针对地质条件不均的含盐岩层中CO2与烟气共储的稳健监测设计

《Process Safety and Environmental Protection》：Robust monitoring design for CO2 -flue gas co-storage in saline aquifers under geological heterogeneity

　　摘要：本研究构建了一种高效的监测网络优化框架，该框架在实现全面泄漏检测覆盖的同时，大幅降低了盐层中CO2与烟气共储存过程中的实施成本。通过整合地质特征信息，本研究基于定量风险评估方法建立了概率泄漏评估模型。随后，采用创新的双因素学习曲线模型来量化各项技术的成本效益变化。最后，构建了一个结合地理空间约束、技术规格及资源分配要求的二进制整数规划模型，以确定最佳的传感器布置方案和设备配置。案例研究表明：（1）所提出的模型有效解决了盐层中CO2与烟气共储存的监测难题，在满足所有监测要求及资源限制的前提下将泄漏损失降至最低，从而降低了监测成本；（2）非均质盐层的复杂地质结构显著影响了泄漏成本的评估以及监测井的最佳布置位置；（3）泄漏成本对烟气成分极为敏感，其中CO2的比例是决定性因素。该模型不仅为CO2与烟气共储存项目的监测系统设计提供了科学依据，还为相关领域的环境监测优化提供了重要参考。

引言：全球能源体系仍高度依赖化石燃料的燃烧，这导致温室气体排放持续增加，进一步加剧了全球变暖的影响。因此，减少温室气体排放对于应对全球气候变化具有重要意义。在此背景下，CO2与工业烟气的地质储存逐渐成为一种重要的减排策略（Sharma, 2011; Liu等，2023）。近几十年来，CO2地质储存技术得到了广泛研究（Nassabeh等，2024b），并已成为碳捕获、利用与封存技术的重要组成部分（Mack，2025）。工业烟气包含多种成分，如CO2、水蒸气、颗粒物、重金属及酸性气体，这些成分均适合储存在地质储层中（Nassabeh等，2024a；Nassabeh等，2024b）。尽管烟气排放可能带来环境危害，但关于烟气储存的研究相对较少。值得注意的是，凭借其先进的技术特性，烟气储存具有实现减排目标的巨大潜力。与传统纯CO2储存相比，直接储存未经处理的工业烟气不仅能避免昂贵的气体分离流程，还能同时处理多种温室气体和污染物，从而带来显著的经济与环境优势（Nassabeh等，2025）。CO2与烟气共储存过程包括对烟气进行除尘、脱水和压缩，这些处理均在气体注入地下盐层之前完成。一方面，烟气中的CO2在盐层中具有良好的溶解性和储存稳定性（Spycher和Pruess，2005；Shabani和Vilcáez，2018）；另一方面，烟气中的其他成分（如SO2、NOx）可与形成水发生离子反应，从而实现多种污染物的协同处理（Crandell等，2010；J.K. Pearce等，2023）。此外，本研究将O2和N2等残留气体视为反应性较低的载体气体。与CO2、SO2和NOx相比，它们较少参与溶解-矿化-吸附过程，部分气体在注入后可能仍以游离气态存在。由于气相与地层卤水的密度差异，游离气相会因浮力作用向上迁移。当存在有效的盖岩或构造圈闭时，这些残留气体可能会积聚在密封层下方或构造高处，进而有助于形成气盖结构（Nassabeh等，2025；Cao等，2024）。高压气体可通过多级膨胀驱动涡轮发电机发电，剩余气体则被释放出来（Nassabeh等，2025；Cao等，2024，见图1）。在适合气体储存的地质构造中，包括枯竭的油气藏（Godec等，2011；Callas等，2022；Wei等，2023）、盐层（Shabani和Vilcáez，2018）、煤矿（Zhao等，2016）以及衬砌岩洞（Masoudi等，2024），其中盐层因其分布广泛、储存容量大以及具备有效的盖岩密封性能，被视为最具潜力的储存场所之一。理想的储存场所需满足多项标准才能实现最佳储存效果，这些条件包括足够的储层规模、可靠的泄漏防护措施、注入气体的可回收性，以及注入气体与储层流体之间的化学相容性。然而，地质储存过程中可能存在的泄漏风险，如通过废弃井、天然裂缝或断层产生的泄漏，可能会对环境、地下水资源及人类健康造成威胁（Wilkin和DiGiulio，2010）。在复杂的烟气系统中，系统的可靠性取决于安全屏障的评估（Tamascelli等，2024）。为确保储存过程的安全性与长期稳定性，建立科学有效的监测系统已成为这项技术得以广泛应用的关键前提。与传统CO2地质储存相比，作为一项创新的减排策略，盐层中CO2与烟气共储存为监测网络布局的设计带来了新的挑战。例如，N2等杂质会导致不同的相变现象及泄漏扩散风险（Cao等，2024）。首先，多组分气体的迁移范围和路径不同，增加了监测点布置的复杂性；其次，不同气体组分的检测需求要求监测设备具备更全面的检测功能；最后，各组分之间的相互作用使得监测数据的解读和分析更为困难。目前，已有的监测技术包括土壤气体通量的近地表测量与示踪剂检测（Ren等，2016）、压力监测（Wang和Small，2014）、浅层地下水化学监测（Yang等，2015），以及微地震和跨井地震勘探（Zhang等，2015）。目前的工程实践在相关的规范制定及优化监测策略方面还存在不足（Peng等，2024）。不过，针对多组分烟气储存条件下监测网络配置的优化研究仍然不够充分。尤其是对于多组分气体封存而言，其监测网络设计需要充分考虑各类气体成分之间的协同作用。如何设计出既能提升监测效率又能降低建设成本的科学监测网络，仍是亟待解决的重要科学问题。监测网络优化旨在在确保成本控制、提升运营效率及保障储存完整性的同时，最大化检测的准确性与可靠性。近年来，全球众多研究人员在这一领域开展了大量研究，推动了多种监测网络优化方法的诞生。传统的监测网络设计往往依赖经验方法，这类方法存在覆盖范围不足及检测精度较低的问题（Yang等，2011）。因此，越来越多的研究开始采用先进的优化设计方法。其中一种主流方法是基于地质模型的优化方法，该方法通过构建详细的地下地质模型并模拟CO2的迁移过程，来确定最能反映储存性能和风险的监测点（Yang等，2017），这种方法在提升检测精度的同时减少了不必要的监测点。此外，智能优化算法（如遗传算法、模拟退火算法和粒子群优化算法）也被广泛应用于监测网络优化中，这类算法能够在多维约束条件下找到最优解，从而在监测精度、成本及资源利用之间取得平衡（Cazenave等，2021）。另外，多目标优化方法则综合考虑了监测精度、时间以及空间分布等因素，进一步提升了设计的合理性与效率（Xie等，2024）。最近，数据驱动的优化方法逐渐成为一种有前景的趋势，这类方法借助大数据和机器学习算法，从实时监测数据中提取CO2的迁移规律，从而实现对监测网络布局的动态调整。例如，机器学习算法在同时预测泄漏位置和规模方面表现出很高的准确性（Harati等，2024），这极大地提升了系统的适应能力和灵活性（Morales等，2025）。然而，尽管监测网络设计取得了进展，现有方法在描述地质非均质性、适应技术发展以及确保优化结果的稳健性方面仍存在局限。基于地质模型的方法虽能有效描述纯CO2的迁移行为，但却无法体现含杂质系统中地质非均质性与多组分相互作用之间的耦合效应（Yang等，2017）。智能算法和多目标优化框架虽然能够优化空间配置，但却忽视了技术发展及设备选型之间的权衡关系（Cazenave等，2021；Xie等，2024），而数据驱动技术则与长期的运营需求存在脱节（Morales等，2025）。为弥补这些缺陷，本研究构建了一种高效的监测网络优化框架，该框架通过二进制整数规划模型，将地质非均质性描述与技术发展评估有机结合。该框架能够同时优化传感器布置和设备配置，在确保全面泄漏检测覆盖的同时降低监测成本，从而为解决盐层气体储存项目中的地下环境复杂问题及保障长期运营可靠性提供实用的决策支持工具。

