智能優化技術在CO2地質埋存與利用中的應用

侯智瑋

(遼河油田勘探開發研究院，遼寧盤錦 124010)

2015年，聯合國政府間氣候變化專門委員會(IPCC)發布了一份評估報告，報告中指出全球氣候變化有95%的概率歸因于人類活動排放的溫室氣體[1]。從1970年到2004年，全球二氧化碳年排放量增加了約80%。自2006年以來，每年大約有300億t二氧化碳被釋放到大氣中。大氣中的二氧化碳體積分數已從工業革命前的0.028 0%增加到2012年的0.039 3%。二氧化碳和其他溫室氣體(GHG)的人為排放被確定為全球變暖和氣候變化的主要原因[2]。

二氧化碳地質埋存技術主要是指將二氧化碳注入地下深部儲層進行永久封存的技術，是應對全球氣候變化的有效技術手段之一。二氧化碳地質埋存與利用技術(CGUS)被認為是電力和工業部門低碳經濟的關鍵戰略。CGUS的目標是在埋存二氧化碳的同時有益于其他能源的生產。二氧化碳地質埋存技術(CGUS)提供了一種避免向大氣中直接排放大量二氧化碳的潛在解決方案，從長遠來看，CGUS可以幫助穩定甚至減少大氣中的二氧化碳濃度。可行的二氧化碳埋存方案的主要特點是有效減少二氧化碳排放量、埋存量大、埋存時間長(至少幾百年)、合理的成本和能源損失以及對環境影響程度最小等[3]。

二氧化碳地質埋存的有效性和安全性取決于各種物理和地球化學捕獲機制的結合。目前可供CO2地質埋存的主要場所有深部含鹽水層、枯竭油氣藏和不可采煤層等。據統計，全球深部含鹽水層的二氧化碳儲存量為(400～10 000)×108t，枯竭油氣藏的二氧化碳儲存量為920×108t，深部煤層的二氧化碳儲存量為20×108t，其中深部含鹽水層中二氧化碳的儲存量是油氣藏的10倍以上，是煤層儲存量的幾百倍，埋存潛力最大[4]。

1 CO2地質埋存機理

1.1 地質構造埋存機理

地質構造埋存也稱為靜態埋存，這是二氧化碳地質埋存中最重要的埋存機理。對于二氧化碳，雖然二氧化碳的浮力很大，但是封閉蓋層的阻擋作用阻止了其垂直和橫向遷移。當二氧化碳氣體、液體或兩相流體遇到封閉蓋層，不能繼續向上遷移時，會被困在封閉蓋層從而埋存。地質構造埋存的形成要求圈閉中含有油氣或地下水[5-6]。

1.2 束縛埋存機理

儲層巖石中通常有一定的孔隙空間。在二氧化碳遷移過程中，二氧化碳分子在注入壓力和地層流體浮力的作用下進入這些微孔隙中，并留在這些孔隙中。經過長時間的結合和溶解機理的相互作用，二氧化碳最終會溶入地層礦物和流體中[7-8]。

1.3 溶解埋存機理

在油氣層和鹽水層注入二氧化碳后，部分二氧化碳會溶解在地層水或油中。在儲層中，二氧化碳在驅油時溶解在油中，然后在剩余油中捕獲部分二氧化碳。在鹽水層中，飽和CO2后水的密度會增加，這會促使溶解在鹽水中的CO2隨鹽水向下遷移，有利于CO2的進一步溶解和擴散。該方法可減少地層中的氣相二氧化碳量，降低二氧化碳運移和泄漏的風險，是一種相對安全穩定的埋存狀態[9-11]。

1.4 礦化埋存機理

礦化埋存是指二氧化碳在地層狀態下與巖石、地層水反應生成酸性物質，如H2CO3與礦物中方解石和白云石反應的過程。礦化作用可提高地層水中鈣、鎂等陽離子的濃度，促進與碳酸鹽等陰離子的結合，形成更穩定的次生礦物，達到固定二氧化碳的目的。礦化反應很慢，時間尺度很長，通常要幾百年甚至幾千年才能完成[12-13]。

