四川盆地雷口坡组盐水含水层<bold>CO<sub>2</sub></bold>埋存能力评估

饶杰，谢健; RAO Jie; XIE Jian

网刊加载中。。。

使用Chrome浏览器效果最佳，继续浏览，你可能不会看到最佳的展示效果，

确定继续浏览么?

复制成功，请在其他浏览器进行阅读

四川盆地雷口坡组盐水含水层CO₂埋存能力评估 PDF

- ORCID：
饶杰 ^1,2
✉
- ORCID：
谢健 ^1,3
✉

1. 成都理工大学环境与土木工程学院，成都610059； 2. 中地国际工程有限公司，北京100093； 3. 地质灾害防治与地质环境保护国家重点实验室，成都 610059

中图分类号： TE31； X701

最近更新：2025-01-06

DOI：10.11835/j.issn.1000-582X.2023.263

摘要

盐水含水层CO₂埋存能力是关乎中国实现碳中和目标的基础问题。四川盆地作为中国西南地区重要的油气产地，其深部盐水含水层的CO₂埋存前景尚缺乏比较深入的定量研究。三叠系雷口坡组（T₂l）是四川盆地的优质卤储层，其四段（T₂l⁴）、三段（T₂l³）、一段（T₂l¹）可作为CO₂埋存的目标储层。基于多井并注超压解析解，采用MATLAB语言脚本CO2BLOCK，评估了雷口坡组深部盐水含水层的CO₂埋存能力。结果表明：在连续注入CO₂ 30 a的条件下，四川盆地雷口坡组储层的CO₂埋存能力为0.83 Gt，以雷口坡组四段的埋存能力最大，雷口坡组一段的埋存能力最小。雷口坡组四段、三段、一段的单井最大可持续注入速率分别为0.550、0.051、0.054 Mt/a，对应的最大可持续超压分别为3.09、5.67、6.55 MPa。T₂l⁴、T₂l³和T₂l¹这3个储层的经济最优方案（井数/口，井距/km）分别为：（16，17）（20，17）（16，19），经济最优方案对应的埋存容量分别为0.50、0.07、0.04 Gt。

关键词

四川盆地; 雷口坡组; 盐水含水层; CO₂地质埋存; 埋存能力; 多井并注

CO₂地质埋存（geological CO₂ storage，GCS）是缓解温室气体效应的重要手段^[

1⁃3]，该技术的大规模实施有助于中国2060年实现碳中和目标。储层的CO₂埋存能力无疑是GCS项目论证阶段首要关注的问题。四川盆地是中国西南重要的能源基地，“双碳”目标下，化石能源生产和消耗带来的碳排放压力使得未来该区域实施大规模GCS势在必行。然而现有文献中对四川盆地深部盐水含水层CO₂埋存能力的研究仅有刁玉杰等^{[参考文献 4

百度学术}4]、范基姣等^{[参考文献 5

百度学术}5]和Wei等^{[参考文献 6

百度学术}6]3篇文献，其中，以刁玉杰等^{[参考文献 4

百度学术}4]的埋存潜力计算最为全面和具体。该研究主要采用体积法（U.S.DOE方法）^{[参考文献 7

百度学术}7]（即参考传统油气资源储量的估算方法，根据储层的几何体积，通过埋存效率因子E来计算埋存容量）分别计算了枯竭油气田、不可采煤层和咸水层的CO₂埋存潜力。虽然，该研究给出了四川盆地9个储层的CO₂埋存潜力，但这些潜力值均是基于埋存系数的经验值进行简单估算的。范基姣等^{[参考文献 5

百度学术}5]应用“层次分析-模糊综合指数”评价方法，通过分析区域地壳稳定性、储盖层条件、储存潜力条件、地热地质条件等7个一级评价指标和16个二级评价指标，得出四川盆地9个二级构造单元的GCS适宜性分区。该文对于储存潜力的计算未作说明，仅指出四川盆地二级构造单元的储存潜力和单位面积储存潜力分别在（0.5~25）×10⁸ t和（1~50）×10⁴ t/km²之间，属于“一般适宜”区。此外，Wei等^{[参考文献 6

百度学术}6]亦采用类似的“综合指数法”并结合地理信息系统对中国陆地咸水含水层的GCS场地适宜性进行了次盆地尺度的评估，其指标体系涉及的埋存能力估算同样采用的是美国能源部（U. S. DOE）提出的体积法。文中未提供埋存能力的计算参数和依据，只能得出四川盆地GCS总体适宜性“偏低”，而川南、川西等局部地区适宜性“中等”的定性结论。显然，这些研究成果仅有助于宏观上认识该盆地的碳储潜力，对GCS工程实践的指导价值相当有限。为更好地服务于未来四川盆地开展盆地尺度的大规模GCS项目，有必要采用新的研究手段对该地区主力储层的埋存能力进行更深入、准确的定量评估。

除了上文提及的体积法，CO₂埋存能力的估算还可采用圈闭法（CSLF法）^[

8⁃9]、面积法（欧盟计算法）^{[参考文献 10

百度学术}10]和溶解度法^{[参考文献 11

百度学术}11]。圈闭法是将盐水含水层中埋存CO₂的体积按4种埋存机理划分，分别求取不同埋存方式下的埋存容量，然后将各部分求和获得总量。面积法假设计算的是密闭的盐水含水层，其埋存空间来源于盐水含水层基质及孔隙流体的压缩性，尚未考虑实际生产过程中的各种因素，因此，误差较大^{[参考文献 12

