设计新型智能静态甲烷检测与监测腔室的挑战:在封堵与未封堵废弃井中的应用

《Environments》:Challengesin Designing a New Smart Static Methane Detection and Monitoring Chamber: Application to Plugged and Unplugged Abandoned Wells

【字体: 大 中 小 】 时间:2026年07月22日 来源:Environments 4.3

编辑推荐:

  来自封堵和未封堵废弃井的甲烷排放迅速与空气稀释,导致常规检测方法无法检测这些来源的甲烷泄漏。常用的甲烷排放检测技术往往达不到废弃井低速率排放所需的检测限,要么依赖于环境条件,要么成本高昂且能耗高,阻碍其成为可扩展的解决方案。研究人员在此介绍一种用于室外测试的新

  
来自封堵和未封堵废弃井的甲烷排放迅速与空气稀释,导致常规检测方法无法检测这些来源的甲烷泄漏。常用的甲烷排放检测技术往往达不到废弃井低速率排放所需的检测限,要么依赖于环境条件,要么成本高昂且能耗高,阻碍其成为可扩展的解决方案。研究人员在此介绍一种用于室外测试的新系统,并展示通量腔室(flux chamber)的检测限如何从700 g/h逐步降低至2 g/h,最终达到1 g/h,满足美国内政部(DOI)对废弃井监测设备的标准。在真实废弃井上的现场部署还揭示了间歇性排放,当定期监测时,这可能是井完整性随时间恶化的指标。为预测排放事件的时间和强度,研究人员训练了液态时间常数(Liquid Time-Constant, LTC)和门控循环神经网络(gated recurrent neural network)对现场部署期间收集的甲烷浓度时间序列进行训练。由于可用于物理测试的井场有限且大气条件不可控,研究人员开发了一个集成机器学习(ML)的计算流体动力学(CFD)模拟框架,以优化井口腔室的几何形状和尺寸,兼顾可检测性与安全性。该腔室设计用于大规模测试井场,有助于运营者和监管机构建立废弃井优先级排序系统。
### 论文解读:设计新型智能静态甲烷检测与监测腔室的挑战——在封堵与未封堵废弃井中的应用

#### 研究背景与问题

甲烷(CH4)是一种强效温室气体,其全球变暖潜能远高于二氧化碳。废弃油井(包括封堵和未封堵的)是甲烷排放的重要潜在来源。据估计,美国陆上存在数百万口废弃井,其中许多因历史记录不全或缺乏现代监管而未被妥善处理。这些井的甲烷泄漏通常速率低且呈间歇性,一旦释放到空气中会迅速稀释,使得传统检测手段(如卫星遥感、航空激光雷达、地面高流量采样器等)难以达到所需的检测限。例如,卫星TROPOMI的检测限高达500–8800 kg/h/像素,不适用于低速率排放的废弃井;而高精度地面方法(如静态通量腔室)虽能检测1 g/h以下的排放,但现有方案成本高、能耗大,且无法实现大规模、低成本的连续监测。美国内政部(DOI)的甲烷测量指南规定,用于废弃井监测设备的检测限最低为1 g/h,但目前尚无满足此标准且可扩展的解决方案。因此,开展这项研究旨在开发一种低成本、可复用的智能静态甲烷检测腔室,结合时间序列预测和计算流体动力学(CFD)优化,以解决废弃井甲烷泄漏检测的难题。该论文发表在《Environments》。

#### 主要关键技术方法

研究人员采用了以下主要关键技术方法:1. **分子特性光谱仪(MPS)甲烷传感器**(型号MPS003,检测限50 ppm)和**超声波风速传感器**(Calypso Instruments ULP PRO),集成至物联网(IoT)通信系统,通过蜂窝网络或本地网关传输数据。2. **门控循环单元(GRU)和液态时间常数(LTC)神经网络**,用于时间序列预测,输入为甲烷浓度时间序列,输出为泄漏事件预测。3. **COMSOL Multiphysics 6.4** 计算流体动力学(CFD)模拟,采用层流模型和传输浓缩物质模块,模拟甲烷在腔室内的扩散。4. **MATLAB LiveLink** 与**机器学习(ML)优化框架**,基于拉丁超立方抽样生成参数组合,训练一个门控循环单元(GRU)神经网络作为代理模型,用于快速优化腔室几何参数。样本队列来源:现场部署在洛杉矶县北部一口废弃井(1951年封堵,使用部分水泥和木塞),进行多次4–7小时测试。

