國際能源領(lǐng)域著名期刊《Applied Energy》在線刊發(fā)了我院石油工程系潘煥泉教授團隊的研究論文“Multi-objective optimization for efficient CO₂ storage under pressure buildup constraint in saline aquifer”。該論文提出了一種結(jié)合人工智能技術(shù)的多目標(biāo)優(yōu)化策略，專注于在鹽水層中實現(xiàn)高效且安全的CO₂封存，為碳捕獲與封存（CCS）項目的現(xiàn)場部署和安全管理提供了重要的指導(dǎo)意義。《Applied Energy》（ISSN：0306-2619）創(chuàng)刊于1975年，主要刊發(fā)能源以及交叉學(xué)科的創(chuàng)新研究成果，該期刊最新影響因子為10.1，屬于SCI一區(qū)TOP期刊。論文第一作者為資源學(xué)院2021級博士生劉劍橋，通訊作者為潘煥泉教授。

在鹽水層中持續(xù)注入CO₂會導(dǎo)致地層壓力急劇上升，可能降低封存效率并增加CO2泄漏和誘發(fā)地震的風(fēng)險。因此，開發(fā)一種最優(yōu)的注入策略，以最大化CO₂封存量并最小化泄漏風(fēng)險，對于封存項目至關(guān)重要。然而，傳統(tǒng)的流動-力學(xué)耦合模擬計算量大，難以應(yīng)用于大規(guī)模的CO₂封存部署。

為解決這一難題，該研究提出了一種創(chuàng)新的優(yōu)化框架，協(xié)同優(yōu)化生產(chǎn)井的開井時間和注入井、生產(chǎn)井的控制策略，以提高CO₂封存效率和安全性。該框架首次將CO₂注入量和安全性作為共優(yōu)化目標(biāo)，確保在注入過程中地層壓力均勻增加，降低局部壓力積累的風(fēng)險。此外，該框架還整合了代理模型與非支配排序遺傳算法II（NSGA-II），并引入了一種新型神經(jīng)網(wǎng)絡(luò)架構(gòu)，將增強型傅里葉神經(jīng)算子（U-FNO）與變換器編碼器相結(jié)合，實現(xiàn)了對累積CO₂注入量、壓力和飽和度動態(tài)演化的快速準(zhǔn)確預(yù)測，有效滿足了優(yōu)化任務(wù)中對快速數(shù)值模擬速度的需求。

案例研究結(jié)果表明，該方法易于在鹽水層的規(guī)模化CO₂封存中部署，為CO₂封存優(yōu)化提供了易于現(xiàn)場部署的一種高效方法，提高了CO₂封存管理的效率和安全性。

論文信息:

Title: Multi-objective optimization for efficient CO₂ storage under pressure buildup constraint in saline aquifer

Authors: J Liu, J Liu, Y Zhu, W Sun, D Zhang, H Pan^*

Source: Applied energy

DOI: https://doi.org/10.1016/j.apenergy.2024.125175