Interpretation of Real-Time Pressure Measurements to Detect CO2 Leakage
本研究提出了一种基于实时压力数据的智能CO₂泄漏检测系统（RT-ILDS），用于地下碳封存项目中CO₂泄漏的快速识别与定位。该系统结合历史拟合的油藏模拟模型与机器学习技术，通过分析来自永久井下压力计（PDG）的高频压力信号，实现对CO₂泄漏位置和泄漏量的实时识别。研究以美国阿拉巴马州Citronelle Dome的CO₂封存项目为案例，验证了系统在不同泄漏情景、不同地质参数变化、多井泄漏、盖层泄漏等复杂条件下的适用性和准确性。结果表明，RT-ILDS可在不到一天的时间内检测到CO₂泄漏，并具备较高的泄漏识别精度。
CMG软件应用情况
本研究使用 CMG-GEM™ 软件进行CO₂封存过程的多相流体模拟，包括：
- 建立Citronelle Dome的三维地质模型；
- 模拟CO₂注入过程及其在盐水层中的运移；
- 模拟不同泄漏情景下的压力响应；
- 生成用于机器学习模型训练与验证的压力数据。
CMG-GEM™ 在本研究中用于模拟复杂的CO₂-盐水-岩石相互作用，是构建RT-ILDS系统的核心模拟工具之一。
结论
- 提出了一种基于实时压力数据的CO₂泄漏检测系统（RT-ILDS），可在泄漏发生后短时间内（<1天）识别泄漏位置和泄漏量。
- 系统基于历史拟合的油藏模型，结合神经网络与模式识别技术，具备较高的检测精度。
- 研究了不同地质参数（如孔隙度、渗透率、层厚等）对系统性能的影响，发现孔隙度变化对泄漏识别影响最大。
- 系统可识别不同垂直层位、不同泄漏速率（包括变速率）、盖层泄漏及多井同时泄漏等复杂情景。
- 若仅使用一口监测井（如注入井），泄漏位置识别精度下降，建议至少使用两口井安装PDG以提高方向识别能力。
- 压力传感器漂移（PSD）可能导致误报，应在实际应用中加以校正或设定合理阈值。
作者单位
- 美国西弗吉尼亚大学（West Virginia University）石油与天然气工程系
