段忠豐 李福來(lái) 楊永紅 于翔 王凱寧

摘要 ： 對(duì)蘇北盆地建湖隆起的干熱巖資源潛力進(jìn)行評(píng)價(jià)，展示華東地區(qū)沉積盆地型干熱巖資源的勘探前景?；谝巴饪辈?、室內(nèi)實(shí)驗(yàn)和數(shù)值模擬等多手段地質(zhì)分析方法分析研究區(qū)干熱巖地?zé)岬刭|(zhì)條件，以4個(gè)區(qū)域地震地質(zhì)剖面為基礎(chǔ)，建立二維熱傳導(dǎo)數(shù)值模型，模擬分析深部地溫分布，確定評(píng)價(jià)深度。應(yīng)用基于體積法的蒙特卡羅模擬給出合理的資源量評(píng)價(jià)分析。該方法可充分考慮參數(shù)估計(jì)的不確定性。結(jié)果表明，建湖隆起3～10 km深度內(nèi)干熱巖資源的可采熱資源量約為44.6億t標(biāo)煤，發(fā)電潛力為692769.9 MWe，約為江蘇省2022年全年用電量的49倍。

關(guān)鍵詞 ：干熱巖； 潛力評(píng)價(jià)； 建湖隆起； 熱傳導(dǎo)模擬； 蒙特卡洛模擬

中圖分類號(hào) ：P 314 ???文獻(xiàn)標(biāo)志碼 ：A

引用格式 ：段忠豐，李福來(lái)，楊永紅，等.蘇北盆地建湖隆起沉積盆地型干熱巖資源潛力評(píng)價(jià)［J］.中國(guó)石油大學(xué)學(xué)報(bào)（自然科學(xué)版），2024，48（1）：46-54.

DUAN Zhongfeng， LI Fulai， YANG Yonghong， et al. Potential estimation of hot dry rock geothermal resources in sedimentary basins： a case study from Jianhu Uplift， Subei Basin， China［J］.Journal of China University of Petroleum（Edition of Natural Science），2024，48（1）：46-54.

Potential estimation of hot dry rock geothermal resources in sedimentary ??basins： a case study from Jianhu Uplift， Subei Basin， China

DUAN Zhongfeng ?1，2 ， LI Fulai ?1，2 ， YANG Yonghong 3， YU Xiang ?1，2 ， WANG Kaining ?1，2

（1.National Key Laboratory of Deep Oil and Gas（China University of Petroleum （East China））， Qingdao 266580， China;

2.School of Geosciences in China University of Petroleum （East China）， Qingdao 266580， China;

3.Exploration and Development Research Institute， SINOPEC Shengli Oilfield Company， Dongying 257029， China）

Abstract ： This study presents an estimation of the potential of hot dry rock （HDR） resources in Jianhu Uplift， Subei Basin， demonstrating the feasibility of exploring HDR geothermal resources within the East China sedimentary basin. An integrated geological investigation was conducted， involving field work， laboratory measurements， and numerical modeling to assess the HDR geological conditions within the study area. Four geologic sections were utilized to construct 2D heat conduction numerical models， which were instrumental in comprehending the geo-temperature field and determining the estimated depth. Subsequently， a Monte Carlo simulation， employing the volume method， was applied to provide a reasonable potential estimation. This modified method effectively accounts for uncertainties associated with estimation parameters. The results show that the amount of recoverable heat resources of HDR geothermal resources within 3-10 km depth in Jianhu Uplift is about ?44.6× 10 ?8 ?tons of standard coal and the generation potential is 692 769.9 MWe，more than 49 times the annual electricity consumption of Jiangsu Province in 2022.

