Sıvı-egemen jeotermal sistemlerin güç (elektrik) üretim potansiyelinin olasılığa dayalı hacimsel "yerinde depolanmış ısı potansiyeli" yöntemi ile öngörülmesi

Keşfedilen bir jeotermal rezervuarda ne kadar ısı depolandığı ve bu ısının ne kadarının elektrik veya güç üretimine çevrilebileceği konusunda gerçekçi yaklaşımlarda bulunabilmesi jeotermal rezervuar mühendisliğinin en önemli gereklerinden biridir. Jeotermal kaynakların ne kadar rezerv içerdiği konusunda yapılacak yaklaşımlarda alansal uzanım, kalınlık, kaynak sıcaklığı, gözeneklilik, yoğunluk, sabit basınçta hacimsel belirlenimsel ısı kapasitesi gibi parametreler için gerçekçi tahminler yapmak gerekir. Ayrıca üretilebilirlik faktörü de jeotermal rezervin ne kadarının üretilebilir olduğu konusunda yapılacak yaklaşımlarda kullanılacak en büyük belirsizliği içeren önemli bir parametredir. Deterministik yaklaşımlar belirsizliği sayısallaştırmadığı için üretilebilir rezerv tahminlerinde hacimsel olasılıklı yaklaşımlar sıkça kullanılmaktadır. USGS (Birleşik Devletler Jeolojik Araştırma) ve MIT (Massachusetts Teknoloji Enstitüsü) yöntemleri bu amaçla sıkça kullanılan hacimsel olasılıklı yöntemler olarak rezervuar girdi veri parametrelerini dağılımsal yaklaşımlarla incelerler. Bu yöntemler Monte Karlo (MK) simulasyon yöntemi ya da ona basit bir alternatif olan Analitik Belirsizlik Yayılma (ABY) (Onur et.al. 2010) yöntemiyle ilişkilendirildiklerinde üretilebilir rezerve ilişkin yaygınca kullanılan olasılıklı P10 (kanıtlanmış), P50 (olası) ve P90 (olasılıklı) istatistiksel sonuçları ortaya koyarlar. Tektonik yapı, çatlak dağılımı, gözeneklilik, kalınlık, alansal yayılım, ısı akışı mekanizmaları gibi rezervuar karakteristiklerindeki belirsizlikler nedeniyle jeotermal sahaların yerinde rezerv hesaplamalarında bu parametrelere ait kesin bilgi ve görüşlere sahip olabilmenin olanaksızlığı açıktır. Bu nedenle araştırmacılar açısından belirlenimsel yöntemlerden ziyade olasılıksal modellere yönelmek daha gerçeğe yakın sonuçlara ulaşabilmek açısından önem taşımaktadır. Monte Karlo modelleme ve analitik belirsizlik yayılım yöntemleri sonuçlarını belirsizliği sayısallaştırarak P10 (kanıtlanmış), P50 (olanaklı) ve P90 (olası) değerleri şeklinde ortaya koymaktadırlar. Örneğin; • Eğer bu hesaplamalar sonucunda tahmin edilen P10 değeri 200 MWe ise bunun anlamı sahanın gerçek üretilebilir rezerv değerinin 200 MWe'den %90 olasılıkla daha fazla olduğudur. Yani tahmin edilen 200 MWe'lık potansiyel rezervin bilinmeyen gerçek değerden daha az ya da bu değere eşit olma olasılığı %10'dur. • Eğer tahmin edilen P50 değeri 300 MWe ise bunun anlamı sahanın erçek üretilebilir potansiyeldeğerinin 300 MWe'den %50 olasılıkla daha fazla olduğudur. Yani tahmin edilen 300 MWe'lık potansiyel rezervin bilinmeyen gerçek değerden daha az ya da bu değere eşit olma olasılığı %50'dir. • Benzer şekilde, eğer tahmin edilen P90 değeri 400 MWe ise bu sahanın gerçek üretilebilir elektrik potansiyeli değerinin %10 olasılıkla 400 MWe'den daha fazla olduğu anlamına gelir. Yani tahmin edilen 400 MWe'lık potansiyel rezervin bilinmeyen gerçek değerden daha az ya da bu değere eşit olma olasılığı %90'dır. Bu örneklemeler P10 değerinin biraz daha karamsar ve P90 değerinin ise aşırı iyimser tahminler ortaya koyduğunu göstermektedir. Eğer tahmin edilen rezerv simetrik bir dağılım gösteriyorsa, ki bu nadiren rastlanan bir durumdur, P50 değerinin ortalama potansiyel değerine daha yakın ya da eşit olması bu değerin gerçekleşmesi olasılığının güvenilirliğini arttırmaktadır. Ancak rezerv dağılımları genellikle log-normal bir dağılım gösterdiklerinden P10 değerinin kullanımı daha tercih edilir olarak görülmektedir (Capen 1996, 2001). Örneğin P10 değeri özel ve kamu yatırımlarımcılarının ya da kuruluşlarının petrol, doğal gaz ya dajeotermal reservuar potansiyelini sınıflandırmak ve projelere maddi destek sağlamak konusunda yatırımcıların ve karar verici mekanizmaların değerlendirdiği ölçütlerdir (Capen, 2001). USGS ve MIT yöntemleri