В Томском политехе при поддержке «Приоритета 2030» оценили «поведение» углекислого газа при подземном хранении

Ученые Центра Хериот-Ватт Томского политеха разработали методику прогноза динамики связывания углекислого газа при его закачке в глубокозалегающие водоносные пласты для долгосрочного хранения. Модель, предложенная политехниками, учитывает большое количество параметров процесса и имеет высокую точность прогноза. Это упростит и ускорит оценку объектов при подборе резервуаров хранения. Исследование проводится при поддержке программы Минобрнауки России «Приоритет 2030».

Результаты работы ученых опубликованы в журнале Expert Systems with Applications (Q1; IF:8,665). 

Геологическое хранение CO₂ — перспективный метод снижения концентрации антропогенных выбросов в атмосфере, который активно внедряется в мировую практику. При реализации проектов геологического хранения углекислый газ с помощью скважин закачивается в глубокие формации. Долгосрочное хранение углекислого газа в таком резервуаре обеспечивается за счет того, что он взаимодействует с частицами горных пород и растворяется в пластовом флюиде. Таким образом, с течением времени доля свободного газа в пласте уменьшается, так как он переходит в связанное состояние.

Одним из показателей для оценки безопасности геологического хранения диоксида углерода является коэффициент эффективности захвата, то есть отношения доли CO₂, которая перешла в связанное состояние, к начальному объему закачанного газа. При этом прогноз динамики связывания CO₂ зависит от большого количества параметров. Это значительно затрудняет процесс полномасштабного моделирования.

Ученые Томского политехнического университета создали модель для оценки динамики связывания углекислого газа за счет взаимодействия с породой и растворения в пластовой воде.

Система работает следующим образом. Сначала модель обучается на основе предоставленных ей исходных данных, которые представляют собой множество пар: «входная переменная» и соответствующий ей «результат». Наша модель получает на входе 5450 рядов данных. После чего она определяет зависимость между переменными и результатом, а затем учится прогнозировать аналогичные зависимости на новых данных. После обучения модель способна выполнять прогноз целевых показателей с высокой точностью,

— поясняет инженер-исследователь Центра Хериот-Ватт Томского политеха Шадфар Давуди.
Добиться более высокой точности прогноза удалось благодаря большому объему обучающей выборки и детальной проработке плана экспериментов. Разработанная модель может применяться при первичной оценке геологических резервуаров для подбора комплексов хранения углекислого газа.

Ученые продолжают работу над моделью. Они планируют дополнительно улучшить качество прогноза модели за счет оптимизации настроек алгоритма и применения новой методики предобработки исходных данных.