模型框架：本研究为盐层烟气地质储存中的监测网络构建了一个高效的优化框架，该框架由四个相互关联的模块组成（见图2）。泄漏风险评估模块通过整合地质特征、流体性质及泄漏机制来分析泄漏风险，它通过建立泄漏率估算模型和概率计算方法，为优化工作提供定量依据。监测方案设计模块则负责……

结果：本研究以中国某油田的盐层中CO2与烟气共注入项目作为案例进行研究（见图5）。该项目的设计年度注入量为100,000吨，截至目前累计注入量约为80,000吨。从注入规模、地理位置及地质特征等方面来看，该项目都具有很强的代表性。目标储层为深层内陆河流砂岩……

讨论：本研究开发了一种用于盐层中CO2与烟气共封存的集成监测网络优化框架。不过，考虑到计算可行性，我们在物理机制和参数处理方面做了一些简化处理。本文将系统分析这些简化所带来的局限性，评估其对研究结论的影响，并将其与现有文献中的研究成果进行比较。首先，完全耦合的……

结论：本研究通过整合地质非均质性描述与技术发展评估，构建了一种用于盐层中CO2与烟气共储存的高效监测网络优化框架。该框架采用二进制整数规划模型，在空间覆盖、资源限制及技术可行性的约束下，共同优化监测井的布置、设备选择及任务分配。案例研究表明，经过优化的方案可使总成本降至最低，仅为859万美元……

作者贡献声明：Yuanming Li：撰写——初稿、方法部分；Bei Li：撰写——审阅与编辑、撰写——初稿；Shuangxing Liu：数据整理；Ming Xue：撰写——审阅与编辑；Xingchun Li：数据整理；Peng Wu：撰写——审阅与编辑。

利益冲突声明：作者声明不存在任何可能影响本文研究工作的已知财务利益或个人关系。

Yuanming Li|Bei Li|Shuangxing Liu|Ming Xue|Xingchun Li|Peng Wu