kurulu bulunan ya da kurulacak olan güç çevrim sisteminin türünü ve termodinamiğin ikinci yasasını göz önünde bulundurmaksızın keyfi seçilmiş referans sıcaklıkları ve çevrim verimliliği parametreleriyle çalışırlar. Bu durum Garg ve Combs (2015) tarafından gösterildiği gibi güç üretim potansiyeli tahminlerinde üzere aşırı iyimser sonuçların elde edilmesine neden olur. Garg ve Combs (2015) jeotermal sahalardan üretilebilir güç potansiyelinin hesaplanmasında kaynak sıcaklığına bağlı olarak çalışan yeni bir yaklaşım önerdiler. Bu yaklaşıma göre eğer kaynak sıcaklığı 180 0C'nin üzerinde ise bu jeotermal saha tekli ya da ikili flash güç çevrim sistemleri için uygundur. Eğer kaynak sıcaklığı 57 oC ile 180 oC arasındaysa bu jeotermal sahadan en yüksek verimde güç üretebilmek için kurulması gerekli güç çevrim santrali türü çiftli akışkan (binary) olmalıdır. Ayrıca bu yeni yaklaşım hacimsel olasılıklı rezerv tahminlerinde girdi parametrelerinin de bu güç çevrim sisteminin termodinamik özellikleriyle uyumlu olmasını gerekli kılmaktadır. Olasılıklı rezerv yaklaşımlarında Monte Karlo simulasyon yöntemi oldukça sık kullanılan bir yöntem olmakla birlikte Analitik Belirsizlik Yöntemi de Monte Karlo Yöntemi'ne çok yakın sonuçlar veren (1%-5% farkla) bir alternatif yöntemdir. Bu tez çalışmasında incelenen USGS, MIT ve Garg & Combs (2015) yöntemlerinin tümü hem MK simülasyon yöntemiyle hem de AB yöntemiyle incelenmiş ve sonuçlar MK yöntemi ile karşılaştırmalı olarak verilmiştir. Her üç yaklaşım için ABY denklemleri türetilmiştir. Daha sonra ABY yönteminin USGS, MIT ve Garg & Combs (2015) yaklaşımlarına uygulamaları gösterilmiş ve bulunan sonuçlar MK simulasyon yönteminden bulunan sonuçlarla kıyaslanmıştır. ABY yönteminden elde edilen sonuçlar MK yönteminden elde edilen sonuçlarla mükemmel bir uyum göstermiş ve böylece hacimsel yaklaşımlarda geniş kapsamlı MK simulasyonlarının ve bu amaçla ticari yazılımların kullanımının gereksizliğini ortaya konmuştur. Kullanılan keyfi ve rastgele değerler sonucunda aşırı iyimser değerler ortaya koyan USGS ve MIT yöntemlerinin uygun kullanımları ile ilgili önerilerde bulunulmuştur. Bu tezin son bölümünde, Garg ve Combs (2015) yöntemi, Başel'in 2010 doktora tezinde üzerinde çalışmış olduğu 25 jeotermal sahaya aynı girdi parametreleri kullanılarak uygulanmış ve Başel'in MIT yöntemi ile değerlendirdiği güç potansiyeli tahminleri, Garg & Combs (2015) Monte Karlo ve Analitik Belirsizlik yöntemlerinin kullanımıyla elde edilen sonuçlarla kıyaslanmıştır. Böylelikle MIT yönteminin ne kadar iyimser sonuçlar ortaya koyduğu değerlendirilmiştir. Bu 25 jeotermal saha, kaynak sıcaklıkları 100 0C'nin üzerinde olduğu için elektrik üretimine uygun sahalar olarak değerlendirilmiştir. Ancak günümüzde kaynak sıcaklığı 57-180 0C arasında olan jeotermal sahalardan en verimli biçimde güç üretebilen çift akışkanlı (binary) güç çevrim sistemleri geliştirilmiştir. Garg ve Combs (2015) yöntemi Monte Karlo ve Analitik Belirsizlik yöntemi yaklaşımlarıyla, hiçbir rastgele ya da keyfi değerin kullanımına meydan vermeksizin, kurulu güç çevrim sisteminin ve sistemde kullanılan jeotermal ya da ikincil akışkanın termodinamik özelliklerine bağlı olarak, aşırı iyimserlikten uzak, daha gerçekçi rezerv tahmin tahminleri yapabilmeyi mümkün kılmaktadır. Bu yöntem, referans sıcaklık (ya da terk sıcaklığı) ve güç çevrim verimliliği parametrelerinin kullanımındaki öznelliği ortadan kaldıran en iyi yöntemdir. Bu tez çalışmasında, Garg ve Combs yöntemi kullanılarak MK ve AB yaklaşımları ile, sözü edilen 25 saha için elde edilen üretilebilir güç potansiyel değerleri aritmetik toplamı P10=661 MWe, P50=1165 MWe ve P90=1909 MWe olarak bulunmuştur. Öte yandan aynı sahalar için Başel (2010) P10=840 MWe, P50=1428 MWe ve P90=2371 MWe değerlerini öngörmüştür. Bu 25 jeotermal saha için aynı rezervuar girdi parametreleri kullanılmış olması dolayısıyla MIT yönteminin bu 25 saha için Türkiye'nin güç üretim potansiyelini aşırı iyimser tahmin ettiği gayet açıktır.