4種埋存機理的安全性見圖1。

圖1 4種埋存機理安全性示意

由圖1可見：當CO2注入地層進行地質埋存時，在注入初期(幾十年內)，主要以地質構造埋存的形式存在于地層，安全性較低；在注入中期(數百年內)，由地質構造埋存轉為束縛埋存，并逐漸向溶解埋存轉化，此時安全性相對較好；在注入后期(數千年)，埋存形式主要以溶解埋存和礦化埋存為主，安全性最高。

2 全球CO2埋存項目及在油藏中的埋存潛力

目前，世界各地的大型CO2地質埋存項目見表1，國內的CO2埋存項目統計見表2，全球可用于二氧化碳驅提高石油采收率(CO2-EOR)、二氧化碳驅替煤層氣(CO2-ECBM)和CO2地質埋存的油藏潛力[14]見表3。

表1 世界各地的大型CO2地質埋存項目

表2 國內的CO2埋存項目

表3 全球可用于CO2- EOR 和CO2地質埋存的油藏潛力

Godec等[14]建立了世界上最大的50個含油盆地(約占世界石油儲量的95%)數據庫，以評估全球CO2-EOR和儲量潛力。其中，適合于CO2-EOR的儲層地質儲量為4億t，預計適合于CO2-EOR混相驅的儲層可采出原油640億t，儲存二氧化碳1 400億t。此外，這些含油盆地還含有1 200億t未發現原油(2000年之前)。若將CO2-EOR技術成功應用于資源，全球CO2-EOR應用的潛力將增加到1 450億t石油，二氧化碳儲存的潛力將達到3 200億t。由此可見，CO2-EOR和CO2儲存技術的潛力巨大。

由表2和表3可見：我國的CO2地質埋存項目起步較晚，應用范圍也沒有世界上其他國家廣泛。

3 CO2-EOR與CO2地質埋存協同優化

將二氧化碳儲存在廢棄的油氣藏中，不僅可以提高油氣藏的采收率，提高經濟效益；還可以降低大氣中二氧化碳的比例，減緩溫室效應。儲層具有良好的圈閉條件，因此在油氣藏或廢棄油氣藏中儲存二氧化碳是世界上常用的方法之一。目前，大多數都是在油氣藏開發后期向儲層注入二氧化碳，在提高采收率的同時，也將二氧化碳儲存在油氣藏中。在二氧化碳儲存過程中，依據經驗設計開發方案會導致二氧化碳利用率較低。近年來，由于優化技術的飛速發展，將實際工程問題與優化技術相結合，可以顯著降低成本，提高效率，最大限度地提高油氣回收率。此外，還可以優化二氧化碳的利用率，降低二氧化碳的泄漏風險和二氧化碳儲存的建設成本，最大限度地提高經濟效益[15]。

協同優化CO2-EOR和地質埋存的目標是以最小的二氧化碳注入量最大限度地提高采收率，同時盡可能多地使二氧化碳儲存在儲層中[15]。同時，還應考慮二氧化碳利用率，避免二氧化碳注入不足，不能充分利用儲層的儲存空間，同時避免過量注入二氧化碳導致壓力過大，造成地層破裂，使CO2泄漏[16]。通過選擇合適的優化理論和方法，合理設計油氣比、生產井和注水井井底壓力、注氣類型、最小混相壓力(MMP)、凈現值(NPV)等油田開發參數，以最低的成本實現最高的經濟效益[17]。

