[論文レビュー] A Digital Twin for Geological Carbon Storage with Controlled Injectivity

Abhinav Prakash Gahlot, Haoyun Li+3 more|arXiv (Cornell University)|Mar 28, 2024

Scientific Computing and Data Management被引用数 4

ひとこと要約

本論文は、時間分解能の高い地震データと井戸データを用いた不確実性を考慮した生成的AIとリアルタイム監視データを統合した、地質的炭素隔離のためのデジタルツインを提示する。逐次ベイズ推論とニューラル後方分布推定を用いることで、CO₂注入能を制御し、キャップロックの亀裂発生確率を1%未塔に保ち、注入量を0.0387 m³/sに低下させることでリスクを32.59%から1%に低減する。

ABSTRACT

We present an uncertainty-aware Digital Twin (DT) for geologic carbon storage (GCS), capable of handling multimodal time-lapse data and controlling CO2 injectivity to mitigate reservoir fracturing risks. In GCS, DT represents virtual replicas of subsurface systems that incorporate real-time data and advanced generative Artificial Intelligence (genAI) techniques, including neural posterior density estimation via simulation-based inference and sequential Bayesian inference. These methods enable the effective monitoring and control of CO2 storage projects, addressing challenges such as subsurface complexity, operational optimization, and risk mitigation. By integrating diverse monitoring data, e.g., geophysical well observations and imaged seismic, DT can bridge the gaps between seemingly distinct fields like geophysics and reservoir engineering. In addition, the recent advancements in genAI also facilitate DT with principled uncertainty quantification. Through recursive training and inference, DT utilizes simulated current state samples, e.g., CO2 saturation, paired with corresponding geophysical field observations to train its neural networks and enable posterior sampling upon receiving new field data. However, it lacks decision-making and control capabilities, which is necessary for full DT functionality. This study aims to demonstrate how DT can inform decision-making processes to prevent risks such as cap rock fracturing during CO2 storage operations.

研究の動機と目的

• マルチモodalデータを用いたリアルタイム監視と不確実性の定量化を可能にする地質的炭素隔離のためのデジタルツインの開発。
• デジタルツインフレームワークに意思決定機能を統合し、CO₂注入中のキャップロック亀裂リスクを低減すること。
• 確率的制約に基づく注入レート最適化により、亀裂発生確率が事前に定めた閾値未満に保たれることを保証すること。
• 地球物理学とリザーバー工学といった分野の断片的領域を統合的に統合する、統一的かつデータ駆動型の仮想レプリカを通じて橋渡しを行うこと。
• 生成的AIとベイズ推論が、炭素隔離運用における能動的リスク低減を可能にする仕組みを実証すること。

提案手法

• 各タイムステップで事後分布サンプリングから得られるシミュレートされた状態-観測ペアを用いた再帰的トレーニングをデジタルツインが採用する。
• シミュレーションベース推論によるニューラル後方密度推定により、時間分解能の高い地震データと井戸データからの不確実性を考慮した状態推定が可能になる。
• 逐次ベイズ推論を用いて、各タイムステップでリザーバー状態と透水率の事後分布を更新する。
• 各サンプルに対して制約付き最適化問題を解き、リザーバー圧力が深さ依存の亀裂圧力を超えないようにしながら注入能を最大化する。
• 核密度推定（KDE）を用いて、実証的亀裂頻度分布を滑らかにし、意思決定支援のための累積分布関数（CDF）を導出する。
• ベルヌーイ分布を用い、95%信頼水準（Z = 1.96）で亀裂発生確率の信頼区間を計算し、保守的（左片側）な注入レート選択を実施する。

実験結果

リサーチクエスチョン

• RQ1 マルチモダリティ監視データ（地震観測と井戸観測）を統合することで、地質的炭素隔離における不確実性を考慮した状態推定を実現する方法は何か？
• RQ2 高いCO₂注入能を維持しつつ、キャップロック亀裂リスクを最小化する注入レートは何か？
• RQ3 ベイズ推論と生成的AIを用いることで、リザーバー圧力と透水率の不確実性をどのように定量化し、リスクに基づいた意思決定を可能にするか？
• RQ4 デジタルツインは、保守的な運用意思決定を支援するための亀裂発生確率の信頼区間を提供できるか？
• RQ5 不確実性を考慮した推論を用いた注入能制御は、制御のない注入と比較して、亀裂を発生させるサンプル数をどれほど低減するか？

主な発見

• 初期の注入レート0.0500 m³/sでは、95%信頼区間が24.47%から40.71%であることを考慮すると、亀裂発生確率は32.59%に達し、許容できない高いリスクを示している。
• 注入レートを0.0387 m³/sに低下させることで、亀裂発生確率は1%未塔に低下し、結果の信頼度は97.5%に達する。
• 128個の状態サンプルのうち、初期の注入レートでは43個が亀裂を発生させたが、制御されたレートではたった1つの亀裂サンプルに減少した。
• デジタルツインは、亀裂発生確率を1%未塔に抑える保守的注入レートを的確に同定した。
• KDEとCDF分析の活用により、注入能と安全性の両立を実現する、正確なデータ駆動型の注入レート選択が可能になった。
• 本システムは、不確実性を考慮したデジタルツインが、受動的監視から制御された注入能による能動的リスク低減へと移行できることを示している。