《Energy Geoscience》：Data-driven proxy models for geothermal doublet performance with and without CO2 reinjection
编辑推荐：
土耳其西部的地热储层含有大量溶解的CO2，导致与地表排放相关的运营和环境挑战。尽管CO2回注是一种有前景的缓解策略，但其成功实施需要对储层性能（特别是生产焓和CO2产率）进行可靠的长期预测。本研究旨在开发并验证一种计算高效的代理建模框架，该框架能够准确预测在有
土耳其西部的地热储层含有大量溶解的CO2，导致与地表排放相关的运营和环境挑战。尽管CO2回注是一种有前景的缓解策略，但其成功实施需要对储层性能（特别是生产焓和CO2产率）进行可靠的长期预测。本研究旨在开发并验证一种计算高效的代理建模框架，该框架能够准确预测在有溶解CO2和没有溶解CO2的水回注条件下的地热储层性能。研究人员构建了一个基于物理的承压含水层模型，以模拟在40年生产期内耦合的流体流动、热传输和回注过程。通过系统地改变代表土耳其西部地热系统的储层特性和运行参数，生成了全面的数值模拟集合。利用这些模拟输出训练神经网络作为代理模型，以预测生产井的焓和CO2分数。代理模型以高精度重现了数值模拟结果，R2值达到约0.997–0.999，焓的均方根误差（RMSE）低于10 kJ/kg，CO2分数的均方根误差低于0.15%。敏感性和变量重要性分析确定，储层温度、注入温度、渗透率和储层厚度是焓和CO2产生的主要控制因素，这与主控物理过程相一致。不确定性分析进一步表明，代理模型在可靠地复制数值模拟结果的同时，将计算成本降低了几个数量级。最后，开发了一个基于Web的图形用户界面（GUI），以实现在用户定义的不确定性范围内进行确定性和概率性性能评估。结果表明，在有和没有CO2回注的情况下，代理模型为地热储层性能预测提供了一种稳健、高效且物理一致的全数值模拟替代方案。
地热能作为一种可持续且低碳的资源被广泛认可。然而，在许多高温地热系统中，特别是在土耳其西部等包含火山或变质地形的区域，二氧化碳（CO2）排放仍然是一个长期存在的环境问题。在高温地热系统运行中释放地质源CO2不仅影响了这些系统的碳中和目标，也增加了长期管理的复杂性。虽然流体回注可以作为缓解地表排放、维持储层压力的可行策略，但实施与优化该方案时必须准确预测储层对流体流动、热传输及化学耦合过程的动态响应。传统的数值模拟器如TOUGH2虽然能提供高保真物理结果，但计算成本昂贵且校准复杂。在优化或不确定性分析中，传统方法因耗时过长而难以实践，且现有的基于机器学习的研究很少能够全面量化不确定性或为实时的CO2回注模拟提供面向用户的工具。为弥补这些技术空白，研究人员针对含与不含溶解CO2的实际地热场景开展了一项长期预测研究。该研究旨在建立机器学习代理模型，以便在最小计算代价下重现数值模拟的输出结果，并将这些模型整合至交互平台以支持地热储层管理与决策。该研究发表在《Energy Geoscience》上，对推动地热开发中的碳排放管理与系统长期可持续性评估具有重要意义。
主要关键技术方法
研究人员采用TOUGH2商业模拟器构建了基于物理的承压含水层数值概念模型，选取EOS2状态方程模块模拟CO2-水相态行为。基于土耳其西部实际地热系统（如K?z?ldere、Bal?ova-Narl?dere等）的岩性与工程参数文献范围，使用均匀分布生成了5000个包含储层及运营参数的随机场景进行40年模拟。采用人工神经网络（ANN）技术作为代理模型框架开发预测工具，使用包含连接权重的优化算法进行训练，利用决定系数R2、均方根误差（RMSE）及平均绝对百分比误差（MAPE）等指标评估模型验证其精度。最后基于网络框架开发了图形用户界面（GUI）用于实时敏感性分析。
研究结果