智能優化算法又稱現代啟發式算法，是一種通用性強、適用于并行處理的全局優化算法。該算法一般具有嚴格的理論基礎，而不是單純依靠經驗，在一定時間內從理論上可以找到最優解或近似最優解。智能優化算法可以彌補傳統優化技術的不足。Ampomah等[18]提出了一種將代理模型與遺傳算法相結合的方法，目標函數是石油產量和二氧化碳儲存量。以德克薩斯州的FWU油藏為例，與傳統方法相比，其CO2儲量增加了20%，采收率提高了近9%，成功驗證了協同優化框架理論(同時優化原油產量和二氧化碳埋藏量)的正確性，為今后的二氧化碳儲存工程提供了技術指導。Karkevandi-Talkhooncheh等[19]將自適應神經模糊推理系統(ANFIS)與多種智能優化算法[反向傳播(BP)、粒子群優化(PSO)、遺傳算法(GA)、蟻群優化(ACO)和微分進化(DE)等]相結合，預測CO2和原油間的最小混溶壓力(MMP)。預測結果的精度高于現有文獻模型，數據的誤差精度僅為7.35%。Li等[20]提出以凈現值和二氧化碳儲量為目標函數，通過RSM進行擬合。建立了一套理論系統，分析了CO2儲量與EOR的組合優化問題，并采用DOE算法對系統參數進行了優化。NPV最大值可達1.905 38×109，CO2最大埋存量為2.074 38×105t。Safarzadeh等[21]提出采用多目標優化算法(NSGA-Ⅱ)和DOE算法優化CO2埋存量和原油采收率。該方法的優點是，當油價、二氧化碳稅等經濟參數發生變化時，可以隨時改變參數，提高不同經濟效益下的決策能力。與單目標優化方法相比，多目標優化方法的優化時間短，決策時間短。Ampomah等[22]考慮了地質不確定性變量(kv/kh)的影響，當kv/kh為0.5時，效果較好。采用蒙特卡羅采樣器的靈敏度分析方法，減少了優化所需的控制變量數量，并建立了代理模型，縮短了計算時間。提出的儲層優化方法可以在不影響采收率的前提下提高CO2的埋存量。Van等[23]采用人工神經網絡模型(ANN)對初始含水飽和度、kv/kh、CO2與水注入時間比(WAG)和循環持續時間為獨立變量的網絡進行訓練，預測CO2驅油過程中的采收率、產油率、氣油比(GOR)、累計產油量、CO2凈埋存等參數，生成的模型和應用程序相對簡單、經濟、有效。該方法對實際原油儲層的CO2驅替和CO2儲集開發具有很強的指導作用。Safi等[24]使用COZView / COZSim軟件平臺，對廢棄油藏中EOR系統的地下流動進行數值模擬，使用遺傳優化算法以恒定速率和壓力注入方案優化CO2的注入，研究結果為其他CCUS系統提供了技術指導，如二氧化碳強化天然氣開采(CO2-EGR)、二氧化碳強化深部咸水開采(CO2-EWR)和二氧化碳增強地熱系統(CO2-EGS)等。

利用二氧化碳驅油是一種經濟實用的方法，在世界各地具有廣闊的應用前景。對于含水率高、滲透性低的注水油田，二氧化碳驅油方案有望成為一種可持續的采油和同步固碳方法[25]。采用智能優化技術優化CO2-EOR和CO2地質儲量。原油的采收率提高幅度在1.67%～28%，二氧化碳的凈利用率最高為95%，最低為61.8%。造成不同結果的原因有很多，如儲層類型、驅替方式、注氣方式、注氣方式、油藏初始采收率等。不同的優化技術也會產生不同的效果。其中利用多目標優化算法和神經網絡優化技術，效果較好，優化后的EOR值和CO2凈利用率是最大值。

4 降低CO2地質埋存泄漏風險的優化技術

4.1 注采優化技術

向儲層中注入二氧化碳會導致儲層壓力急劇上升，可能影響蓋層完整性，造成嚴重的壓力效應，嚴重的話會造成二氧化碳泄漏。為了解決這一問題，控制壓力有2種方法：一種是嚴格控制二氧化碳的注入量，另一種是從儲層中采出天然流體進行壓力管理，以控制壓力平衡。其中最重要的2個參數是二氧化碳的注入速率和天然流體的采出速率。在優化過程中，有必要將儲層總壓力和井底壓力降到合理的范圍內，將泄漏風險降到最低。