百度学术}12]。溶解度法综合考虑了CO₂溶解度、含水层厚度修正和埋存CO₂的经济因素，使其结果更接近实际情况。这些方法已被广泛应用于四川盆地、苏北盆地、川中平原区等盆地或场地尺度的储层评价和GCS选址研究^{[参考文献 13⁃15}13⁃15]。

De Simone等^[

16]基于Nordbotten等^{[参考文献 17

百度学术}17]的储层超压解析解，提出了多井并注工况下考虑超压导致的储层破坏以及储层最大可持续注入速率的计算方法，从而评估不同布井方案下的储层CO₂最大埋存容量，即埋存能力。根据评估目标和精度要求的不同，实际应用中该方法可选择是否将最小井距、注入技术和场地尺寸作为约束条件纳入考虑。De Simone等^{[参考文献 16

百度学术}16]和Qin等^{[参考文献 18

百度学术}18]用该方法分别评估了英国北海和中国近海盆地的CO₂埋存能力。

在本研究中，采用De Simone等^[

16]提出的解析方法，评估考虑储盖层岩石的力学破坏条件下，雷口坡组所能实现的CO₂最大可持续注入速率，进而估算四川盆地雷口坡组四段、三段、一段盐水含水层不同埋存方案下的CO₂埋存能力；识别影响储层动态埋存容量的关键因素，进而为GCS工程设计和实施提出优选方案，研究成果可为该地区未来开展盆地尺度的大规模GCS提供理论依据。

1 研究方法

基于解析法对四川盆地雷口坡组盐水含水层进行埋存能力评估。CO2BLOCK是De Simone等^[

16]基于Nordbotten等^{[参考文献 17

百度学术}17]和Ganjdanesh等^{[参考文献 19

百度学术}19]提出的解析解，考虑超压的安全上限和技术条件限制，运用储层超压的叠加原理进行最大可持续注入速率和埋存能力估算的一款解析评估工具。该工具程序考虑井数、布井方式、储层侧向范围、岩石水力和力学性质，以及现实技术瓶颈和经济条件约束。CO2BLOCK由4个核心计算模块和2个输入、输出模块组成（见图1），其计算流程简要概述为4个主要步骤：1）根据输入数据计算储层最大可持续超压

Δ P_{M}

；2）计算CO₂不同参考注入速率下的超压

Δ P_{r}

；3）增加“技术限制”“最小井距”和“储层展布范围”3个约束条件；4）确定最大埋存容量和经济最优方案。

图1 CO2BLOCK程序模块及计算流程

Fig. 1 CO2BLOCK program modules and calculation process

1.1 最大可持续超压

孔隙超压的计算会根据岩石破坏机理的不同而采用不同的计算公式。当岩石发生拉张破坏时，超压的安全上限 $Δ P_{M}^{t}$ 等于最小主应力 $σ_{3}$ 减去初始孔隙压力 $P_{0}$ 再加上岩石抗拉强度 $S_{0}$ （见式（1）），

Δ P_{M}^{t} = σ_{3} - P_{0} + S_{0} 。

（1）

当岩石发生剪切破坏时，此时的最大安全超压 $Δ P_{M}^{s}$ 等于 $k_{0}$ 减去1个与最大主应力 $σ_{1}$ 、初始孔隙压力 $P_{0}$ 、岩石黏聚力 $C$ 和内摩擦角 $φ$ 有关的函数（见式（2））。 $k_{0}$ 是有效应力比， $θ$ =(1-sinφ)/(1+sinφ)，它反映剪切破坏发生的最大可能方向。

Δ P_{M}^{s} = \frac{k_{0} - θ}{1 - θ} (σ_{1} - P_{0}) + C \frac{c o s φ}{s i n φ} 。

（2）

CO2BLOCK取上述2种最大安全超压的低值作为最大可持续超压 $Δ P_{M}$ 。

1.2 最大可持续注入速率

可以任意设定一个总参考注入速率 $Q_{M}^{t o t}$ ，根据De Simone等^[

16, 20]的解析解，可求得任意时刻t给定井数和井距情形下，单井参考注入速率Q_r引起的超压

Δ P_{r} (t)

。CO2BLOCK根据参考注入速率Q_r、最大可持续超压

Δ P_{M}

和Lambert函数来计算单井最大可持续注入速率

Q_{M} (t)

。

Q_{M} (t) = - \frac{Q_{r} \tilde{Δ P_{M}}}{W \{- Δ \tilde{P_{M}} e x p [- Δ \tilde{P_{r}} (t)]\}} ，

（3）

式中： $Δ \tilde{P_{M}} = Δ P_{M} / (b Q_{r})$ ； $Δ \tilde{P_{r}} = Δ P_{r} / (b Q_{r}) ； b = (μ_{w} - μ_{c}) / (4 π κ H ρ_{c})$ ；k为绝对渗透率； $H$ 为储层厚度； $ρ_{c}$ 为CO₂密度； $μ_{w}$ 和 $μ_{c}$ 为盐水和CO₂动力黏度； $W (x)$ 表示 $x$ <0的Lambert函数。