#### 研究结果

**3.1 受控室外测试**
通过迭代设计,检测限从初始的700 g/h(传感器悬挂在支架上)降至2 g/h(铝制通风腔室),最终达到1 g/h(防风罩配置)。第三设计(塑料腔室加钢包覆风帽)消除了信号冲刷和波动,在1 g/h泄漏率下持续检测到甲烷浓度在50–50,000 ppm的检测窗口内。

**3.2 现场部署结果**
在洛杉矶县废弃井的多次部署中,记录了间歇性甲烷泄漏事件,93.1%的数据显示零浓度。首次泄漏事件(154 ppm)在部署35分钟后出现。温度、压力、湿度与泄漏模式无显著相关性,表明井完整性已受损(与1951年部分水泥和木塞封堵一致)。

**3.3 排放预测结果**
LTC模型(R2 = 0.6553)比GRU(R2 = 0.6362)精度高2.7%,但计算成本高58倍。两种模型均成功预测了泄漏事件的时间,但峰值浓度预测值平均低于实测值15–25%,表明模型学习了平均时间模式而非记忆极端值。

**3.4 COMSOL-ML优化结果**
**3.4.1 神经网络精度**
训练的门控循环单元(GRU)代理模型在测试集上对检测窗口、低于检测限和高于爆炸下限(LEL)三个区域的预测均表现良好,RMSE(均方根误差)和MAE(平均绝对误差)在合理范围内。代理模型将优化时间从每模拟6–8小时缩短至5–10分钟。

**3.4.2 设计权衡**
以井半径0.07 m、高度0.30 m为例,保守设计(优先安全)推荐腔室半径0.8675 m、高度0.8614 m,LEL风险从1.1%降至0.9%,但检测覆盖率从93.3%降至90.1%。检测优化设计(优先检测)推荐腔室半径0.7322 m、高度0.6397 m,检测覆盖率提高至93.3%,但LEL风险略高。

#### 讨论与结论

讨论部分指出,废弃井甲烷泄漏检测面临的关键挑战包括:低泄漏速率、间歇性、环境条件不可控,以及现有技术成本高、不可扩展。研究人员开发的静态通量腔室通过物联网(IoT)实现低成本实时监测,迭代设计将检测限降至1 g/h,满足DOI标准。现场部署证实了间歇性泄漏模式,表明井完整性随时间恶化。时间序列预测模型(LTC和GRU)可捕获泄漏事件的统计特征,实现周期性部署而非永久安装,从而降低盗窃和甲烷积聚风险。通过CFD-ML优化框架,研究人员能够根据井的尺寸(高度和半径)推荐最优腔室几何参数,平衡安全性与可检测性。该腔室成本约250美元(原型),远低于现有最便宜的6000美元永久性方案,且每月运维成本仅8美元,具有大规模应用潜力。局限性包括:仅适用于DOI定义的1型井(无井口装置),未考虑湍流效应(层流假设保守但高估甲烷浓度),未安装流量计,且现场测试受限于单个井场。未来工作需在风洞中验证,并开发柔性结构以适配更多井型。

**结论翻译**:使用该腔室并结合未来对封堵、未封堵、孤儿和废弃井甲烷排放检测的研究,可以确保历史井场附近社区的安全,提高甲烷排放清单的准确性,并使州和联邦政府能够高效及时地分配资金。这些努力的紧迫性得到了近期分析(Purvis, 2026)的加强,该分析估计美国陆上存在440万至570万口油井,其中14.2万口目前被归类为孤儿井,另有270万至320万口井未来可能因运营者破产或封堵后泄漏而成为州的责任,同时美国国家科学院、工程院和医学院(2026)也审查了最佳技术和实践。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号