Davidson等[26]提出在從地層中采出流體時應考慮經濟效益(包括所增加的鹽水生產成本和降低二氧化碳注入量成本)，還考慮了對CO2注入效率的影響。當二氧化碳埋存在非均質鹽水層中時，由于儲層的非均質性，二氧化碳羽流的橫向遷移受到影響。為了增加CO2和鹽水之間的接觸并增加鹽水層中CO2儲存的潛力，控制CO2的注入速率以實現該目標。Shamshiri等[27]利用MATLAB軟件中的牛頓優化算法用于優化CO2注入速率，促進CO2在各個方向上的均勻遷移，并限制CO2羽流向泄漏區域的移動，以降低潛在位置泄漏的風險。Babaei 等[28-29]、Cihan等[30-31]提出了通過進化算法優化CO2注入速率和流體采出速率，通過GA算法優化CO2注入速率，利用約束差分進化(CDE)算法解決了鹽水采出速率的全局優化問題，從而降低了鹽水總提取量，降低了開發成本，限制了儲層壓力的增加。

4.2 井位優化技術

井位選擇是基于油藏特征、流體性質、鉆井建設及經濟效益等多因素的高風險復雜系統工程。CO2埋存工程中，由于鉆新井的成本過高，無論是利用油氣藏中的原有井網注入井位進行選擇，還是需要在原有井網基礎上打新井作為CO2注入井，監測井和流體采出井，井位的選擇在很大程度上影響到油氣藏開發的采收率、CO2的埋存量、地質封存的安全性及經濟效益。因此，在CO2地質埋存項目中，需要仔細考慮井位的選擇。利用常規方法進行井位選擇通常耗時耗力，所需經濟成本較高而且精確度較差，為降低成本同時提高井位的準確度，需要利用智能優化算法來確定井的位置及最優井數。

在CO2地質埋存項目中，可以在油氣飽和度高的區域設置數量較多的注入井，從而提高油氣采收率；而且由于儲層的非均質性，井的不同位置可能會導致CO2遷移路徑不同[32-33]。而利用智能優化技術可以計算出在每個區域的應該布置注入井的數量，降低額外的經濟成本。而為了提高CO2埋存的安全性，避免CO2泄漏，應避免在油藏斷層處及裂縫密集區域布注入井。Cameron等[34]提出了一種新的CO2地質埋存安全性能的衡量標準，以CO2埋存總量(包括CO2固定和溶解的總量)與CO2總注入量的比值，同時考慮到相滲曲線不可逆(滯后性)性的特點，重新定義了CO2固定量的概念。將該比值指標作為優選準則，同時結合ILHS(迭代超立方采樣)無導數全局優化算法應用于井位的選擇上，將新的固定CO2量定義作為目標函數，以提高二氧化碳地質封存的安全性。Goda等[32]提出井位的選擇需要考慮儲層滲透率和孔隙度的非均質性影響，利用約束差分進化(CDE)算法，用于解決井位及儲層中流體提取速率的全局優化問題。CDE高效地估算了采出井位置和以及鹽水提取率的全局最優值。Royg等[33]利用自適應進化蒙特卡羅(AEMC)算法對井位進行優化，目標函數是埋藏區域中二級捕集(殘余氣體和溶解捕集)的二氧化碳量，與基礎方案相比，最優井位方案可以增加約15%的CO2埋存量。Goda等[35]用Hooke-Jeeves直接搜索算法用于井位優化，首次提出對于井位置變量，變量是流動模擬的整數值(確保它們對應于相應的網格)。

