GeoProp: A thermophysical property modelling framework for single and two-phase geothermal geofluids
Notice bibliographique
Résumé
The techno-economic evaluation of geothermal resources requires knowledge of the geofluid's thermophysical properties. While the properties of pure water and some specific brines have been studied extensively, no universally applicable model currently exists. This can result in a considerable degree of uncertainty as to how different geothermal resources will perform in practice. Geofluid modelling has historically been focused on two research fields: 1) partitioning the geofluid into separate phases, and 2) the estimation of the phases’ thermophysical properties. Models for the two fields have commonly been developed separately. Recognising their potential synergy, we introduce GeoProp , a novel geofluid modelling framework, which addresses this application gap by coupling existing state-of-the-art fluid partitioning simulators, such as Reaktoro , with high-accuracy thermophysical fluid property computation engines, like CoolProp and ThermoFun. GeoProp has been validated against field experimental data as well as existing models for some incompressible binary fluids. We corroborate GeoProp's efficacy at modelling the thermophysical properties of geothermal geofluids via a case study on the heat content of different geofluids. Our results highlight the importance of accurately characterising the thermophysical properties of geofluids in order to quantify the resource potential and optimise the design of geothermal power plants.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».