Keywords ：hot dry rock; potential estimation; Jianhu Uplift; heat transfer simulation; Monte Carlo simulation

盡管中國(guó)地?zé)嶂苯永昧繋资陙?lái)一直位居世界第一，但由于中國(guó)高溫地?zé)豳Y源主要分布于西南藏滇地?zé)釒?，資源分布與用電需求不相匹配，中國(guó)地?zé)岚l(fā)電發(fā)展非常緩慢 ?［1-2］ 。目前，世界各國(guó)主要開(kāi)發(fā)和利用的是水熱型地?zé)豳Y源，占已探明地?zé)豳Y源的10%左右，更多的地?zé)崮軆?chǔ)存于干熱巖（hot dry rock，HDR）地?zé)豳Y源中。深部干熱巖地?zé)豳Y源溫度更高，分布更廣，利用效率更高 ?［3］ 。近幾十年來(lái)，增強(qiáng)型地?zé)峒夹g(shù)（enhanced geothermal system，EGS）在全球范圍內(nèi)得到了測(cè)試和驗(yàn)證，并顯示出相當(dāng)可觀的利用前景 ?［4-5］ 。因此干熱巖（HDR）地?zé)豳Y源可能是中國(guó)地?zé)岚l(fā)電突破的可行路徑，并受到越來(lái)越多的關(guān)注 ?［6-8］ 。江蘇是中國(guó)的經(jīng)濟(jì)大省，但貧油少煤，每年從外省調(diào)入或國(guó)外進(jìn)口的化石能源約占年能源消耗量的90%。隨著經(jīng)濟(jì)的快速發(fā)展，能源自給率屢創(chuàng)新低且持續(xù)下降，能源短缺已成為江蘇省經(jīng)濟(jì)發(fā)展的瓶頸 ?［9］ 。蘇北盆地位于中國(guó)東部沿海高熱流地?zé)岙惓?，具有豐富的地?zé)豳Y源 ?［10］ 。初步研究表明，蘇北地區(qū)具有干熱巖地?zé)豳Y源開(kāi)發(fā)前景 ?［11］ ，其開(kāi)發(fā)利用對(duì)于促進(jìn)江蘇經(jīng)濟(jì)的可持續(xù)發(fā)展具有重要意義，有必要探討其資源潛力。不同于一般的水熱型地?zé)豳Y源，干熱巖地?zé)豳Y源是儲(chǔ)存于3～10 km深度的地殼巖石中，廣泛分布地?zé)崮堋ＹY源潛力評(píng)價(jià)作為干熱巖資源場(chǎng)地刻畫(huà)的首要工作之一，其難點(diǎn)在于隨著深度增加的地質(zhì)信息的稀缺性和不確定性。干熱巖潛力評(píng)價(jià)中最關(guān)鍵的參數(shù)是巖石溫度，目前有兩種確定方法：在研究程度較低時(shí)，根據(jù)地溫梯度等參數(shù)推算干熱巖體頂?shù)酌鏈囟??［12-13］ ；在研究程度較高時(shí)，采用數(shù)值模擬方法，模擬三維或二維地溫分布 ?［14-15］ 。對(duì)于建湖隆起區(qū)，由于其研究程度較低、資料有限，筆者采用二維熱傳導(dǎo)數(shù)值模擬方法確定地溫分布，并結(jié)合基于體積法的蒙特卡羅模擬來(lái)評(píng)價(jià)其干熱巖地?zé)豳Y源潛力，可減少評(píng)價(jià)的不確定性。

1 建湖隆起的地質(zhì)背景

建湖隆起位于蘇北盆地的中部。蘇北盆地是在太古宙、元古宙震旦系和古生代基底上發(fā)育起來(lái)的中新生代陸相沉積盆地。構(gòu)造位置上，蘇北盆地位于郯廬斷裂帶以東，嘉山-響水?dāng)嗔褞б阅?，揚(yáng)州、如皋市以北，走向NE，寬度約260 km，面積約3.2萬(wàn)km 2。該盆地的構(gòu)造特征是“兩坳夾一隆”，北部為鹽阜坳陷，南部為東臺(tái)坳陷，中部即為建湖隆起（圖1）。