4.3 代理模型技術

類似工程設計優化、設計空間搜索、靈敏性分析和假設分析，需要數千甚至數百萬次模擬的任務，直接對原模型求解不太可能；改善此類問題的一個方法就是使用計算量較小、求解迅速的代理模型來替代原模型。代理模型對不同的輸入變量插入目標函數值，并作為原始儲層模型的計算成本的代理。優點在于模型足夠靈活，計算時間短，可以用少量的參數獲得優化環境的多模態特性，模型計算精度高，確保模型的精確度，降低CO2泄漏的風險。

在CO2地質埋存中，由于地質模型的不確定性(如巖石物理屬性和構造屬性)，需要多次調用數值模擬器(Eclipse，CMG，TOUGH)進行多次模擬以解決地質或流動模型中不確定性，詳細的地質模型以及對地質不確定性的處理實現增加了計算時間，現場規模的數值模擬通常需要數小時或數天的模擬運行時間，為了降低計算時間，同時保證求解的精確度，降低CO2泄漏的風險，需要利用代理模型替代原有的數值模型進行計算[36-41]。

Babaei等[36]利用自適應網格稀疏差值(ASGI)方法對地質模型構建代理模型，在非均質地層中尋找最佳的CO2注入層位，與全網格插值法相比，ASGI需要的函數計算量更小，求解效率更高。 Mahmoodpour等[42]基于Box-Behnken方法構建代理模型，通過代理模型模擬，估算出鹽水中溶解的二氧化碳量，同時根據含水層對二氧化碳的溶解能力進行排序，篩選出適宜埋存CO2的含水層，解決了數值方法所需時間過長的問題。Pan等[37]基于克里金差值方法構建地質模型的代理模型，同時結合動態尺寸搜索(DDS)算法優化克里金模型以得到CO2注入速率的最小值。該算法與標準的遺傳算法相比，克服了優化模型需要長時間模擬的問題，具有良好的收斂特性，而且可以獲得比進化算法更好的解，節約了開發成本。Pan等[43]還利用人工神經網絡進行代理模型的構建，ANN代理模型所需的時間比數值模擬軟件節約24.43%。Zhang等[44]結合了混合整數規劃(MIP)和Polynomial Chaos Expansion (PCE)共同構建代理模型，用PCE代理模型獲得的輸出響應表面與通過TOUGH2數值模擬獲得的響應表面匹配度達到了98%，PCE模型的模擬時間比TOUGH2數值模擬器快了幾個數量級。

5 結論

二氧化碳地質儲存技術對減緩溫室效應具有重要意義，同時也可以提高油氣藏的采收率。通過總結智能優化技術在二氧化碳地質埋存與利用(CGUS)中的進展，得到了如下結論。

1)在CO2地質埋存技術中，應重點關注油氣藏的CO2封存技術。因為在廢棄油氣藏中埋存CO2，通過驅替殘余的油氣，提高原油和天然氣的采收率，可以帶來額外的經濟效益。CO2驅替油氣與埋存是實現低碳經濟的要求和有效途徑，對低碳經濟的實現意義重大。

2)利用智能優化技術，協同優化CO2-EOR與CO2地質埋存，所增加的原油采收率在10%以上，要高于常規的優化技術。但是利用優化算法進行參數的優化求解可能陷入局部最優解，往往不是全局最優解，因此未來需要尋求更適合解決工程實際問題的優化算法，可以結合不同的優化算法形成高效混合算法，比如將代理模型與多目標優化算法相結合，可以彌補多目標優化算法運行時間過長的問題。未來可以將機器學習、深度學習、大數據理論應用到CO2-EOR與CO2地質埋存中。

3)在降低CO2泄漏風險方面，主要利用的智能優化技術是井位優化技術和代理模型技術。井位優化的主要目的是為了保證CO2埋存的安全性，避免在裂縫或斷層處布置井。大多數利用代理模型技術能得到與利用數值模擬求解器相似甚至更加精確的結果。而計算速度比數值模型快了幾個數量級，減少了計算成本，降低CO2的泄漏風險。