在數(shù)智化驅動新增長的帶動下，地熱能迎來技術迭代小高潮。

　　5月，兩則有關地熱能開發(fā)的消息引起關注。其一是麻省理工學院支持的一個突破性鉆探技術將于年內進行首次商業(yè)測試，該技術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)智化驅動新增長的帶動下，地熱能迎來技術迭代小高潮。

　　新鉆探技術讓地熱能物美價廉

　　麻省理工學院支持的技術初創(chuàng)公司Quaise Energy日前表示，其研發(fā)的一種鉆探技術，有望推動地熱能開發(fā)。該公司目前已經(jīng)籌資9500萬美元，將在年內對該技術進行首次商業(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。”Quaise 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)字化技術部署，通過收集和分析大量數(shù)據(jù)并對相關地理位置進行評估，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、地質調查、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等其他創(chuàng)新技術相結合，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。“如果解決了技術障礙，地熱能未來在全球能源結構中占比有望超過20%—30%。”他強調。

　　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米的地熱能基礎資源量占比超過10%。作為地球內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。地質結構的復雜性也是難題，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{整和改進。

　　目前，全球范圍內，地熱能在電力結構中占比較小，在數(shù)字化技術賦能下，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辦公室資助了機器學習的早期研究和開發(fā)應用，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，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。

　　文丨中國能源報 記者　王林