建湖隆起東西向伸展，長(zhǎng)190 km，寬10～38 km，面積3950 km 2。在以片麻巖、麻粒巖和片巖為主的太古宙基底上，上元古代至第四紀(jì)地層均發(fā)育，可劃分為3個(gè)地層單元：①由海相碳酸鹽巖和碎屑巖組成的元古代和古生代基底；②中上三疊統(tǒng)和白堊紀(jì)形成的中生代碎屑巖和侵入巖漿巖；③以古近系—新近系砂巖、泥巖和第四紀(jì)松散沉積物為主的新生代沉積層序（表1）。

建湖隆起以平原地貌為主，海拔為2～50 m，由西向東逐漸變低。除西部丘陵地區(qū)為元古界和新近紀(jì)的露頭巖層覆蓋外，其余均為第四紀(jì)沉積覆蓋。

2 干熱巖資源潛力評(píng)價(jià)方法

體積法是干熱巖資源潛力評(píng)價(jià)的推薦方法，已廣泛用于各地干熱巖資源潛力評(píng)價(jià)，以便于全球?qū)Ρ??［16］ 。本次研究中采用二維熱傳導(dǎo)數(shù)值模型來(lái)分析深部溫度分布，而蒙特卡羅隨機(jī)模擬則用來(lái)評(píng)估評(píng)價(jià)參數(shù)的分布范圍 ?［17］ 。

2.1 地質(zhì)剖面和巖石取樣

在研究區(qū)開(kāi)展廣泛的現(xiàn)場(chǎng)地質(zhì)工作，包括巖石采樣、水樣采樣、井溫測(cè)井、氡（Rn）監(jiān)測(cè)、CSAMT調(diào)查和鉆井調(diào)查。從露頭和鉆孔巖心中收集25個(gè)巖石樣本，以表征研究區(qū)的地層特征。

基于大地電磁測(cè)深（MT）資料，對(duì)建湖隆起上地殼的地質(zhì)構(gòu)造進(jìn)行解釋。選取橫跨建湖隆起的4個(gè)地質(zhì)剖面（2個(gè)NE向，2個(gè)NW向）用于模擬10 km深度范圍內(nèi)的地溫場(chǎng)（圖2）。MT剖面上的地層和巖體分布表明，建湖隆起基底侵蝕嚴(yán)重，地層主要為震旦系、寒武系和奧陶系，厚度超過(guò)6 km。除東部存在上古生界和中生界地層外，上覆地層為新生代沉積層，厚度小于3 km。建湖隆起兩側(cè)有南北傾斜的兩個(gè)斷裂體系，控制著中、新生代地層的發(fā)育和分布。在隆起中還存在一些次級(jí)斷裂，控制著地?zé)崴牧鲃?dòng)。熱儲(chǔ)層主要為震旦系和下古生界海相碳酸鹽巖，地?zé)徙@孔顯示熱儲(chǔ)巖溶裂縫發(fā)育，單井出水量大。

2.2 巖石物理參數(shù)

對(duì)采集的25個(gè)巖樣進(jìn)行系統(tǒng)的物性測(cè)試，包括密度、孔隙度、導(dǎo)熱系數(shù)和放射性產(chǎn)熱率。此外，獲得了前人研究的數(shù)據(jù) ?［18］ 。利用4個(gè)地質(zhì)剖面對(duì)建湖隆起的巖性格架和地層分布進(jìn)行分析。采用厚度加權(quán)調(diào)和平均法計(jì)算平均熱導(dǎo)率，采用厚度加權(quán)算術(shù)平均法計(jì)算平均放射性產(chǎn)熱率。計(jì)算結(jié)果見(jiàn)表2。

