综述:面向地下储氢的数据驱动决策支持:从选址筛选到代理建模与优化
《RENEWABLE & SUSTAINABLE ENERGY REVIEWS》:Data-driven decision support for underground hydrogen storage: From site screening to surrogate modeling and optimization
【字体:
大
中
小
】
时间:2026年08月28日
来源:RENEWABLE & SUSTAINABLE ENERGY REVIEWS 18.0
编辑推荐:
## 摘要
地下氢气储存(UHS)在季节性能源平衡、稳定的氢气供应以及可再生能源的广泛利用方面日益重要。然而,项目决策所需的证据分散在地质学、流体流动、地球化学、微生物学、数值模拟、经济学和风险分析等多个领域。本文探讨了如何将选址筛选、性能预测、不确定性分析和优化相结合,以
## 摘要
地下氢气储存(UHS)在季节性能源平衡、稳定的氢气供应以及可再生能源的广泛利用方面日益重要。然而,项目决策所需的证据分散在地质学、流体流动、地球化学、微生物学、数值模拟、经济学和风险分析等多个领域。本文探讨了如何将选址筛选、性能预测、不确定性分析和优化相结合,以支持UHS的开发。文章首先从封存能力、流动性能、氢气回收率、气体质量、基础设施和监管等方面,对枯竭油气藏、咸水层和盐穴进行了比较。随后,文章评估了数据驱动的氢气性质模型、储层行为的降阶模型以及现场响应的快速模拟器。此外,研究评估了这些工具如何支持压力控制、注入与采出方案、垫气选择、监测以及在不确定性条件下的项目评估。结果表明,盐穴具有最稳定的运行记录,而多孔地层中的纯氢气储存仍处于中试阶段。氢气性质模型已取得快速进展,但动态储层预测和迭代优化仍然严重依赖从碳封存和油藏工程迁移过来的方法。文章得出结论,UHS应被视为一个相互关联的决策问题,而非仅仅是地质可行性的问题。进一步进展需要共享数据集、明确的筛选标准、预测模型的物理一致性检验、可靠的不确定性估计、鲁棒优化,以及基于现场观测的反复模型更新。
## 引言
地下氢气储存(UHS)因能够平衡可再生氢能生产、输送能力和终端需求之间的时间错配,同时提供季节性平衡、战略储备和供应安全所需的大规模储容量,而日益被视为氢能系统中的战略组成部分[[1], [2], [3], [4], [5]]。随着区域氢能系统向部署阶段迈进,研究焦点也在转变。仅仅回答枯竭油气藏、咸水层或盐穴能否在物理上储存氢气已不再足够。更重要的问题在于:地质证据、氢气特异性机制、预测模型、不确定性估计和运行约束如何结合,以支持可论证的项目决策。早期针对多孔介质的研究确立了主要的储存条件、控制机制和氢气特有的流动行为[1,2,6,7]。后续研究更加重视场地适任性、不确定性以及项目部署所需的条件[[3], [4], [5],[8], [9], [10]]。
这一转变也反映了UHS并非地下天然气储存的简单延伸。天然气储存和碳封存中现有的模型与运行经验提供了有用的起点,但不能不经重新标定就直接迁移应用于氢气。氢气在密度、黏度、压缩性、分子扩散系数和界面行为方面与甲烷和二氧化碳存在显著差异,这些差异会影响重力分异、指进现象、溶解、垫气需求和采出效率[1,7,8]。氢气储存还引入了强烈耦合的地球化学和微生物学挑战。Dopffel等人[11]将微生物副作用确定为重大不确定性来源之一,而Thaysen等人[12]则定量分析了多孔地层中微生物生长和氢气消耗的可能影响。因此,关键技术问题已不再局限于注采能力和储容量,还包括气体纯度、封存安全性、井筒完整性和性能预测的可靠性[2,3,[10], [11], [12]]。
因此,近期的UHS研究呈现出从可行性评估向决策导向评估的明显演进。早期工作主要探讨枯竭油气藏、咸水层和盐穴在原则上能否以实用规模容纳氢气[2,9,10,13]。近期研究则变得更加选择性和决策导向。Ali等人[14]综述了地下氢气储存的最新进展。Van Rooijen和Hajibeygi[15]将多孔介质中的选址问题视为一个决策问题。Wei等人[16]和Safari等人[17]提出了基于证据的枯竭油气藏筛选标准。Mwakipunda等人[18]进一步表明,预测、排序和优化正成为共同分析流程中相互关联的组成部分,而非孤立的技术练习。