1.3 约束条件

考虑井间压力干扰、现实技术条件和储层展布范围的限制，CO2BLOCK对井距和井数设置了以下约束条件

d > 2 \sqrt[]{\frac{Q_{M} t}{n π ϕ H ρ_{c}}}

，

（4）

n \geq \frac{Q_{M}^{t o t}}{Q_{s}}

，

（5）

d \leq \sqrt[]{\frac{A}{n}}

，

（6）

式中： $d$ 表示井距； $n$ 表示井的数量； $t$ 表示注入时长； $ϕ$ 表示为孔隙度； $H$ 表示为储层厚度； $Q_{s}$ 表示技术限制下的单井注入速率； $A$ 表示储层水平展布面积； $n$ 表示井的数量；其余符号含义同前。上述注入速率均为质量速率。

2 目标储层和数据

四川盆地中三叠纪雷口坡组主要为局限或蒸发台地沉积，自下而上划分为雷一段、雷二段、雷三段和雷四段。埋深从2 000~6 000 m不等，平均厚度160 m^[

21, 22]。在川西地区雷四段沉积时期，随着局部区域构造升降及干旱、潮湿气候交替出现，海水进退频繁，形成了多套白云岩-石膏岩为主、石灰岩为辅的沉积旋回组合^{[参考文献 23

百度学术}23]。

研究表明，四川盆地卤水层分布广泛，如图2（a）所示。其中，三叠系雷口坡组含有丰富的卤水资源，并以T₂l⁴、T₂l³以及T₂l¹的深部富钾黑卤为主^[

23]。在本例中，将把T₂l⁴、T₂l³以及T₂l¹作为研究区的目标储层。T₂l⁴已探明的卤储层平均深度达4 600 m，可分为T₂l^4-1、T₂l^4-2这2个亚段，T₂l^4-2又可分为3个盐组，卤储层就分布在3个盐组中^{[参考文献 24

百度学术}24]，而T₂l¹探明的卤储层却更靠近地表，达3 260 m，同样可以分为2个亚段及盐组^{[参考文献 25

百度学术}25]，如图2（b）所示。不同的亚段之间形成区域性盖层，再加上深部压缩作用，给CO₂的盐水含水层埋存提供了条件。

图2 四川盆地卤水层CO₂地质封存远景区及目标储层岩性柱状图

Fig. 2 Potential area and target reservoir lithology for geological CO₂ storage in saline aquifers in the Sichuan Basin

综合研究区内丰卤1井、油1井、平落4井等钻孔信息^[

26]和文献调研，采用表1~2所列的数据对研究区进行CO₂埋存能力估算。表中括号外的数据为区域平均值，用于基础案例的计算。括号内的数据表示该参数的典型变化范围，用于4.1节敏感性分析。

表1 雷口坡组储层几何参数、岩石物性及流体水力参数取值

Table 1 Geometric parameters, petrophysical properties and fluid hydraulic parameters of the Leikoupo Formation

目标储层	储层与岩石
目标储层	面积A/km²	平均埋深D/m	厚度H/m	孔隙度ϕ/%	渗透率k/mD
T₂l¹	4 837(3 578, 5 873)	3 260	21(11, 40)	5.5(3.7, 7.3)	2.3(0.9, 9.8)
T₂l³	4 764(4 012, 6 230)	3 600	30(15, 47)	3.7(2.5, 4.6)	3.9(1.1, 16)
T₂l⁴	4 538(3 214, 6 512)	4 600	112(67, 170)	6.49(5.4, 7.8)	4.83(2.2, 14.5)
取值依据	文献[5, 26⁃27]	文献[24, 26⁃27]	文献[22, 24⁃26]	文献[23⁃25, 28]	文献[23⁃25,2 8]
目标储层	流体性质
目标储层	初始压力P₀/MPa	温度T/°C	CO₂密度ρ_c/(kg·m^-3)	CO₂黏滞性μ_c/ （10^-5Pa·s）	盐水黏滞性μ_w/ （10^-4Pa·s）	盐度Ss
T₂l¹	32.6	89.4	725.43	6.16	5.97	0.353
T₂l³	36.0	97.8	727.96	6.23	5.23	0.228
T₂l⁴	46.0	120.8	739.69	6.47	3.88	0.377
取值依据	文献[23⁃25]	文献[23⁃24]	文献[29⁃30]	文献[31]	文献[32]	文献[23⁃26]

表2 雷口坡组储层应力及岩石力学参数取值

Table 2 Formation stresses and geomechanical parameters of the Leikoupo Formation

目标储层	最大主应力 $σ_{1}$ /MPa	最小主应力 $σ_{3}$ /MPa	有效应力比k₀	抗拉强度S₀/MPa	黏聚力C/MPa	内摩擦角φ/(°)	岩石孔隙压缩性C_r/(10^-12Pa^-1)
T₂l¹	42.3	29.6(29.6, 33.8)	0.7(0.7~0.8)	15(15~20)	10(10~20)	35(25, 35)	2.10
T₂l³	46.5	32.6(32.6, 37.2)	0.7(0.7~0.8)	15(15~20)	10(10~20)	35(25, 35)	3.62
T₂l⁴	59.2	41.4(41.4, 47.3)	0.7(0.7~0.8)	15(15~20)	10(10~20)	35(25, 35)	4.52
取值依据	根据埋深，按静岩压力梯度 23 MPa/km计算		经验假设	岩性	岩性	文献[33]	文献[34]