2.3 地溫場(chǎng)模擬

恒溫帶下的淺部地殼地溫場(chǎng)可認(rèn)為處于穩(wěn)定的熱平衡狀態(tài)。熱傳導(dǎo)是大陸地殼的主要換熱機(jī)制?？紤]地層的展布和非均質(zhì)性采用二維熱傳導(dǎo)模擬熱流從地殼深部向淺層地殼傳導(dǎo)過(guò)程中的再分配，從而對(duì)建湖隆起深部地溫場(chǎng)進(jìn)行精確刻畫(huà)。模擬中也考慮了放射性生熱對(duì)地溫場(chǎng)的影響。利用基于TOUGH2的Petrasim軟件對(duì)4個(gè)地質(zhì)剖面進(jìn)行熱傳導(dǎo)模擬。TOUGH2是多孔和裂縫介質(zhì)中熱-流-力-化多物理場(chǎng)耦合的積分式有限差分法模擬軟件 ?［19-20］ 。

2.4 ?地?zé)豳Y源評(píng)價(jià)

體積法廣泛應(yīng)用于水熱型地?zé)豳Y源以及其他固體礦物的評(píng)價(jià)，也被推薦用于干熱巖潛力評(píng)價(jià)。通過(guò)地殼地溫場(chǎng)熱傳導(dǎo)模擬可獲得3～10 km深度的地溫分布，可據(jù)此對(duì)每1 km厚的巖層（即3～4、 4～ 5、…、 9～ 10 km）中儲(chǔ)存的熱資源量進(jìn)行評(píng)價(jià)。1 km厚的巖層中儲(chǔ)存的熱資源量計(jì)算式為

H=ADρc（T ?X -T ?r ）. （1）

式中，H為熱資源量， J； A為面積， m 2； D為儲(chǔ)層厚度， m； ρ為巖石密度， kg/m 3； c 為巖石比熱容，J/ （kg·℃） ； T ?X為所述儲(chǔ)層的特征溫度，℃； T ?r為基準(zhǔn)溫度，即地?zé)豳Y源通過(guò)利用能降低到的溫度，℃。在本研究中，根據(jù)USGS的建議，將 T ?r定為95 ℃，比年平均地表溫度（15 ℃）高80 ℃ ?［21］ 。

為評(píng)價(jià)干熱巖儲(chǔ)層的發(fā)電潛力，將熱資源量用裝機(jī)容量表示。假定熱量會(huì)按熱能效率 （η ??th ?）轉(zhuǎn)化為電能，發(fā)電潛力為

P=η ??th ?H×10 ?-6 /t. （2）

式中，P 為每1 km厚干熱巖儲(chǔ)層的發(fā)電潛力，MWe； η ??th 為熱能效率； t 為電廠運(yùn)行周期，s。

熱能效率（ η ??th ）取決于儲(chǔ)層溫度。可由Tester等 ?［22］ 提出的公式計(jì)算，

η ??th =0.00052 T ?X +0.032. （3）

地?zé)犭姀S穩(wěn)定性較好，除設(shè)備維護(hù)及除垢等時(shí)間外，基本可連續(xù)運(yùn)行，年運(yùn)行時(shí)間可為300 d。式（2）給出了干熱巖儲(chǔ)層中的總熱量，但要將全部熱能提取出來(lái)在技術(shù)上不可能。因此需要確定一個(gè)可采系數(shù) R 來(lái)評(píng)價(jià)可采熱量，該系數(shù)取決于儲(chǔ)層孔隙度和滲透率 ?［23］ 。Beardsmore等 ?［24］ 建議 R 取值為002～0.20，《地?zé)豳Y源評(píng)價(jià)方法及估算規(guī)程DZ/T 0331-2020》中推薦的 R為0.02?？刹少Y源量（P ?T）評(píng)價(jià)計(jì)算式為

P ?T= RP. （4）

體積法中的巖石密度、巖石溫度等地層參數(shù)具有一定的不確定性?？刹捎秒S機(jī)風(fēng)險(xiǎn)分析方法，如蒙特卡羅模擬，來(lái)估計(jì)可能的參數(shù)范圍，并依據(jù)概率給出資源量的最可能值。

基于體積法的干熱巖資源評(píng)價(jià)過(guò)程中熱儲(chǔ)體積（ V ?X ）、密度（ρ）、熱儲(chǔ)溫度（T ?X ）等參數(shù)的不確定性都可用概率密度函數(shù)來(lái)描述。研究中采用三角形概率函數(shù)描述參數(shù)的分布特征，用最小值、中間值和最大值3個(gè)特征值定義。

