了技術(shù)障礙，地熱能未來在全球能源結(jié)構(gòu)中占比有望超過20%—30%?！彼麖娬{(diào)。

油價網(wǎng)匯編數(shù)據(jù)顯示，地熱能項目開發(fā)成本約是風能項目的5倍，每兆瓦地熱能發(fā)電成本約為870萬美元。價格如此之高很大程度是因為鉆井公司經(jīng)常找不到進入儲層的正確位置，即便耗費了大量時間和金錢找到合適位置，還需要鉆取多口井才可能成功。

數(shù)智賦能優(yōu)化地熱能勘探開發(fā)流程

國際能源署指出，全球地熱能基礎(chǔ)資源總量是當前全球一次能源年度消費總量的200萬倍以上，其中，地下深度小于5000米的地熱能基礎(chǔ)資源量占比超過10%。作為地球內(nèi)部熱能的一種自然形式，地熱能擁有儲量大、分布廣、綠色低碳、可循環(huán)利用、穩(wěn)定可靠等優(yōu)勢，但獲取過程卻頗具挑戰(zhàn)。

地下深處溫度和壓力都較大，開發(fā)地熱能需要使用特殊的工具和材料。地質(zhì)結(jié)構(gòu)的復雜性也是難題，這對地熱資源的利用和開發(fā)具有很大影響。地熱能在不同的地區(qū)和環(huán)境下受到的限制和影響也不同，需要根據(jù)當?shù)氐那闆r進行適當?shù)恼{(diào)整和改進。

目前，全球范圍內(nèi)，地熱能在電力結(jié)構(gòu)中占比較小，在數(shù)字化技術(shù)賦能下，識別地熱資源和改進勘探鉆井將變得更加高效。去年9月，谷歌與非營利組織Project InnerSpace宣布，將合作開發(fā)全球地熱資源繪圖和評估工具。

美國能源部指出，僅需獲取0.1%的地球熱量，就能滿足人類200萬年的總能源需求。2018年以來，美國能源部旗下地熱技術(shù)辦公室資助了機器學習的早期研究和開發(fā)應(yīng)用，旨在加強地熱資源勘探能力。美國國家可再生能源實驗室也在開發(fā)人工智能和機器學習技術(shù)，甚至開發(fā)了一套算法和工具，可以改善儲層特征，節(jié)約鉆井成本，優(yōu)化地熱蒸汽田作業(yè)。

業(yè)內(nèi)人士指出，數(shù)智賦能可以優(yōu)化地熱能勘探和開發(fā)流程，從而讓這一清潔能源變得更加物美價廉。一方面，通過機器學習模型分析大量數(shù)據(jù)，可以確定地熱井最佳位置，幫助節(jié)約前期勘探時間和精力；另一方面，通過人工智能技術(shù)賦能鉆探活動，可以更好地評估地下溫度、濕度、壓力等參數(shù)，從而更全面了解地質(zhì)情況，進而采取有針對性的措施來提高地熱能開發(fā)的成功率。