3 计算结果及分析

3.1 最大可持续超压

根据1.1节所列公式和表1中的岩石力学参数，可计算出雷口坡组3套储层不同地应力和岩石力学参数的最大可持续超压 $Δ P_{M}$ 。表3列出了3个储层的最大可持续超压计算结果，可见基础案例T₂l⁴、T₂l³和T₂l¹这3套储层的 $Δ P_{M}$ 值分别为3.1、5.7、6.5 MPa；考虑不同岩石力学参数时 $Δ P_{M}$ 变化范围分别为0.4~10.4、1.6~11.6、2.0~12.0 MPa。

表3 不同地应力和岩石力学参数取值的最大可持续超压

Table 3 Maximum sustainable overpressure for different values of geostress and rock mechanics parameters

参数/MPa	储层	抗拉强度S₀/MPa			有效应力比k₀			黏聚力C/MPa
参数/MPa	储层	5	10	15	0.7	0.75	0.8	7	15	20
$Δ P_{M}$	T₂l¹	2.0	6.5	6.5	6.5	9.4	12.3	2.3	12.0	12.0
	T₂l³	1.6	5.7	5.7	5.7	8.9	12.1	1.4	11.6	11.6
	T₂l⁴	0.4	3.1	3.1	3.1	7.1	11.2	0.2	10.2	10.4

分析表3可知，储层抗拉强度S₀和黏聚力越大， $Δ P_{M}$ 越大。当抗拉强度大到一定程度， $Δ P_{M}$ 便不再受其影响，这是因为此时 $β$ ＞0恒成立，储层只发生剪切破坏，不发生拉张破坏。而 $Δ P_{M}$ 对有效应力比k₀的响应十分敏感，小幅增加k₀便能显著地增强储层抗破坏的能力，从而增加最大可持续超压 $Δ P_{M}$ 。黏聚力C较小的储层一般发生剪切破坏（见式（2）），但当C增大到一定程度时，剪切破坏压力超过了拉张破坏压力，此时，储层 $β$ <0恒成立，储层只发生拉张破坏，不发生剪切破坏，这一现象基本与S₀的变化一致。

3.2 参考注入速率下的超压响应

设定总参考注入速率 $Q_{M}^{t o t}$ 为任意值，在不同井距、井数的工况下对3个储层连续注入CO₂ 30 a，由此产生的超压变化（离井群中心最近的注入井处的压力抬升）如图3所示。由于总参考注入速率一定，因此，井数越多意味着单井参考注入速率 $Q_{r}$ 越小，超压也更小。图3中的黑色粗线代表超压等于 $Δ P_{M}$ 的等值线，其中，图3（a）由于 $Δ P_{M}$ 相对较大，未在图上显示。实际项目设计时，可以选择黑线右上侧区域的井数和井距方案，以确保注入引起的超压小于最大可持续超压。

图3 注入30 a雷四段、雷三段和雷一段储层超压（MPa）随井距和井数的分布

Fig. 3 Distribution of the reservoir maximum overpressure （MPa） respect to the well spacing and well number, after 30 years of consecutive CO₂ injection in the fourth, third and first members of the Leikoupo Formation

对比图3（a）～（c）可知，相同布井方案下，以参考注入速率连续注入30 a后，雷四段产生的超压最小、而雷一段最大，这主要是因为雷四段的渗透性相对最好导致的。

3.3 最大可持续注入速率

最大可持续超压决定了GCS项目的注入操作必须满足单井CO₂可持续注入速率小于最大可持续注入速率（见式（3））。图4给出了研究区3个储层的最大可持续注入速率随井数和井距的变化关系。图中红色实线对应储层展布范围限制，用来控制最大井距与井数。当井数小于30眼、井距为30 km以下时，雷四段、雷三段和雷一段3个储层的最大可持续注入速率 $Q_{M}$ 分别为0.550、0.051、0.054 Mt/a。这主要是因为雷四段的储层厚度决定了更大的储层容量，在单位时间内允许更大的可持续注入速率，使得雷四段的最大可持续注入速率明显大于雷三段和雷一段。

图4 雷四段、雷三段和雷一段单井可持续注入速率（Mt/a）随井距和井数的分布

Fig. 4 The distribution of the maximum sustainable injection rate(Mt/a) of the fourth, third and first members of Leikoupo Formation with well spacing and well number

3.4 CO₂埋存能力

在上述计算的基础上，将3个储层的最大可持续注入速率乘以相应的注入时长，可计算出研究区3个储层的CO₂埋存能力（即最大埋存容量）。图5显示了雷口坡组目标储层埋存容量随井数和井距的变化规律，图中的黑色实线、黑色虚线和红色实线分别是CO2BLOCK的3种约束的可视化，即最小井距、现实技术瓶颈和储层展布范围限制，由式（4）~（6）控制。于是，储层可以控制的埋存容量集中在由3条曲线所包围的不规则区域里。观察图5可发现，增加井距或井数都会提高储层埋存容量，而减小井距和井数则会降低埋存容量，这意味着储层最大埋存容量位于红色实线上某处，根据埋存容量等值线读取红线上的值即为目标储层最大埋存容量。用此方法得到在注入时间为30 a的情况下T₂l⁴、T₂l³、T₂l¹的最大埋存容量为：0.68、0.10、0.05 Gt；总埋存容量为0.83 Gt，可埋存8.3亿t CO₂。