这种相互关联的分析层次之所以必要,是因为UHS项目无法通过试错法低成本地进行评估。场地表征、岩心分析、毛细管和相对渗透率测试、反应性和微生物实验、数值模拟以及中试循环都需要大量的时间和资金投入,而公开的全场规模证据仍然有限[2,3,7]。因此,实证基础是不均衡的。关于孔隙尺度流动机制、氢气与水之间的相对渗透率、氢气-卤水-岩石相互作用、气体混合以及不稳定传输等基础实验和建模研究[[19], [20], [21], [22], [23], [24], [25], [26]]阐明了关键机制,但也揭示了性能对地质背景和运行条件的强依赖性。近期关于界面张力和溶解度的数据驱动研究[[27], [28], [29]]拓展了可用的方法,但其结果仍需要根据每个候选场地进行仔细解读。
在这一更广泛的项目评估流程中,地质筛选是决策的第一阶段。储存项目并非依据单一有利属性来选择,而是通过多准则评估入围,其中储容量、注入能力、压力限制、盖层质量、断层行为、井筒状态、纯度风险、基础设施接入和监管风险必须综合考虑。Van Rooijen和Hajibeygi[15]认为筛选应明确考虑不确定性,而Wei等人[16]表明,如果要在盆地间对候选储层进行可重复的比较,则需要透明的阈值和评分逻辑。这对于氢气尤为关键,因为即使某个地层的标称孔隙体积颇具吸引力,一旦考虑到混合损失、微生物转化、遗留井或净化惩罚等因素,它可能仍然不适合作为储存场地[11,12,[15], [16], [17]]。
一旦候选场地和不确定性范围得以界定,代理模型便成为静态评估与动态预测之间的桥梁。当需要同时考虑地质非均质性、成分依赖的流动行为以及氢气特有性质不确定性时,反复进行全物理模拟往往过于昂贵,无法支持敏感性分析、不确定性传播、情景排序或适应性管理[19,30]。因此,近期研究已从机器学习性质预测模型(包括溶解度、润湿性、吸附、扩散、界面行为和相对渗透率)扩展到可预测采出率和储层响应的模型[19,[30], [31], [32], [33], [34], [35], [36], [37], [38], [39], [40], [41], [42], [43], [44], [45], [46], [47], [48], [49], [50], [51], [52], [53], [54], [55], [56], [57], [58], [59]]。更近期的UHS专项工作进一步将这一进展拓展到时空氢气饱和度预测以及深度学习架构在地下流动模拟中的系统性比较[60,61]。这些进展意义重大,因为它们将稀疏的实验和昂贵的模拟转化为快速预报工具,从而支持筛选、情景分析和不确定性感知设计。
有了快速预测工具后,优化便可以将预报转化为项目策略。UHS优化很少只有单一目标,因为增加工作气量可能同时增加纯度损失、压力积聚、地质力学风险或成本。近期UHS专项研究已开始通过结合大规模模拟集合与敏感性分析以及地质、运行和井配置变量的优化来应对这些权衡[62,63]。数据驱动流程也已扩展到断层再激活的概率评估,从而将地质力学安全纳入储存性能评估[64]。Kanaani等人的研究[65]提供了一个特别有用的示例,其在多目标机器学习框架中同时整合了氢气储存和碳储存目标,而Chen等人及其他学者关于碳储存优化的研究[[66], [67], [68], [69], [70], [71], [72], [73]]则展示了代理辅助搜索如何在不确定性条件下探索大型设计空间。对于UHS而言,这些方法直接相关,因为项目价值同时取决于地下层性能及其对周边能源系统提供的服务。
