CO2注入咸水層的全物理模型尺度升級方法
中文題目：CO2注入咸水層的全物理模型尺度升級方法
論文題目：Upscaling for Full-Physics Models of CO2 Injection Into Saline Aquifers
錄用期刊/會議：SPE Journal （中科院大類3區(qū)）
原文DOI： 10.2118/225418-PA
原文鏈接：https://doi.org/10.2118/225418-PA
錄用/見刊時間：2025.03
作者列表：
1）王彥集 中國石油大學（北京） 人工智能學院 智能科學與技術系 教師
2）金 衍 中國石油大學（北京） 石油工程學院 油氣井工程系 教師
3）龐惠文 中國石油大學（北京） 理學院 數(shù)學系 教師
4）林伯韜 中國石油大學（北京）人工智能學院 智能科學與技術系 教師
文章簡介:
CO2咸水層封存是減少碳排放、實現(xiàn)碳中和目標的關鍵技術之一。然而，為了準確描述地層的非均質性，精細地質模型通常包含百萬至數(shù)億級別的網(wǎng)格數(shù)量，直接用于數(shù)值模擬需要消耗巨大的計算資源和時間成本，嚴重制約了大規(guī)模數(shù)值模擬與優(yōu)化的效率。為此，本文提出了一種基于信息技術的尺度升級算法框架，通過融合控制方程數(shù)值求解、等效參數(shù)計算等步驟，實現(xiàn)了從精細模型到粗尺度模型的準確映射，在顯著提升模擬效率的同時，確保了預測結果的準確性，為CO2地質封存的數(shù)值模擬提供了更加高效、智能的數(shù)字化解決方案。
摘要:
精細的CO2地質封存模型通常伴隨高昂的計算成本，尤其是在涉及歷史擬合、優(yōu)化或不確定性量化等場景時，計算開銷會大幅增加。針對CO2注入咸水層的全物理模型，本文創(chuàng)新開發(fā)了一套融合信息技術的尺度升級算法框架，以提高數(shù)值模擬的計算效率。該算法基于高性能數(shù)值計算方法構建，分別采用單相尺度升級算法獲取井指數(shù)與傳導率，兩相尺度升級算法確定相對滲透率，并引入毛細極限算法以計算升尺度毛管力，從而實現(xiàn)多物理參數(shù)的協(xié)同升尺度建模。為系統(tǒng)評估算法性能，本文設計了四類典型案例，涵蓋了不同的注入速率、升尺度倍數(shù)、滲透率場類型、流動模式以及多地質模型場景。數(shù)值結果表明，該算法具有極高的準確性，展現(xiàn)出優(yōu)異的精度和強魯棒性。根據(jù)不同的升尺度倍數(shù)，精細尺度模擬的加速倍數(shù)達到了156至630倍，為構建高效、智能的CO?封存模擬平臺奠定了技術基礎。
背景與動機:
碳捕集與封存（CCS）通過捕集大型排放源（如化石燃料發(fā)電站）產(chǎn)生的CO?，并將其存儲于地質構造中，以減少大氣中的CO?排放。數(shù)值模擬在預測CO?在地下環(huán)境中的遷移行為以及評估存儲效果方面至關重要。但受地層的多尺度非均質性、非線性偏微分方程求解以及多相多物理相互作用的影響，高分辨率模型的計算成本極高。此外，當涉及歷史擬合、優(yōu)化和不確定性分析等任務時，計算量進一步顯著增加。因此，常采用尺度升級技術將高分辨率模型轉換為等效的低分辨率模型，以降低計算成本。現(xiàn)有的碳封存模型尺度升級方法多采用簡單平均法或簡化模型（黑油模型），精度有限。本文針對CO2注入咸水層過程，開發(fā)了一套適用于全物理模型的尺度升級算法，在加速數(shù)值模擬的同時，確保高精度和高魯棒性。
設計與實現(xiàn):
井模型控制方程可表示為：
單相流控制方程可表示為：
氣/水兩相流控制方程可表示為：
單相流尺度升級首先需要在目標區(qū)域上求解單相流控制方程，然后計算升尺度井指數(shù)和傳導率：
兩相流尺度方程需要在目標區(qū)域上求解兩相流控制方程，然后計算升尺度相對滲透率：
升尺度毛管力采用毛細極限法進行計算，具體的計算流程如下：
① 首先，對細尺度模型進行粗網(wǎng)格劃分，并逐一提取出每個粗網(wǎng)格內(nèi)部各個細網(wǎng)格的毛管力曲線數(shù)據(jù)；
② 在目標粗網(wǎng)格內(nèi)，設定一個合理的毛管力值
，每個細網(wǎng)格都有與之對應的含氣飽和度
值。粗網(wǎng)格的含氣飽和度
通過細網(wǎng)格值進行體積加權平均計算。
③ 將點
作為升尺度毛管力曲線
上的一個數(shù)據(jù)點；
④ 在合理的區(qū)間內(nèi)不斷選取不同的毛管力值，重復步驟②-③，得到該目標粗網(wǎng)格的升尺度毛管力曲線；
⑤ 對模型中所有粗網(wǎng)格執(zhí)行步驟②-④，最終獲得整個粗尺度模型中每個粗網(wǎng)格的升尺度毛管力曲線。
上述升尺度參數(shù)計算完成后，帶入粗尺度模型中進行數(shù)值求解。
實驗結果及分析:
以圖1所示的滲透率場及井眼軌跡模型為例，對該模型分別按升尺度倍數(shù) 5×5、10×10 和 20×20 進行尺度升級計算。圖2展示了不同升尺度倍數(shù)下細尺度模型與粗尺度模型的結果對比。結果表明，本文提出的尺度升級算法（紅色虛線）在各個尺度下均與細尺度模型結果（黑色實線）最為接近，展現(xiàn)出較高的準確性。其中，局部單相尺度升級模型（綠色點劃線）為某商業(yè)軟件采用的尺度升級算法，本文提出的算法明顯比該商業(yè)軟件方案更為準確。
圖1 滲透率場（log k）以及井軌跡示意圖
圖2 細尺度和粗尺度模型數(shù)值模擬結果
表1匯總了細尺度和粗尺度數(shù)值模擬的計算耗時。結果表明，當升尺度倍數(shù)為 25 時，計算速度提升 156 倍；升尺度倍數(shù)為 100 時，提升 297 倍；當升尺度倍數(shù)增至 400 時，加速比達到 630 倍。通過尺度升級，在確保較高計算準確度的前提下，實現(xiàn)了數(shù)百倍的計算加速。
表1 細尺度和粗尺度數(shù)值模擬耗時
結論:
本文基于CO2注入咸水層的全物理模型，圍繞井指數(shù)、滲透率、毛管力曲線和相對滲透率曲線開展尺度升級研究，形成了一套針對CO2注入咸水層全物理模型的全局尺度升級算法。該算法以信息化建模技術為支撐，能夠準確捕捉CO2注入咸水層過程中的多組分多相滲流特征，將細尺度地質模型準確地轉換成粗尺度數(shù)值模擬模型，算法精確度明顯高于商業(yè)軟件方案。通過尺度升級，粗尺度模型的數(shù)值模擬計算加速156–630倍，實現(xiàn)了顯著的加速比。
作者簡介:
王彥集，中國石油大學（北京）人工智能學院教師。中國石油大學（華東）/美國斯坦福大學聯(lián)合培養(yǎng)博士。研究方向包括：油氣人工智能，多尺度滲流力學，尺度升級，油藏數(shù)值模擬等。