Abstract The geothermal resource assessment is a critical aspect of field development. Therefore, the numerical reservoir simulation was used to calculate geothermal power potential. However, model input in numerical simulation has a high uncertainty with a low level of confidence, especially in the early exploration stage. Looking into the different experimental design (ED) and response surface method (RSM) techniques is very relevant and essential to the geothermal resource assessment using numerical simulation. The work aims to assess all types of ED and RSM, which were the most effective and efficient regression equation by comparing the Root Mean Square Error (RMSE) and R-square value (R2) for estimated energy potential in numerical reservoir simulation. This approach using five types of ED and RSM, especially, full factorial design 2 level (FFD 2 level), full factorial design 3 level (FFD 3 level), Plackett-Burman design (PBD), Box-Behnken design (BBD), and central composite design (CCD) with 179 numerical models of the Atadei geothermal field. The regression equation based on energy potential calculations for all types of ED and RSM then integrated into Monte Carlo simulations to generate the probabilistic geothermal resource capacity. The comparison results show that BBD has the lowest RMSE value of energy potential (0.12 MW) and the highest R2 value (99.72 %). However, when compared with the probabilistic heat stored method, the results of ED and RSM are in different clusters.

中文翻译：

---

地热能试验设计与响应面法：概率资源评价综合研究

摘要 地热资源评价是油田开发的重要环节。因此，采用数值储层模拟来计算地热发电潜力。然而，数值模拟中的模型输入具有较高的不确定性和较低的置信度，特别是在早期勘探阶段。研究不同的实验设计 (ED) 和响应面法 (RSM) 技术对于使用数值模拟进行地热资源评估非常相关且必不可少。该工作旨在通过比较数值储层模拟中估计的能量潜力的均方根误差 (RMSE) 和 R 平方值 (R2)，评估所有类型的 ED 和 RSM，它们是最有效和最高效的回归方程。这种方法使用五种类型的 ED 和 RSM，尤其是，全因子设计 2 水平（FFD 2 水平）、全因子设计 3 水平（FFD 3 水平）、Plackett-Burman 设计（PBD）、Box-Behnken 设计（BBD）和中心复合设计（CCD），具有 179 个数值模型Atadei 地热田。然后将基于所有类型 ED 和 RSM 的能量潜力计算的回归方程集成到 Monte Carlo 模拟中以生成概率地热资源容量。对比结果表明，BBD具有最低的能量势RMSE值（0.12 MW）和最高的R2值（99.72%）。但是，与概率蓄热方法相比，ED 和 RSM 的结果在不同的集群中。Atadei 地热田的 179 个数值模型和中央复合设计 (CCD)。然后将基于所有类型 ED 和 RSM 的能量潜力计算的回归方程集成到 Monte Carlo 模拟中以生成概率地热资源容量。对比结果表明，BBD具有最低的能量势RMSE值（0.12 MW）和最高的R2值（99.72%）。但是，与概率蓄热方法相比，ED 和 RSM 的结果在不同的集群中。Atadei 地热田的 179 个数值模型和中央复合设计 (CCD)。然后将基于所有类型 ED 和 RSM 的能量潜力计算的回归方程集成到 Monte Carlo 模拟中以生成概率地热资源容量。对比结果表明，BBD具有最低的能量势RMSE值（0.12 MW）和最高的R2值（99.72%）。但是，与概率蓄热方法相比，ED 和 RSM 的结果在不同的集群中。12 MW) 和最高的 R2 值 (99.72 %)。但是，与概率蓄热方法相比，ED 和 RSM 的结果在不同的集群中。12 MW) 和最高的 R2 值 (99.72 %)。但是，与概率蓄热方法相比，ED 和 RSM 的结果在不同的集群中。