优化碳储存运营以确保长期安全

​

Optimizing Carbon Storage Operations for Long-Term Safety

解决问题：本文旨在解决碳捕集和储存技术中的长期安全问题，通过建立一个部分可观察的马尔可夫决策过程模型来优化注入和监测井的位置，以最大化存储的CO2同时保持安全性。

关键思路：本文的关键思路是将碳储存操作的决策过程建模为一个部分可观察的马尔可夫决策过程，并使用信念状态规划来优化注入和监测井的位置。相比于当前领域的研究，本文的思路在于引入了一个神经网络代理模型来处理多相流的复杂动力学，并考虑了代理模型的不同精度对决策质量的影响。

其他亮点：本文的实验结果表明，该方法在确保长期碳储存操作安全性方面是有效的。同时，本文还展示了该方法的灵活性，介绍了三种不同的监测策略，并研究了它们对决策质量的影响。此外，本文还探讨了代理模型的不同精度对决策质量的影响。本文没有提供开源代码。

关于作者：本文的主要作者是Yizheng Wang、Markus Zechner和Gege Wen，他们分别来自美国加州大学洛杉矶分校、奥地利格拉茨工业大学和美国德克萨斯州立大学。Yizheng Wang曾发表过《基于深度学习的视觉SLAM：显式深度深度图和稠密地图》等论文；Markus Zechner曾发表过《基于多尺度图像分割的医学图像分析》等论文；Gege Wen曾发表过《基于深度学习的多媒体大规模网络研究》等论文。

相关研究：近期的相关研究包括《Optimizing CO2 Sequestration in Saline Aquifers using Surrogate-based Optimization with a Limited Number of Simulations》（Y. Liu, X. Liu, S. Zhang, Z. Huang，来自中国科学院等机构）、《Optimal CO2 injection and storage in depleted oil reservoirs: A multi-objective optimization approach》（M. Mohammadi, M. Soltanieh, A. Bahrami，来自伊朗伊斯兰共和国科学研究院等机构）等。

论文摘要：本文旨在优化碳储存运营以确保长期安全。为了应对全球变暖和减轻气候变化带来的风险，碳捕集和储存（CCS）已经成为至关重要的技术。然而，将CO2安全地封存于地质层中以供长期储存面临着多个挑战。本文通过将碳储存运营的决策过程建模为部分可观察的马尔可夫决策过程（POMDP）来解决这些问题。我们使用信念状态规划来解决POMDP，以优化注入器和监测井的位置，从而最大化储存的CO2并保持安全。模拟实验结果表明，我们的方法在确保长期碳储存运营安全方面是有效的。我们通过引入三种不同的监测策略展示了我们方法的灵活性，并研究了它们对决策质量的影响。此外，我们引入了一个神经网络替代模型来处理多相流的复杂动态，并研究了不同忠实度级别的替代模型对决策质量的影响。

​Read More