图5 雷四段、雷三段和雷一段CO₂埋存容量（Gt）随井距和井数的分布

Fig. 5 Distribution of CO₂ storage capacity (Gt) with well spacing and number of wells in the fourth, third and first members of Leikoupo Formation

3.5 经济最优方案

图6给出了雷口坡组储层埋存容量和可持续注入速率随超压的变化规律。从左到右依次为雷四段、雷三段和雷一段，深色曲线对应埋存容量随超压的变化，浅色曲线代表可持续注入速率随超压的变化。可以发现，可持续注入速率Q随储层超压的变化趋势与埋存容量V的变化趋势相反。当井距d=2 km并保持不变时，可持续注入速率Q越大，说明对应的井数很少（见图4），则超压 $Δ P_{r}$ 越大，V就会越小；可持续注入速率Q越小，说明对应的井数很多，则超压 $Δ P_{r}$ 越小，V就会越大。并且如上文所述，雷四段储层厚度容量更大，承载能力更强，在多井并注工况下压力抬升—即超压更小，是更安全的目标储层。

图6 井距d=2 km雷口坡组CO₂埋存能力和注入能力与超压的关系

Fig. 6 CO₂ storage capacity and injection capacity of the Leikoupo Formation varying with overpressure when the well spacing d=2 km

观察图4~5中的红线，发现随着井数的增加，埋存容量也增加，但最终会达到上限，这与储层展布范围的限制有关。为了比较不同场景下的埋存容量变化规律，从而得出经济最优的GCS布井方案，图7中提供了3个储层埋存容量随着井数和井距的变化规律。值得注意的是，在200口井时，储层埋存容量才达到最大值。在图7中，虚线方框内的交点处，储层埋存容量曲线和井距曲线的交汇处已经达到了最大埋存容量的68%~80%，但其所对应的井数只占最大井数的15%~20%。因此，这表明图中所示的埋存容量和井距曲线交汇处的布井方案是相对最优的。根据图7交点处对应的3个储层的埋存容量之和，最佳布井方案下，四川盆地雷口坡组储层的盐水含水层CO₂埋存容量约为6.1亿t，占总储存能力的84%。可持续注入速率应根据可行的布井数量和井距来决定。当井数达到15至20口时，储层就可以拥有大部分的埋存能力。

图7 雷四段、雷三段和雷一段CO₂埋存容量随井距和井数的分布

Fig. 7 Distribution of CO₂ storage capacity of the fourth and first members of Leikoupo Formation with well spacing and number of wells

4 讨论

4.1 参数敏感性

限于资料和储层岩石参数本身非均质性导致的参数取值不确定性，采用储层参数的区域平均值计算储层CO₂埋存能力存在相应的不确定性。为此有必要分析不同地应力和储层物性参数对埋存能力计算结果的可能影响，进而识别敏感性最大的参数。图8分析了表1~2和第1节公式中C、φ、r’、k、A、H、ϕ的变化对埋存容量的影响，其中，紫色粗线对应基础案例。

图8 储层参数敏感性讨论

Fig. 8 Sensitivity discussion of reservoir parameters

黏聚力C取值范围为0～10 MPa。低值表示发育先存断层或裂缝等薄弱面，而高值表示岩石相对完整致密。 $r^{'}$ = $\bar{σ_{h}^{'}}$ / $σ_{v}'$ ，即平均水平应力与垂直应力的比值，在0.5～2之间变化^[

35]，小于1的值对应正断层，而大于1的值对应逆断层。内摩擦角φ值在25°～35°之间变化^{[参考文献 33

百度学术}33]。这里还考虑了渗透率k的不确定性，将增加或降低k的1个数量级作为渗透率的变化值k^*并计算埋存容量。

总埋存容量随各参数值的变化情况如图8所示。随着最大可持续超压的增大，埋存容量随C和φ的增大而增大，这反映了岩石强度的增大。随着 $\bar{σ_{h}^{'}}$ / $σ_{v}'$ 的增加，最大可持续超压也会随之增加，从而导致埋存容量的增加。这表示当增加原位平均应力，而垂直应力保存不变时，应力会向远离岩石破坏的方向变化。埋存容量对 $\bar{σ_{h}^{'}}$ / $σ_{v}'$ 的响应比岩石力学参数更敏感。 $\bar{σ_{h}^{'}}$ / $σ_{v}'$ 从0.7降低到0.5意味着埋存容量损失大于50%。该响应对渗透率也较敏感，渗透率会影响超压对参考注入率的响应，渗透率增加1个数量级，从0.1k*增加到k*，超压降低，总储量增加近100%。而随着A的增加，埋存容量的变化也十分明显，因为储层展布范围的增加可以成倍地提高井的数量，从而提高埋存容量，图8（b）可以看出A增加1倍，埋存容量增加近100%。孔隙度与储层埋存容量也几乎呈线性关系，这是因为孔隙度决定了储层容纳流体的物理空间上限，从而能轻易地控制储层的埋存容量。对于储层厚度H来说，在一定范围内增加储层厚度也有助于提高埋存容量，但当H不断提高，储层的地应力也会改变，所以埋存容量对其响应往往具有非线性，变化范围一般为10%~50%。