以儲(chǔ)層溫度 T ?X 為例收集并分析二維熱傳導(dǎo)模擬得出的地層溫度數(shù)據(jù)，顯示其概率分布（圖3）。圖3中t 1、t 2、t 3分別為熱儲(chǔ)層的最低、最可能和最高溫度； 為平均溫度；σ ?t 為標(biāo)準(zhǔn)差。黑色區(qū)域表示儲(chǔ)層溫度落在該范圍內(nèi)的概率。

本文中考慮的不確定性分析變量為熱儲(chǔ)溫度T ?X 和巖石密度ρ（表3）。T ?X 的分布取決于地層中的熱傳導(dǎo)過(guò)程，由地溫場(chǎng)模擬得出。使用 @RISK軟 件進(jìn)行蒙特卡洛計(jì)算，采樣數(shù)為10000 ?［25］ 。

3 結(jié)果討論

3.1 二維地溫場(chǎng)模擬

數(shù)值模型的幾何模型參照?qǐng)D2所示4個(gè)地質(zhì)剖面設(shè)置。第四紀(jì)沉積物較薄，在模型中不考慮。 Z方向上劃分為250 ?m的矩形網(wǎng)格， X 方向上1000 m，厚度為1000 m。根據(jù)地層和巖體的分布，將巖石的物理參數(shù)分配給每個(gè)網(wǎng)格單元（圖4）。

模型中頂部邊界為恒溫帶，設(shè)為定溫度邊界（16.5 ℃）。下邊界定為定熱流邊界。根據(jù)區(qū)域熱流數(shù)據(jù) ?［26］ 和之前的地溫場(chǎng)分析，隆起區(qū)和坳陷區(qū)地表熱流分別為88和70 mW/m 2。根據(jù)前人對(duì)蘇北盆地殼幔熱結(jié)構(gòu)的研究，放射性生熱對(duì)10 km深度內(nèi)熱流的貢獻(xiàn)在隆起區(qū)和坳陷區(qū)分別為16.6和15.1 mW/m 2。據(jù)此，隆起區(qū)和坳陷區(qū)的底界地幔熱流分別設(shè)定為71.4 和54.9 mW/m。

地層溫度從頂部隨深度線性遞增，初始地溫梯度設(shè)為3 ℃/100 m， 地層壓力等于靜水壓力。運(yùn)行模型直至地溫場(chǎng)達(dá)到穩(wěn)態(tài)，可得到10 km深度內(nèi)的地溫場(chǎng)（圖4）。熱流更易通過(guò)高導(dǎo)熱巖石傳導(dǎo)，如花崗巖、碳酸鹽等。因此由于震旦系和下古生代碳酸鹽巖等高熱導(dǎo)地層的隆升，熱量集中在隆起區(qū)，溫度比坳陷區(qū)更高。蓋層厚度對(duì)地溫分布也有影響。蓋層很薄或沒(méi)有蓋層時(shí)，熱量迅速散失，區(qū)域溫度降低。

計(jì)算結(jié)果與鉆孔測(cè)溫?cái)?shù)據(jù)擬合良好（圖5）。將得到的地溫場(chǎng)數(shù)據(jù)導(dǎo)出，用于資源量評(píng)價(jià)。

3.2 干熱巖潛力評(píng)價(jià)

模擬完成后對(duì)導(dǎo)出單元格的溫度進(jìn)行統(tǒng)計(jì)分析，以確定每1 km熱儲(chǔ)層溫度的三角形概率分布特征。

體積法中使用的其他物理參數(shù)為不同巖性的面積加權(quán)（表3）。由于建湖隆起3 km深度下的巖石孔隙度非常低，僅為0.50%～1.13% ?［27］ ，因此忽略地下水中的熱量。

