综述：碳捕获与封存（CCUS）油井中的碳酸化现象：简要综述与文献计量分析

《Next Research》：Carbonation in CCUS Oil Wells: A Mini‐Review and Bibliometric Analysis

油井水泥浆在CCUS中的碳化问题及解决方案研究：基于270篇文献的计量分析显示，2011年后相关研究论文数量激增，2022年达峰值。研究指出碳化导致pH下降、孔隙率增加和力学性能退化，现有缓解策略包括碱激发地质聚合物、纳米黏土和石墨添加剂，并创新性地应用偏最小二乘回归精确测定碳酸钙含量。但长期高温高压条件下的碳化机制及实时监测技术仍存在显著研究空白。

　　

R.A. 文图拉 | G.S. 布拉加 | E.P. 莫拉埃斯 | J.C.O. 弗雷塔斯 | F. 加尔比塔蒂 | R.C. 圣地亚哥

北里奥格兰德联邦大学化学研究所，巴西北里奥格兰德州纳塔尔市

摘要

在碳捕获与封存（CCUS）过程中，油井水泥浆的碳酸化严重损害了长期的密封性能：超临界二氧化碳（CO?）扩散进入水泥基质，并与氢氧化钙（Ca(OH)?）和钙硅酸氢盐（C–S–H）凝胶发生反应，生成碳酸钙（CaCO?），导致pH值下降、微观结构孔隙度增加以及材料性能下降。在这篇综述中，我们整合了对270篇Scopus索引论文的文献计量分析（通过VOSviewer工具进行整理），并对主要的碳酸化机制及新兴的缓解策略进行了系统总结，包括碱激活的地质聚合物、纳米粘土添加剂和石墨的引入。我们还展示了如何利用偏最小二乘回归法精确测定碳酸钙的含量。研究结果表明，自2011年以来相关论文数量呈指数级增长，2022年达到峰值；然而，在长期高温高压条件下的研究以及实时监测技术的应用方面仍存在显著不足。这些发现为提高CCUS井中水泥屏障的耐久性指明了明确的研究方向。

部分内容

引言

为实现2050年的碳中和目标，高排放行业亟需通过减少二氧化碳排放来平衡其总体温室气体排放，从而遏制全球变暖[1]。随着钢铁、水泥、乙醇和电力生产等行业排放量的持续增长，开发创新技术以减轻环境影响并实现大规模减排变得至关重要[[2], [3], [4], [5], [6], [7]]。

文献计量分析方法

文献计量分析分为五个主要阶段，使用VOSviewer（版本1.6.x）从Scopus数据库中提取数据，绘制了作者合作网络、共同引用关系及术语共现图。

巴西背景与二氧化碳增强型石油回收（EOR）技术

巴西已成为二氧化碳储存的领先国家，2022年已注入1000万吨二氧化碳（主要位于桑托斯盆地的卢拉和萨皮尼奥阿油田的盐下层），目标是在2025年前达到800万吨[16]。在这种条件下，超临界二氧化碳（温度>31.1°C；压力>7.39 MPa）的密度为600–800 kg/m3，粘度较低（约0.05 mPa·s），这虽然有助于提高岩石渗透率，但会加剧对水泥套层的化学侵蚀[17]。二氧化碳增强型石油回收技术提高了石油回收率

Scopus数据库分析结果

在Scopus数据库中检索到270篇关于CCUS井用水泥材料的论文，发表于1996至2024年间。图3显示，论文数量在2010年前增长平稳，2011年后加速增长，2022年达到峰值，超过40篇。

这一增长反映了人们对开发二氧化碳捕获与储存解决方案的日益关注和投入。

讨论

时间分析表明，近年来论文数量显著增加，反映了科学界为发展碳捕获与储存技术而付出的巨大努力。作者合作网络的扩大以及学术产出的系统性增长表明，这一领域正快速发展，其集体贡献正在塑造新的实践并推动未来创新。

通过文献计量分析，我们确定了十个最重要的研究方向

结论

通过对270篇Scopus索引论文的文献计量分析，我们发现CCUS井用水泥材料的研究领域正在迅速扩展。主要作者如Cheng X.和Zhang L.引领了从基础研究（如二氧化碳与氢氧化钙及钙硅酸氢盐的反应）到创新缓解策略（如碱激活的地质聚合物、纳米粘土和石墨添加剂）的多方面研究。

未来展望

尽管已取得显著进展，但仍存在若干关键挑战需要未来研究解决。首先，需要在真实超临界条件下（高温高压）进行长期评估，以准确量化水泥套层内的二氧化碳扩散、碳酸化及渗出速率。其次，应优先开发并严格测试环境可持续的替代粘合剂（如地质聚合物和生物聚合物改性系统），以减少碳足迹。

CRediT作者声明

R.A. 文图拉：概念构思、方法论设计、数据收集与分析、初稿撰写、审稿与编辑、可视化。

G.S. 布拉加：数据整理、数据分析、验证、初稿撰写、审稿与编辑。

E.P. 莫拉埃斯：软件开发、数据可视化、审稿与编辑。

J.C.O. 弗雷塔斯：资源协调、项目管理、监督工作。

F. 加尔比塔蒂：资金筹集、项目监督、审稿与编辑。

R.C. 圣地亚哥：方法论设计、数据收集与分析、项目监督。

写作过程中的人工智能辅助声明

在撰写本文过程中，作者使用了ChatGPT（OpenAI）工具进行文本修订和英文翻译。使用该工具后，作者对内容进行了必要的审阅和编辑，并对最终发表的文章内容负全责。

未引用的参考文献

[[63], [64], [65], [66], [67], [68], [69], [70], [71], [72], [73], [74], [75], [76], [77], [78], [79]]

CRediT作者贡献声明

R.A. 文图拉：审稿与编辑、初稿撰写、方法论设计、数据分析、概念构思。

G.S. 布拉加：初稿撰写、验证、方法论设计、数据分析、概念构思。

E.P. 莫拉埃斯：审稿与编辑、初稿撰写、数据可视化、验证、方法论设计、数据分析、概念构思。

J.C.O. 弗雷塔斯：审稿与编辑、项目管理。

利益冲突声明

作者声明没有已知的可能影响本文研究的财务利益或个人关系。

致谢

作者衷心感谢Cement Laboratory（LabCim/UFRN）和ENEVA S.A.团队的支持。