4.2 对比传统数值计算

为评估本研究计算结果和CO2BLOCK方法特点，有必要与传统数值计算进行对比分析。限于手头资料，表4仅列出了本研究采用U.S.DOE法^[

7]和溶解度法^{[参考文献 11

百度学术}11]所选用的参数和计算结果。将它们与CO2BLOCK计算结果对比（见图9）发现，溶解度法和U.S.DOE法所得的埋存容量均高于CO2BLOCK中CO₂连续注入30 a的计算结果，分别为11.89亿t和9.3亿t，比CO2BLOCK估算的最大埋存容量大43%和12%。使用不同方法计算雷一段埋存容量时差异最为显著，最大增幅达140%，而雷三段埋存容量变化最稳定。

表4 传统方法计算CO₂埋存能力

Table 4 Traditional methods to calculate CO₂storage capacity

U.S.DOE法所需参数及取值
盐水含水层有效分布面积A/km²		有效孔隙度 $ϕ$		储层厚度h/m	储层CO₂密度 $ρ_{C O_{2}}$ /(kg·m^-3)		埋存效率 $E_{s a l i n e}$ /%
4 500~5 000		0.037～0.065		21~112	720～750		2.7
公式： $G_{C O_{2}} = A h ϕ ρ_{C O_{2}} E_{s a l i n e} =$ 0.93 Gt
溶解度法所需参数及取值
CO₂埋存面积占总盆地的比例a	分区面积A/km²	储层厚度h/m	含水层厚度占总沉积层的比例 $η$	有效孔隙度 $ϕ$	CO₂总溶解度 $R$ /(mol·kg^-1)	饱和CO₂的盐水密度 $ρ_{w}$ /(kg·m^-3)	CO₂摩尔质量 $M$ /(g·mol^-1)
0.01	40 000~50 000	21~112	0.1	0.037~0.065	地温、压力等参数的函数	含盐量的函数^{[参考文献 37 百度学术}37]	44
公式： $M_{C O_{2}} = a A h η ϕ R ρ_{w} M$ =1.19 Gt

图9 不同方法计算雷口坡组储层的埋存容量

Fig. 9 Energy storage capacity of Leikoupo Formation by different calculation methods

CO2BLOCK计算结果低于上述2种传统方法的计算值，该结论也与Qin等^[

18]一致，这是因为CO2BLOCK引入了超压限制，从而约束了储层埋存能力，这种约束在小规模储层上体现得尤为明显（例如：雷三段厚度较小，最大可持续超压较小，所以，埋存能力也较小）。而溶解度法假设饱和CO₂水溶液的碳全部来自注入的CO₂，而未考虑盐水含水层原有碳含量，这种情况下计算所得的CO₂埋存容量要高约1.3%^{[参考文献 36

百度学术}36]，因此，计算的埋存容量最大。

5 结论

基于多井并注工况下的储层超压叠加原理，利用De Simone等^[

14]的CO2BLOCK脚本程序评估了连续注入CO₂30 a内四川盆地储层雷口坡组盐水含水层的CO₂埋存能力，并与U.S.DOE方法和溶解度法进行了对比，得出以下结论：

1）四川盆地雷口坡组储层的CO₂埋存能力为0.83 Gt，其中，雷四段的埋存容量最大，而雷一段的埋存容量最小。计算结果与U.S.DOE法和溶解度法具有可比性，后二者计算结果分别为0.93 Gt和1.19 Gt。

2）雷四段、雷三段和雷一段的最大可持续注入速率分别为0.550、0.051、054 Mt/a，对应的最大可持续超压分别为3.09、5.67、6.55 MPa。

3）由浅及深3个储层的经济最优方案（井数/口，井距/km）分别为（16，17）（20，17）（16，19），埋存容量为0.50、0.07、0.04 Gt，合计占雷口坡最大埋存容量的84%。

4）最大埋存容量对应力比、储层展布范围和孔隙度的变化十分敏感；黏聚力、内摩擦角、渗透率、储层厚度在不同程度上也影响最大可持续超压，进而影响最大埋存容量。

参考文献

Xie J, Zhang K N, Li C, et al. Preliminary study on the CO₂ injectivity and storage capacity of low-permeability saline aquifers at Chenjiacun site in the Ordos Basin[J]. International Journal of Greenhouse Gas Control, 2016, 52: 215-230. [百度学术]

Xie J, Gou X F, Guo J. Assessing a potential site for offshore CO₂storage in the Weixinan Sag in the northwestern Beibu Gulf Basin, Northern South China Sea[J]. Greenhouse Gases: Science and Technology, 2023, 13(1): 99-119. [百度学术]

张炜, 李义连, 郑艳, 等. 二氧化碳地质封存中的储存容量评估: 问题和研究进展[J]. 地球科学进展, 2008, 23(10): 1061-1069. [百度学术]