利用式（1）和（2）以及基于體積法的蒙特卡羅方法估算出每1 km厚層的熱資源量 H和發(fā)電潛力P，結(jié)果見(jiàn)表4。可采系數(shù)R取0.02，利用式（4）計(jì)算可采資源量P ??T （表5）。

結(jié)果表明，建湖隆起3～10 km深度內(nèi)干熱巖資源潛力巨大， 平均值為2228.1±139.2 億t標(biāo)煤。如果開(kāi)發(fā)2%的干熱巖資源，可采資源量平均值為44.6億t標(biāo)煤， 發(fā)電潛力為692769.9 MWe，約為江蘇省2022年全年用電量（7399.5億kW·h，合2.66 ×10 ?18 ?J）的49倍； 其中3～7 km深度內(nèi)干熱巖資源潛力平均值為952.8±225.8億t標(biāo)煤，可采資源量平均值為19.1億t標(biāo)煤，約占3～10 km深度內(nèi)干熱巖資源潛力的43%。從技術(shù)、經(jīng)濟(jì)可行性來(lái)看，其開(kāi)發(fā)的可行性更高。

3.3 不確定性分析

HDR地?zé)崮苜Y源評(píng)價(jià)與傳統(tǒng)熱液資源評(píng)價(jià)存在差異，主要原因是數(shù)據(jù)缺乏，不確定性增加。經(jīng)過(guò)實(shí)際數(shù)據(jù)驗(yàn)證的數(shù)值模擬方法能夠提供對(duì)研究區(qū)域地質(zhì)參數(shù)的整體認(rèn)識(shí)，并獲得地?zé)釢摿υu(píng)價(jià)所需參數(shù) ?［28］ 。因此本文中采用熱傳導(dǎo)模擬作為表征受地質(zhì)剖面約束的地溫分布的工具。

為了考慮評(píng)價(jià)參數(shù)的不確定性，合理評(píng)估HDR潛力，將體積法與蒙特卡羅模擬相結(jié)合，對(duì)體積法進(jìn)行改進(jìn)。圖6為利用蒙特卡羅模擬估算的可采資源量，置信區(qū)間為90.0 %時(shí)可采資源量折合發(fā)電潛力為

542?631.4～874?713.6 MWe。這表明地質(zhì)參數(shù)的選擇會(huì)導(dǎo)致評(píng)價(jià)結(jié)果差距極大。因此不同EGS項(xiàng)目之間對(duì)比時(shí)應(yīng)仔細(xì)分析參數(shù)的選擇方法并進(jìn)行不確定性分析。

4 結(jié) 論

（1）蘇北盆地建湖隆起3～10 km埋深的干熱巖可采資源量平均值為44.6億t標(biāo)煤，發(fā)電潛力為692769.9 MWe，約為江蘇省2022年全年用電量的49倍。

（2）干熱巖資源評(píng)價(jià)時(shí)由于深部地質(zhì)數(shù)據(jù)的缺乏，導(dǎo)致評(píng)價(jià)結(jié)果的不確定性增加。經(jīng)過(guò)地質(zhì)數(shù)據(jù)驗(yàn)證的數(shù)值模擬能夠提供對(duì)研究區(qū)地質(zhì)參數(shù)的整體把握，是干熱巖潛力評(píng)價(jià)的有力工具。

（3）位于中國(guó)東部的沉積盆地處于高熱流值背景下，具有相似的地?zé)岬刭|(zhì)條件，干熱巖資源潛力巨大。隨著高溫鉆井、巖石壓裂等技術(shù)的改進(jìn)，EGS項(xiàng)目最終將經(jīng)濟(jì)上可行，以滿足區(qū)域內(nèi)各大城市的巨量能源需求。

參考文獻(xiàn) ：

［1］ ?KONG Y， PANG Z， SHAO H， et al. Recent studies on hydrothermal systems in China： a review［J］. Geothermal Energy，2014，19（2）：2-19.

［2］ ?BERTANI R. Geothermal power generation in the world 2010-2014 update report［J］. Geothermics， 2016，60：31-43.

