📝 摘要
原位地下修复已被广泛用作从受污染土壤和含水层中清除非水相液体（NAPL）的有效手段。通常考虑使用示踪剂、表面活性剂和泡沫来跟踪注入流体在介质中的传播，溶解和 mobilize 被毛管力捕集的污染物，并克服非均质性程度，改善驱替效率和波及效率。

本研究展示了一个实际的修复过程，通过在10天内共同注入示踪剂和表面活性剂溶液，来减少韩国某军事基地内的NAPL。该场地位于现有燃料分配设施结构下，面积5m×5m，深度3m。通过计算机模拟工作，结合场地非均质性特征，匹配三口抽提井的产出示踪剂和油浓度历史。基于历史拟合捕捉到的非均质性特征，本研究进一步将范围扩展到使用泡沫修复工艺，研究泡沫如何降低注入气相的活动性，从而改善原位修复效果。

🖥️ CMG软件应用情况总结

 
项目 内容
所用软件 CMG STARS（先进过程与热采模拟器）
模型类型 等温、三相（水相、油相、气相）、多组分（水、示踪剂、表面活性剂、油、气）组分模拟器。
模拟对象 韩国Si-Heung市某军事基地内一个5m×5m×3m的浅层污染场地（非水相液体NAPL污染），模拟示踪剂-表面活性剂注入过程及后续泡沫注入的修复效果。
应用方式 • 历史拟合：使用CMG STARS对现场示踪剂/表面活性剂先导试验进行历史拟合，匹配三口抽提井的产出示踪剂（溴化物）和油（二甲苯）浓度。
• 性能预测：基于历史拟合确定的非均质性模型，预测后续表面活性剂/泡沫注入的修复效果。
模型描述 • 网格系统：局部网格细化，总网格数 = (42×42×10) 细网格 + (39×39×10) 粗网格，无流动边界。
• 垂向分层：10层，总厚度3m。顶层（0.3m）为部分饱和区（Sw=0.95, Sg=0.05），底部9层（2.7m）完全饱和水（Sw=1.0）。
• 井配置：3口注入井，3口抽提（生产）井，1口监测井，位于网格中心区域，全部射孔。
• 初始油饱和度：平均0.05，采用现场处理前的油饱和度分布作为输入（图5c）。
• 相对渗透率：采用Stone II模型（Eq. 2-6）。
储层参数 • 绝对渗透率（k）：平均1.0 Darcy（历史拟合后引入高度非均质性）
• 垂向渗透率（kv）：0.1×水平渗透率
• 孔隙度（φ）：8.75%
• 束缚水饱和度（Swr）：0.2
• 残余油饱和度（Sor）：0.0
• 残余气饱和度（Sgr）：0.0
流体与注入参数 • 示踪剂：溴化物（Br⁻），浓度671 mg/L，仅在第1天前200分钟注入
• 表面活性剂：Tween 80（非离子），浓度0.15 wt%，全程注入（10天）
• 注入方案：每天注入9小时（8:00-17:00），关井15小时
• 注入速率：单井Qw = 2.30 m³/d（表面活性剂溶液）；示踪剂注入期总Qw = 3.09 m³/d
• 抽提井压力：井底绝对压力1 atm（真空抽提）
• 油相参数：密度0.68 g/cc（基准），粘度0.7 cp
• 水相密度：1.04 g/cc
泡沫注入预测 • 在10天示踪剂/表面活性剂注入后，进行10天气-液共注（泡沫）
• 总注入速率Qt相同，气分数fg = 80%，水分数fw = 20%
• 活动性降低因子（MRF）：1（无泡沫，常规气-水注入）、10（低强度泡沫）、100（高强度泡沫）
模拟步长 Δt = 10分钟
主要研究参数 渗透率非均质性模式、油密度、泡沫强度（MRF）
评价指标 产出示踪剂浓度、产出油浓度、油饱和度变化、累计产油量

文中明确指出：

“Computer simulations are conducted by using CMG STARS simulator, which solves partial differential equations for mass balance and energy balance.” （第3章，Methodology部分）
“A generous donation of CMG STARS simulator from Computer Modeling Group made this study possible.” （致谢部分）