Zhang W, Li Y L, Zheng Y, et al. CO₂ storage capacity estimation in geological sequestration: Issus and research progress[J]. Advances in Earth Science, 2008, 23(10): 1061-1069. (in Chinese) [百度学术]

刁玉杰, 朱国维, 金晓琳, 等. 四川盆地理论CO₂地质利用与封存潜力评估[J]. 地质通报, 2017, 36(6): 1088-1095. [百度学术]

Diao Y J, Zhu G W, Jin X L, et al. Theoretical potential assessment of CO₂ geological utilization and storage in the Sichuan Basin[J]. Geological Bulletin of China, 2017, 36(6): 1088-1095. (in Chinese) [百度学术]

范基姣, 贾小丰, 胡秋韵, 等. 四川盆地深部咸水含水层二氧化碳地质储存适宜性评价[J]. 地下水, 2014, 36(6): 59-64. [百度学术]

Fan J J, Jia X F, Hu Q Y, et al. Potential and suitable conditions evaluation of CO₂ storage in the salt water aquifer in the depth of Sichuan Basin[J]. Ground Water, 2014, 36(6): 59-64. (in Chinese) [百度学术]

Wei N, Li X C, Wang Y, et al. A preliminary sub-basin scale evaluation framework of site suitability for onshore aquifer-based CO₂ storage in China[J]. International Journal of Greenhouse Gas Control, 2013, 12: 231-246. [百度学术]

Goodman A, Hakala A, Bromhal G, et al. US DOE methodology for the development of geologic storage potential for carbon dioxide at the national and regional scale[J]. International Journal of Greenhouse Gas Control, 2011, 5(4): 952-965. [百度学术]

杨永智, 沈平平, 宋新民, 等. 盐水层温室气体地质埋存机理及潜力计算方法评价[J]. 吉林大学学报(地球科学版), 2009, 39(4): 744-748. [百度学术]

Yang Y Z, Shen P P, Song X M, et al. Greenhouse gas geo-sequestration mechanism and capacity evaluation in aquifer[J]. Journal of Jilin University (Earth Science Edition), 2009, 39(4): 744-748. (in Chinese) [百度学术]

李琦, 魏亚妮. 二氧化碳地质封存联合深部咸水开采技术进展[J]. 科技导报, 2013, 31(27): 65-70. [百度学术]

Li Q, Wei Y N. Progress in combination of CO₂geological storage and deep saline water recovery[J]. Science & Technology Review, 2013, 31(27): 65-70. (in Chinese) [百度学术]

Li X C, Ohsumi T, Koide H, et al. Near-future perspective of CO₂ aquifer storage in Japan: site selection and capacity[J]. Energy, 2005, 30(11/12): 2360-2369. [百度学术]

李小春, 刘延锋, 白冰, 等. 中国深部咸水含水层CO₂储存优先区域选择[J]. 岩石力学与工程学报, 2006, 25(5): 963-968. [百度学术]

Li X C, Liu Y F, Bai B, et al. Ranking and screening of CO₂ saline aquifer storage zones in China[J]. Chinese Journal of Rock Mechanics and Engineering, 2006, 25(5): 963-968. (in Chinese) [百度学术]

韩燚, 梁荣柱. 深部盐水层二氧化碳储量的计算新方法[J]. 西部探矿工程, 2011, 23(6): 112-115. [百度学术]

Han Y, Liang R Z. The new means of estimation of CO₂ storage capacity in deep saline aquifer[J]. West-China Exploration Engineering, 2011, 23(6): 112-115. (in Chinese) [百度学术]

Qiao X J, Li G M, Li M, et al. CO₂ storage capacity assessment of deep saline aquifers in the Subei Basin, East China[J]. International Journal of Greenhouse Gas Control, 2012, 11: 52-63. [百度学术]

Jafari M, Cao S C, Jung J. Geological CO2 sequestration in saline aquifers: implication on potential solutions of China’s power sector[J]. Resources, Conservation and Recycling, 2017, 121: 137-155. [百度学术]

Cumming L, Gupta N, Sminchak J, et al. International collaboration to investigate carbon dioxide storage opportunities for a coal-fired power plant in Sichuan Basin, China[J]. Energy Procedia, 2014, 63: 4918-4925. [百度学术]

De Simone S, Krevor S. A tool for first order estimates and optimisation of dynamic storage resource capacity in saline aquifers[J]. International Journal of Greenhouse Gas Control, 2021, 106: 103258. [百度学术]

Nordbotten J M, Celia M A, Bachu S. Injection and storage of CO₂ in deep saline aquifers: analytical solution for CO₂ plume evolution during injection[J]. Transport in Porous Media, 2005, 58(3): 339-360. [百度学术]

Qin J Z, Zhong Q H, Tang Y, et al. CO₂ storage potential assessment of offshore saline aquifers in China[J]. Fuel, 2023, 341: 127681. [百度学术]

Ganjdanesh R, Hosseini S A. Geologic carbon storage capacity estimation using enhanced analytical simulation tool (EASiTool)[J]. Energy Procedia, 2017, 114: 4690-4696. [百度学术]

De Simone S, Jackson S J, Krevor S. The error in using superposition to estimate pressure during multisite subsurface CO₂ storage[J]. Geophysical Research Letters, 2019, 46(12): 6525-6533. [百度学术]