然而,方法学广度的增长尚未产生同等程度的项目决策整合基础。储存机制研究已阐明了氢气流动、圈闭、反应性和纯度风险,但这些发现并不总能转化为筛选或运行决策。选址研究提升了准则和阈值的透明度,但其与动态预报、不确定性分析和优化之间的联系仍然有限。数据驱动研究拓展了氢气性质和储层响应预测的可用工具,但许多模型仍作为独立预测器进行评估,而非作为项目评估的组成部分。与此同时,优化和经济研究证明了项目价值取决于地下层性能与更广泛能源系统所需的服务,尽管这两个层面通常被分开评估。
在此背景下,本文将可用证据围绕UHS项目全生命周期所需的决策进行组织,而非仅按储存介质、物理过程或建模方法分类。文章将选址筛选、性质预测、动态预报、不确定性分析、优化、监测和模型修正纳入同一决策流程。文章还区分了由UHS直接证据支持的结论与从地质碳封存、地下气储存、提高石油采收率和油藏工程迁移过来的方法。代理模型根据预期用途、适用范围、物理一致性和不确定性处理方式进行评估,而非仅看预测精度。在此基础上,文章确定了基准数据集、不确定性条件下筛选、物理约束模型、鲁棒优化和迭代模型更新的优先级。因此,本文的贡献不是又一份储存选项或分析方法目录,而是一个将异构证据转化为可追溯且可论证的项目决策的框架。
为支撑这一定位,表1从科学贡献、与项目决策的相关性以及剩余局限三个方面比较了五条代表性研究脉络。比较表明,各学科内部已积累了大量知识,但证据、预测、不确定性和各阶段决策之间的联系仍然不够成熟。
这些尚未解决的联系构成了图1所示的UHS项目评估决策链。该图展示了选址筛选过程中产生的证据如何为代理模型提供预报输入,进而支持优化、监测和决策修正。
本文其余部分组织如下。第2节考察筛选的地质基础及不确定性感知排序的发展。第3节评估性质和储层响应代理模型,重点关注验证、可解释性和可迁移性。第4节讨论优化与综合决策支持,包括数字孪生架构以及地下层预报与能源系统价值之间的联系。第5节确定主要交叉约束,第6节呈现主要结论。
## 章节摘要
### 储存介质、项目成熟度与筛选逻辑
选址筛选是UHS决策的初始阶段,因为并非每个能够物理容纳氢气的地质构造都能支撑商业可行的储存项目。一个构造在静态孔隙体积方面可能颇具吸引力,但一旦考虑到注入能力、采出速率、压力管理、纯度损失、井筒完整性、评估成本或市场接入等因素,它可能就变得不再具有吸引力。这种地质适宜性与项目可行性之间的区别是……
### 代理建模的概念框架与决策角色
UHS分析在计算上极具挑战性,因为大多数项目决策都需要模拟集合而非单次模拟运行。场地比较、敏感性分析、不确定性传播和适应性管理都需要在地质、性质模型、运行方案和市场假设的不确定性中反复评估[101]。因此,数据驱动的代理模型和降阶模型在UHS及密切相关的领域中的快速预报变得越来越重要……
### 优化与综合决策支持
UHS优化研究依赖于不同层次的证据。一小部分但日益增长的UHS专项研究考察了循环调度、垫气设计、储层性能敏感性和技术经济运营。更广泛的方法学基础来自相邻的地下应用,尤其是地质碳封存、提高石油采收率、地下气储存和油藏历史拟合,其中代理辅助搜索、鲁棒优化以及基于监测数据……
### 交叉挑战与未来方向
尽管选址筛选、代理建模和优化取得了快速进展,但仍有若干交叉障碍限制了数据驱动UHS工作流的可靠性和可迁移性。这些障碍并非源于任何单一方法,而是产生于实验、地质解释、数值模拟和项目决策之间的接口处[209]。因此,以下讨论重点关注最具决定性的约束和优先事项……
## 结论
本文将地下氢气储存视为一个相互关联的决策问题,而非关于地质可行性、建模和运行的孤立问题集合。其主要贡献在于将选址筛选、代理预测、不确定性分析、优化、监测和模型修正纳入统一的决策流程之中。
这一观点表明,数据集或模型的价值不仅取决于其技术质量,还取决于其所支持的决策。
利益冲突声明:作者声明不存在可能被视为影响本论文所报告工作的已知竞争性经济利益或个人关系。
致谢:本研究得到了河北省教育厅科学研究项目(编号:BJ2025116)以及国家自然科学基金(编号:52504043和42572156)的资助。
温特牛 | 穆莺 | 李亚龙 | 吴博 | 景振华 | 沈伟军 | 袁航 | 张明山 | 马平华
燕山大学车辆与能源学院,中国秦皇岛,066000