🧪 模拟方案与主要结果

1. 均质介质（无油）模拟（Part 1）

  • 采用均质渗透率（1.0 Darcy）模型，示踪剂浓度呈对称分布，产出浓度先增后减（长尾），表面活性剂浓度单调递增。

  • 与现场数据对比发现明显差异：现场数据（图5a）北井和南井不对称、突破时间和峰值时间更早 → 表明存在强非均质性。

2. 非均质介质（无油）历史拟合（Part 2）

  • 通过100余次模拟，确定了一组渗透率分布模式（图12a）：

    • 高渗带：64 Darcy（占25%面积）

    • 中渗带：16 Darcy（占25%面积，位于高渗带内）

    • 低渗背景：1/32 Darcy（占50%面积）

    • 净毛比（NTG）= 0.333

    • 条带方向：NW-SE（与地下水流向一致）

  • 该模型成功匹配了现场示踪剂产出历史（图12b）：北井和中井峰值较高、南井峰值较低、三井峰值时间相近。

3. 非均质介质（含油）模拟（Part 3）

  • 将处理前的油饱和度分布（图5c）作为初始条件输入模型。

  • 油密度为0.68 g/cc（基准）时：

    • 表面活性剂注入扰动油相后，油向上迁移并聚集在顶层（层1），该层是主要的产油区域（图16）。

    • 模拟的产油浓度历史（图15b）与现场数据（图5b）趋势吻合。

  • 油密度为1.0 g/cc（与水接近）时：油分布均匀，各层驱替模式相似（图18）。

  • 油密度为0.6 g/cc（更轻）时：油向顶部迁移加速，更多油被引导至中井产出（图20）。

4. 后续泡沫注入潜力预测（Part 4）

  • 在10天示踪剂/表面活性剂注入后，进行10天泡沫注入。

  • 累计产油量（图24，10天示踪剂/表面活性剂注入 + 10天泡沫注入）：

    • 10天示踪剂/表面活性剂注入后：79.5%

    • 额外10天注入后：

      • MRF=1（无泡沫，常规气-水）：80.4%

      • MRF=10（低强度泡沫）：85.0%

      • MRF=100（高强度泡沫）：89.6%

  • 结论：泡沫显著改善了驱替效率和波及效率，MRF越高，效果越明显（图21-23）。

✅ 主要结论

  1. 成功历史拟合：通过CMG STARS模拟，成功匹配了现场示踪剂和污染物的产出历史。结果表明场地具有高度非均质性，一个从NW到SE方向的三级渗透率条带模型（64/16/1/32 Darcy）能够很好地重现现场观测数据。

  2. 油密度的影响：表面活性剂注入会扰动油相，使其向上迁移。油密度越小，向上聚集越明显，并影响各抽提井的产出分布。

  3. 泡沫注入潜力大：基于历史拟合模型预测，后续的泡沫注入能显著提高修复效率。与常规气-水注入（MRF=1）相比，高强度泡沫（MRF=100）能将累计产油率从80.4%提高到89.6%，表明泡沫是克服场地非均质性、改善原位修复效果的有效手段。

🏛️ 作者及单位信息

  • 作者: Hazem Fleifel

  • 单位: 路易斯安那州立大学（Louisiana State University），Craft and Hawkins石油工程系

  • 导师: Seung Ihl Kam 博士

  • 委员会成员: Ipsita Gupta 博士, Seung-Jong Jay Park 博士

  • 学位: 理学硕士 (Master of Science)

  • 提交年份: 2020年

致谢：

  • 感谢Computer Modeling Group (CMG) 慷慨捐赠CMG STARS模拟器，使本研究成为可能。

  • 感谢韩国农村社区公社（KRC）和农村研究所（RRI）的合作支持。

💡 补充说明
该研究的创新点在于将石油工程中成熟的示踪剂-表面活性剂-泡沫（TSF）技术成功应用于浅层地下环境修复领域。研究严格遵循了“现场数据 → 地质建模 → CMG STARS历史拟合 → 敏感性分析 → 性能预测”的完整工作流。通过历史拟合反演了场地的渗透率非均质性模式（这是传统地质统计难以准确描述的），并在此基础上科学预测了不同强度泡沫的修复效果，为后续现场泡沫注入试验提供了关键的设计依据。这展示了CMG STARS在传统油气领域之外的强大应用能力。

case88

发表评论