CO₂增强型地热系统(CO₂-Enhanced Geothermal System,CO₂-EGS)是以CO₂为工质进行地热开采,在提高系统采热效率的同时,可以将部分CO₂封存在地层中。CO₂在裂隙储层中的运移涉及多个物理场的耦合,准确评估多场耦合作用下CO₂-EGS的运行规律,对于优化系统设计、提高采热效率具有重要意义。考虑到地热开采是一个长期过程,上下岩体对储层的热补偿作用对系统的采热性能有着重要影响。本文利用数值模拟方法,研究了热补偿作用下CO₂-EGS多场耦合运行规律,分析了不同因素对EGS采热性能的影响,并对EGS储层温度进行了预测。 首先,基于三维离散裂隙网络模型,针对松辽盆地徐家围子地区中深部干热岩建立了CO₂-EGS热流耦合模型,对比分析了热补偿效应下系统温度场和渗流场的变化规律,探究了热补偿作用及热补偿作用下裂隙分布对系统采热性能的影响。研究发现:考虑热补偿能有效减缓储层温度的下降速率,并且能加快流体在储层中的流动速率。与盖层相比,基岩的热补偿作用更明显。热补偿作用可以提高系统的采热性能。增大裂隙孔径、减小裂隙走向对系统的采热效率也有着积极的作用。 其次,在热补偿作用下的热流耦合模型基础上,引入力学方程,并考虑裂隙渗透率的动态演化,建立了基于三维离散裂隙的CO₂-EGS热流固耦合模型,研究CO₂-EGS应力场及裂隙渗透率的演化规律,定量分析了不同注入方式对系统采热性能的影响。研究发现:储层温度下降导致岩体热收缩并产生负体积应变,促进裂隙张开,裂隙渗透率呈指数增长。考虑裂隙渗透率与应力耦合的热流固模型能更好的描述EGS的采热性能。提高注入速率和降低注入温度有助于提高系统的采热效率。 最后,针对数值模拟过程运行时间长、参数调整复杂等问题,提出了基于神经网络的CO₂-EGS储层温度预测方法。基于前述热流固耦合模型,利用数值模拟获得了不同注入温度、注入速率和裂隙孔径下的储层温度作为数据集,采用GRU神经网络对储层温度进行预测,又将CNN和GRU相结合,提出了CNN-GRU组合神经网络以提高预测性能。研究发现:CNN-GRU模型兼具特征提取与时序建模能力,在预测精度和误差评价指标上均优于GRU模型,可以更有效地预测储层温度。