［3］ ?許天福，袁益龍，姜振蛟，等.干熱巖資源和增強(qiáng)型地?zé)峁こ蹋簢?guó)際經(jīng)驗(yàn)和我國(guó)展望［J］.吉林大學(xué)學(xué)報(bào)（地球科學(xué)版），2016，46（4）：1139-1152.

XU Tianfu， YUAN Yilong， JIANG Zhenjiao， et al. Hotdry rock and enhanced geothermal engineering：international experience and China prospect［J］.Journal of Jilin University（Earth Science Edition），2016，46（4）：1139-1152.

［4］ ?OLASOLO P， JUREZ M C， MORLES M P， et al. Enhanced geothermal systems （EGS）： a review［J］. Renewable and Sustainable Energy Reviews， 2016，56：133-144.

［5］ ?LU S M. A global review of enhanced geothermal system （EGS）［J］. Renewable and Sustainable Energy Reviews， 2018，81：2902-2921.

［6］ ?汪集旸，胡圣標(biāo)，龐忠和，等.中國(guó)大陸干熱巖地?zé)豳Y源潛力評(píng)估［J］.科技導(dǎo)報(bào)，2012，30（32）：25-31.

WANG Jiyang， HU Shengbiao， PANG Zhonghe， et al. Estimate of geothermal resources potential for hot dry rock in thecontinental area of China［J］. Science & Technology Review， 2012，30（32）：25-31.

［7］ ?龐忠和，羅霽，程遠(yuǎn)志，等.中國(guó)深層地?zé)崮荛_(kāi)采的地質(zhì)條件評(píng)價(jià)［J］.地學(xué)前緣，2020，27（1）：134-151.

PANG Zhonghe， LUO Ji， CHENG Yuanzhi， et al. Evaluation of geological conditions for the development of deep geothermal energy in China［J］.Earth Science Frontiers，2020，27（1）：134-15.

［8］ ?QIU N S. Special collection： advances of exploration and utilization technology of geothermal resources in China［J］.Energy Exploration & Exploitation， 2019，37（2）：605-606.

［9］ ?ZHANG X X， ZHANG D J， ZHOU Y， et al. Energy risks zoning and demand forecasting in Jiangsu province［J］. Energy Procedia，2011，5：813-817.

［10］ ?徐立.江蘇地區(qū)地?zé)豳Y源綜合利用研究［D］.南京：南京大學(xué)，2014.

XU Li.The research of comprehensive utilization of geothermal resources in Jiangsu area［D］.Nanjing： Nanjing University，2014.

［11］ ?劉德民，張根袁，關(guān)俊朋，等.蘇北盆地干熱巖地?zé)豳Y源前景分析［J］.地學(xué)前緣，2020，27（1）：48-54.

LIU Demin， ZHANG Genyuan， GUAN Junpeng， et al. Analysis of geothermal resources potential for hot dry rock in the Subei Basin［J］.Earth Science Frontiers，2020，27（1）：48-54.

［12］ ?ZHUG L， ZHANG L Y，DENG Z H， et al. Three-dimensional geological modeling and resource estimation of hot dry rock in the Gonghe Basin， Qinghai province［J］. Energies， 2023，16（16）：5871.

［13］ ?孫明行，王瑞湖，管彥武，等.廣西陸域干熱型地?zé)豳Y源潛力估算［J］.吉林大學(xué)學(xué)報(bào)（地球科學(xué)版），2022，52（4）：1302-1313.

SUN Minghang， WANG Ruihu， GUNA Yanwu， et al. Estimation of hot dry geothermal resources in Guangxi［J］.Journal of Jilin University（Earth Science Edition），2022，52（4）：1302-1313.

［14］ ?HOWELL L， BROWN C S， EGAN S S. Deep geothermal energy in northern England： insights from 3D ?finite difference temperature modelling［J］. Computers & Geosciences，2021，147：104661.

［15］ ??BROWN C S. Regional geothermal resource assessment of hot dry rocks in Northern England using 3D geological and thermal models［J］. Geothermics， 2022，105：102503.