Validation and analysis of the numerical reservoir model
研究人员选取了土耳其Bal?ova-Narl?dere地热场地作为概念模型的验证对象。将数值模型模拟的测温趋势与历史井底流温数据对比，得出平均绝对百分比误差（MAPE）为2.68%。这表明简化的物理模型能够合理表征该区地热储层在回注条件下的长期冷却响应。通过分析有无CO2回注的典型场景，研究发现生产井温度通常在第7至10年发生迅速下降，随后逐渐稳定；CO2回注对生产井焓值及温度的影响微乎其微，其主要影响体现在产出流体的CO2质量分数变化上。储层热亏缺是导致系统冷却的主控机制，渗透率各向异性控制了注入冷流体移流锋面的推进路径。
Evaluation and selection of proxy models
代理模型训练数据来源于完整的数值模拟队列。在无CO2回注场景中共完成4618次有效模拟，采用23个变量预测12个时间节点的焓值；在含CO2回注场景中完成4116次有效模拟，采用24个输入变量预测焓与CO2分数。经超参数优化，无CO2回注模型采用2个隐含层（分别含45和25个神经元），含CO2回注模型同样采用2个隐含层（包含40和20个神经元）。统计表明，两个模型对生产井焓的预测均表现出色，决定系数R2均接近1.00，RMSE值均低于10 kJ/kg；而在含CO2回注模型中，对CO2分数预测的RMSE也低于0.15%。这表明即使是误差最高的一组场景，预测数据仍能精准反映实际物理系统中因井距过小引发的热突破及早期快速冷却现象。
Variable importance rankings
基于优化后的神经网络权重进行变量重要性分析发现，在无CO2回注的模型中，初始储层温度（TRES）是控制焓输出的最关键变量，因为它决定了地热流体的最高焓值潜能；井距（LWELL）与X方向渗透率（PERMX）同样重要，直接关系冷却前缘推进至生产井的时间和热突破效应。在含CO2回注的模型中，除TRES和TINJ继续主导热动态外，CO2分压（PPCO2）也成为了重要驱动因素。这表明代理模型成功遵循了地热储层流体流动及多相热力学的物理法则，且能够区分不同物理机制对各输出变量的具体影响。
Probabilistic assessment and web-based graphical-user-interface application
为验证代理模型在风险量化中的精度，采用蒙特卡洛方法进行不确定性测试。对孔隙度、水平渗透率和各向异性比率的三角概率分布进行了1000次随机抽样。对比数值模拟与代理模型的累积概率分布，结果表明在P10、P50和P90概率水平下，焓值的绝对百分比误差低于1.2%，CO2分数的误差低于3%。最后，研究开发了基于Web平台的GUI应用，允许工程人员直接输入地热系统特征并设置操作条件，进而在统一的用户界面中获取40年内的指标预测、敏感性分析结果及P10-P90概率的不确定性带宽，并利用Bal?ova-Narl?dere的实例验证了其快速分析与操作优化的实际工程价值。
讨论与结论
研究展明，所建立的神经网络代理模型在预测长达40年的地热储层动态时，能以极高的精度（R2>0.997，RMSE显著低于工程容差）替代计算昂贵的全数值模拟，计算效率实现了数量级的提升。物理模拟和数据分析均证实，在长达40年的运行周期内，CO2回注对生产井产出的流体焓值与温度的影响极为有限，这表明储层热亏缺与多相流体网络中的热质传输主要由受注流体主导的动力与储层各向异性的热交换物理法则控制。变量重要性分析进一步证实，代理模型不仅重现了数值模拟结果，还准确保留了实际物理网络中的底层数据依赖关系，充分证明了物理过程的可解释性与应用可信度。综合研究结论，这一耦合了简化物理表征、神经网络架构与交互不确定性评估的分析框架，为大规模地热储层的长期科学管理与减排降碳决策提供了一种稳健、高效且可规模化应用的评估工具。