林耀庭, 陈绍兰. 四川盆地地下卤水勘探开发前景展望[J]. 盐湖研究, 2008, 16(1): 1-7, 21. [百度学术]

Lin Y T, Chen S L. Exploration and development prospect of underground brine in Sichuan Basin[J]. Journal of Salt Lake Research, 2008, 16(1): 1-7, 21. (in Chinese) [百度学术]

Zhou X, Li C J. Hydrogeochemistry of deep formation brines in the central Sichuan Basin, China[J]. Journal of Hydrology, 1992, 138(1/2): 1-15. [百度学术]

林耀庭. 四川盆地三叠系地下卤水储层特征及其富集的控制作用[J]. 盐湖研究, 1999, 7(3): 1-7. [百度学术]

Lin Y T. Storage characteristics of the ground brine of trias is Sichuan Basin and the determination factors of its enrichment[J]. Journal of Salt Lake Research, 1999, 7(3): 1-7. (in Chinese) [百度学术]

林耀庭, 何金权, 王田丁, 等. 四川盆地中三叠统成都盐盆富钾卤水地球化学特征及其勘查开发前景研究[J]. 化工矿产地质, 2002, 24(2): 72-84. [百度学术]

Lin Y T, He J Q, Wang T D, et al. Geochemical characteristics of potassium-rich brine in Middle Triassic Chengdu Salt Basin of Sichuan basinand its prospects for brine tapping[J]. Geology of Chemical Minerals, 2002, 24(2): 72-84. (in Chinese) [百度学术]

林耀庭, 姚有成, 康正华, 等. 四川宣达盐盆富钾富矿卤水地球化学特征及资源意义研究[J]. 盐湖研究, 2004, 12(1): 8-18. [百度学术]

Lin Y T, Yao Y C, Kang Z H, et al. Study on the geochemical characteristics and resource significance of the highly mineralized potassium-rich brine in the Sichuan Xuanda Salt Basin[J]. Journal of Salt Lake Research, 2004, 12(1): 8-18.(in Chinese) [百度学术]

王美芳. 川西三叠系水文地质特征及富钾卤水资源量计算[D]. 成都: 成都理工大学, 2014. [百度学术]

Wang M F. Hydrogeological characteristics of Triassic in western Sichuan and calculation of potassium-rich brine resources[D].Chengdu: Chengdu University of Technology, 2014. (in Chinese) [百度学术]

Yang W, Liu M C, Wei G Q, et al. Lithofacies paleogeography and characteristics of large-scale reservoirs of the Middle Triassic Leikoupo Formation in Sichuan Basin, China[J]. Journal of Natural Gas Geoscience, 2021, 6(5): 255-268. [百度学术]

Tian H, Zhang J Y, Xin Y G, et al. Reservoir characteristics and forming conditions for the Middle Triassic Leikoupo Formation in the western Sichuan Basin, China[J]. Journal of Natural Gas Geoscience, 2019, 4(2): 101-110. [百度学术]

Redlich O, Kwong J N S. On the thermodynamics of solutions; an equation of state; fugacities of gaseous solutions[J]. Chemical Reviews, 1949, 44(1): 233-244. [百度学术]

Spycher N, Pruess K, Ennis-King J. CO₂-H₂O mixtures in the geological sequestration of CO₂. I. Assessment and calculation of mutual solubilities from 12 to 100 ℃ and up to 600 bar[J]. Geochimica et Cosmochimica Acta, 2003, 67(16): 3015-3031. [百度学术]

Altunin V V, Sakhabetdinov M A. Viscosity of liquid and gaseous carbon dioxide at temperatures of 220-1300 K and pressure up to 1200 bar[J]. Teploenergetika, 1972, 8(5): 85-89. [百度学术]

Batzle M, Wang Z J. Seismic properties of pore fluids[J]. Geophysics, 1992, 57(11): 1396-1408. [百度学术]

Jaeger J C, Cook N G W, Zimmerman R. Fundamentals of rock mechanics[M]. John Wiley & Sons, 2009. [百度学术]

李传亮. 岩石压缩系数与孔隙度的关系[J]. 中国海上油气地质, 2003, 15(5): 355-358. [百度学术]

Li C L. The relationship between rock compressibility and porosity[J]. China Offshore Oil and Gas, 2003, 15(5): 355-358. (in Chinese) [百度学术]

Brown E T, Hoek E. Trends in relationships between measured in-situ stresses and depth[J]. International Journal of Rock Mechanics and Mining Sciences & Geomechanics Abstracts, 1978, 15(4): 211-215. [百度学术]

Bachu S, Adams J J. Sequestration of CO₂ in geological media in response to climate change: capacity of deep saline aquifers to sequester CO₂ in solution[J]. Energy Conversion and Management, 2003, 44(20): 3151-3175. [百度学术]

Duan Z H, Sun R. An improved model calculating CO₂ solubility in pure water and aqueous NaCl solutions from 273 to 533 K and from 0 to 2000 bar[J]. Chemical Geology, 2003, 193(3/4): 257-271. [百度学术]

Home

四川盆地雷口坡组盐水含水层CO2埋存能力评估 PDF

摘要

关键词