This paper focuses on the numerical simulation of geothermal systems in complex geological settings. The physical model is based on two-phase Darcy flows coupling the mass conservation of the water component with the energy conservation and the liquid vapor thermodynamical equilibrium. The discretization exploits the flexibility of unstructured meshes to model complex geology including conductive faults as well as complex wells. The polytopal and essentially nodal Vertex Approximate Gradient scheme is used for the approximation of the Darcy and Fourier fluxes combined with a Control Volume approach for the transport of mass and energy. Particular attention is paid to the faults which are modelled as two-dimensional interfaces defined as collection of faces of the mesh and to the flow inside deviated or multi-branch wells defined as collection of edges of the mesh with rooted tree data structure. By using an explicit pressure drop calculation, the well model reduces to a single equation based on complementarity constraints with only one well implicit unknown. The coupled systems are solved fully implicitely at each time step using efficient nonlinear and linear solvers on parallel distributed architectures. The convergence of the discrete model is investigated numerically on a simple test case with a Cartesian geometry and a single vertical producer well. Then, the ability of our approach to deal efficiently with realistic test cases is assessed on a high energy faulted geothermal reservoir operated using a doublet of two deviated wells.


翻译:本文侧重于复杂地质环境下地热系统的数值模拟。 物理模型基于两个阶段的达西流, 将水部分的大规模保护与节能和液体蒸气热动力平衡结合起来。 离散利用非结构的隔间的灵活性, 以模拟复杂的地质学, 包括导电断断层和复杂的油井。 多式和基本上是交点的Vertex Vertex Appoly 梯度方案, 用于接近达西和Fourier通量, 结合一个控制量方法, 用于运输质量和能源。 特别注意以两维界面为模型的断层, 其定义是收集网格面的表面, 以及偏差或多管井内的流动, 其定义是收集根植树数据结构的网边。 使用明确的降压计算法, 将井模型降低为基于互补性制约的单一方程式, 只有一个非常隐含的未知因素。 结合系统在每一个时间步骤中都完全隐含地解解解, 在平行分布的建筑上使用有效的非线和线解解解解解解解解器。 。 在离式的地层结构中, 和直径断层结构中, 一个连续的地热层模型的集能力趋合, 与一个简单、 快速测算的深度测算的深度测算的深度测算的深度测算的深度测算方法,,, 与一个简单测算的深度测深层,,,,,,,, 与一个简单测算的深度测深室测测算的测算的, 测算的,,,,, 测算的测算的测算的测算的 的 测算的测算的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的

0
下载
关闭预览

相关内容

ACM/IEEE第23届模型驱动工程语言和系统国际会议,是模型驱动软件和系统工程的首要会议系列,由ACM-SIGSOFT和IEEE-TCSE支持组织。自1998年以来,模型涵盖了建模的各个方面,从语言和方法到工具和应用程序。模特的参加者来自不同的背景,包括研究人员、学者、工程师和工业专业人士。MODELS 2019是一个论坛,参与者可以围绕建模和模型驱动的软件和系统交流前沿研究成果和创新实践经验。今年的版本将为建模社区提供进一步推进建模基础的机会,并在网络物理系统、嵌入式系统、社会技术系统、云计算、大数据、机器学习、安全、开源等新兴领域提出建模的创新应用以及可持续性。 官网链接:http://www.modelsconference.org/
专知会员服务
50+阅读 · 2020年12月14日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
105+阅读 · 2020年6月10日
Python分布式计算,171页pdf,Distributed Computing with Python
专知会员服务
107+阅读 · 2020年5月3日
【ICLR-2020】网络反卷积,NETWORK DECONVOLUTION
专知会员服务
38+阅读 · 2020年2月21日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
内涵网络嵌入:Content-rich Network Embedding
我爱读PAMI
4+阅读 · 2019年11月5日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
TCN v2 + 3Dconv 运动信息
CreateAMind
4+阅读 · 2019年1月8日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
Arxiv
0+阅读 · 2021年9月3日
Arxiv
5+阅读 · 2021年2月15日
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
VIP会员
相关VIP内容
专知会员服务
50+阅读 · 2020年12月14日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
105+阅读 · 2020年6月10日
Python分布式计算,171页pdf,Distributed Computing with Python
专知会员服务
107+阅读 · 2020年5月3日
【ICLR-2020】网络反卷积,NETWORK DECONVOLUTION
专知会员服务
38+阅读 · 2020年2月21日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
相关资讯
内涵网络嵌入:Content-rich Network Embedding
我爱读PAMI
4+阅读 · 2019年11月5日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
TCN v2 + 3Dconv 运动信息
CreateAMind
4+阅读 · 2019年1月8日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
Top
微信扫码咨询专知VIP会员