［16］ ?BREEDE K， DZEBISASHYILI K， LIU X， et al. A systematic review of enhanced （or engineered） geothermal systems： past， present and future［J］. Geothermal Energy， 2013，1（1）：4.

［17］ ?WANG Zhuting， JIANG Guangzheng， ZHANG Chao， et al. Estimating geothermal resources in Bohai Bay Basin， Eastern China， using Monte Carlo simulation［J］. Environmental Earth Sciences， 2019，78：355.

［18］ ?徐立，王良書(shū)，楊謙.江蘇干熱巖地?zé)豳Y源潛力估算［J］.高校地質(zhì)學(xué)報(bào)，2014，20（3）：464-469.

XU Li， WANG Liangshu， YANG Qian. An estimation of hot-dry-rock （HDR） resources in Jiangsu province［J］.Geological Journal of China Universities，2014，20（3）：464-469.

［19］ ?段忠豐，李福來(lái)，鞏亮，等.基于水熱耦合模擬的油氣區(qū)地?zé)衢_(kāi)發(fā)井網(wǎng)布局［J］.天然氣工業(yè)，2020，40（10）：156-162.

DUAN Zhongfeng， LI Fulai， GONG Liang， et al. Geothermal development well spacing patterns based on hydrothermal coupled modeling in oil-gas bearing areas［J］. Natural Gas Industry， 2020，40（10）：156-162.

［20］ ?PURESS K， OLDENBURG C， MORIDIS G. Tough2 user s guide， version 2.0［R］. ?LBNL-43134， 1999.

［21］ ?WILLIAMS C F， REED M J， MARINER R H. A review of methods applied by the U.S. Geological Survey in the assessment of identified geothermal resources：USGS open file report 2008-1296 ［R/OL］.（2008）［2023-06-17］.https：//doi.org/10.3133/ofr20081296.

［22］ ?TESTER W J， ANDERSON B J， BATCHELOR A S， et al. The future of geothermal energy： impact of enhanced geothermal systems （EGS） on the United States in the 21st century： final report to the US DOE geothermal technologies program massachusetts institute of technology， Cambridge， 2006［R/OL］.（2006）［2023-06-17］.https：//www1.eere.energy.gov/geothermal/pdfs/egs_toc_front.pdf.

［23］ ?CALCAGNO P， BAUJARD C， GUILLOU-FROTTIER L， et al. Estimation of the deep geothermal potential within the tertiary Limagne Basin（French Massif Central）： an integrated 3D geological and thermal approach［J］. Geothermics， 2014，51：496-508.

［24］ ?BEARDSMORE G R， RYBACH L， BLACKWELL D， et al. A protocol for estimating and mapping global EGS potential［R］. Sacramento：Transactions-Geothermal Resources Council， 2010.

［25］ ?PALISADE Corp. @risk， risk analysis and simulation add-in for Microsoft Excel or Lotus 1-2-3， Windows version， user s guide［M］. New York： Palisade Corp， 1995：1-4.

［26］ ?姜光政，高堋，饒松，等.中國(guó)大陸地區(qū)大地?zé)崃鲾?shù)據(jù)匯編（第四版）［J］.地球物理學(xué)報(bào)，2016，59（8）：2892-2910.

JIANG Guangzheng， GAO Peng， RAO Song， et al. Compilation of heat flow data in the continentalarea of China（4 ?th edition）［J］.Chinese Journl of Geophysics，2016，59（8）：2892-2910.

［27］ ?WAN Z J， ZHAOY S， KANG J R. Forecast and evaluation of hot dry rock geothermal resource in China［J］. Renewable Energy， 2005，30：1831-1846.

［28］ ??GONZLEZ-GARCIA J， HAUSER J， ANNETTS D， et al. Nevado del Ruiz volcano （Colombia）： a 3D model combining geological and geophysical information［C］. Melbourne： Proceedings World Geothermal Congress， 2015.

（編輯 李志芬）