碳捕集利用与封存国际创新研究院芮振华教授团队在《钻采工艺》发表创新成果，提出全球首个面向CO₂利用与封存协同优化的组分模拟代理模型（comp-GPSNet）。该模型通过融合物理机制与深度学习，成功解决传统三维高分辨率数值模拟计算成本高昂的难题——在PUNQ-S3油藏案例中，模型将计算耗时从数周缩减至数小时，CO₂利用率与封存率预测误差分别低至0.16%和3.13%，为CCUS全链条优化提供实时决策支持。

技术突破

当前CCUS项目中CO₂驱油与封存的协同优化依赖大量组分模拟，但常规高精度模型需百万级网格运算，单次模拟消耗超万CPU小时。comp-GPSNet创新性地将油藏离散为动态流动网络，引入多组分闪蒸平衡方程（基于Rachford-Rice方程与Peng-Robinson状态方程）和伴随梯度优化算法，构建轻量化物理内核；同步利用Levenberg-Marquardt优化器对53个关键参数（包括传导率、孔隙体积、井指数等）进行高效校准，训练效率较传统L-BFGS-B算法提升7倍，失配值降低82%。

效果验证

在法国PUNQ-S3油藏（含1761个有效网格、8口生产井、2口CO₂注入井）的测试中，模型仅需160个等效网格即可复现复杂相行为。训练阶段（5400天随机井控数据）对生产井的产油/气速率、CO₂突破曲线及井底压力拟合决定系数（R²）均超0.98；预测阶段精准捕捉井控策略切换（如定产油转定井底压力）引发的流量波动，突破传统代理模型外推能力局限。

应用前景

该模型已获中国国家重点研发计划支持，可无缝集成至CCUS智能决策平台，实现封存选址、注采参数、经济性评估的分钟级优化。团队正与延长石油合作开展现场部署，推动碳封存成本降低20%以上。