Estimate and uncertainty assessment of onshore geological CO2 storage capacity with application to potential reservoirs across China

We assess CO2 storage capacity with associated uncertainty of some major reservoirs across China. We implement an approach that embeds constraints associated with the increase of reservoir pore pressure due to injection of CO2 and the presence of resident brine. Accordingly, pressure build-up must be limited to avoid reactivation of faults, failure of the caprock, and possible leakage, resulting in more conservative estimations of CO2 storage capacity of the reservoir. We set up a collection of Monte-Carlo (MC) numerical simulations while considering uncertainty in the values of (a) the reservoir size, (b) rock attributes (i.e., porosity and absolute permeability), and (c) fluid properties (e.g., compressibility). Our work confirms that 10 major basins of the present analysis can potentially store, on average, 1350 Gt CO2 during the next 30 years with lower and upper quartiles being 1100 and 1700 Gt respectively. This can clearly confirm that underground carbon storage, coupled with other possible solutions, can be an effective technology to reach the aims of the Announced Pledges Scenario (APS) by the International Energy Agency to cut the emissions of the country and mitigate the global warming by 2060. We also rely on a global sensitivity analysis (GSA) to determine how our predictions of the formation storage capacity may be affected by uncertainties in aforementioned simulation model input parameters. Moment-based global sensitivity indices are evaluated on the basis of the MC model responses, to quantify the sensitivity of the CO2 storage capacity simulation results to the variations of the input uncertain model parameters. Formation rock attributes are identified as major sources of uncertainty significantly affecting the prediction (and associated uncertainty) of model outputs.

In questo studio valutiamo la capacità di stoccaggio di CO2 e l'incertezza associata di alcuni grandi potenziali serbatoi nella Cina. Viene implementato un approccio che incorpora i vincoli associati all'aumento della pressione negli spazi porosi della roccia nel serbatoio a causa dell'iniezione di CO2 e della presenza di acqua. Di conseguenza, l'accumulo di pressione deve essere limitato per evitare la riattivazione di cedimenti, la rottura del caprock e l'eventuale fuoriuscita di anidride carbonica. Questo metodo porta a ottenere stime più conservative della capacità di stoccaggio di CO2 del serbatoio. Abbiamo creato una raccolta di simulazioni numeriche Monte-Carlo (MC) considerando l'incertezza nei valori di: (a) la dimensione del serbatoio, (b) caratteristiche geofisiche della roccia (ad esempio, porosità e permeabilità assoluta) e (c) le proprietà del fluido (ad esempio, compressibilità). Il nostro lavoro conferma che 10 grandi bacini possono potenzialmente immagazzinare, in media, 1350 Gt CO2 nei prossimi 30 anni, con quartili inferiori e superiori rispettivamente di 1100 e 1700 Gt. I risultati ottenuti permettono di concludere che lo stoccaggio sotterraneo di anidride carbonica, insieme ad altre possibili soluzioni, può essere una tecnologia efficace per raggiungere gli obiettivi dell’Announced Pledges Scenario (APS) dell'Agenzia Internazionale dell'Energia per ridurre le emissioni del paese e mitigare il riscaldamento globale entro il 2060. Inoltre, ci affidiamo a una global sensitivity analysis (GSA) per determinare come le nostre previsioni sulla capacità di stoccaggio della formazione possono essere influenzate dalle incertezze nei parametri di input del modello della simulazione. Gli indici di sensibilità globale basati sui momenti della capacità di stoccaggio, sono valutati sulla base delle risposte del modello MC, per quantificare la sensibilità dei risultati della simulazione della capacità di stoccaggio di CO2 alle variazioni dei parametri incerti in ingresso del modello. Le proprietà della roccia sono identificate come principali fonti di incertezza, le quali influenzano significativamente la previsione (e l'incertezza associata) dei risultati del modello.