Uncertainty reduction in CO2 geological storage with ensemble data assimilation

We provide a methodological and operational workflow to integrate Ensemble Model Calibration and Data Space Inversion to quantify uncertainty and assess data worth in the context of Carbon Capture and Storage (CCS) projects. A robust assessment of storage site integrity to assist evaluation and monitoring of plume migration is critical for the successful geologic storage of CO2. Evaluation of the quality of model results hinges on our ability to quantify impacts of the uncertainties associated with geological, petrophysical and other subsurface parameters affecting CO2 behavior within the storage complex. To do so, Data Worth analysis yields an appraisal of the value of various data types in quantifying and potentially managing uncertainty. Identification of data types that are most impactful on model output uncertainties enables one to prioritize data acquisition to improve the quality of model outputs and the overall reliability of a storage site. While many data can be directly employed in a direct modelling approach, pressure measurements and other dynamic reservoir data are typically considered in an inverse modeling context. The latter is usually performed in a stochastic context. Here, we consider a field application targeting the Smeaheia storage complex. Our results suggest that (i) the quantity of CO2 that can be safely injected is the performance metric associated with the most relevant uncertainty and (ii) a significant role of static pressure data in the context of Data Worth analysis, while (iii) flowing pressure data have a negligible impact on uncertainty quantification, but results useful in developing risk mitigation strategies.

Proponiamo un piano di lavoro metodologico e operativo per integrare i metodi di Ensemble Model Calibration e Data Space Inversion nella quantificazione dell'incertezza e nella valutazione del valore dei dati nel contesto dei progetti di Cattura e Stoccaggio del Carbonio (CCS). Una valutazione affidabile dell'integrità del sito di iniezione e il monitoraggio della migrazione del gas nel sottosuolo sono fondamentali per il successo dello stoccaggio geologico della CO2. La valutazione della qualità dei risultati del modello dipende dalla capacità di quantificare l’impatto delle incertezze associate ai parametri geologici, petrofisici e agli altri parametri del sottosuolo che influenzano il comportamento della CO2 durante le operazioni di stoccaggio. Per fare ciò, il Data Worth (analisi del valore dei dati) fornisce una valutazione del valore di vari tipi di dati nella quantificazione e nella potenziale riduzione dell'incertezza. L'identificazione dei tipi di dati che hanno il maggior impatto sulle incertezze dei risultati consente di attribuirne priorità all'acquisizione, per migliorare la qualità delle previsioni del modello e l'affidabilità complessiva del sito. Mentre molti dati possono essere da subito impiegati sfruttando la modellazione diretta, le misurazioni della pressione e altri parametri dinamici sono tipicamente considerati in un contesto di modellazione inversa. Quest'ultima viene solitamente eseguita in un contesto stocastico. Qui consideriamo un'applicazione al complesso di stoccaggio di Smeaheia, nel Mare del Nord norvegese. I nostri risultati suggeriscono che (i) nella valutazione della prestazione la quantità di CO2 che può essere iniettata in sicurezza presenta l'incertezza più rilevante e che (ii) nel contesto dell'analisi del Data Worth i dati di pressione statica assumono un ruolo significativo, mentre (iii) i dati di pressione dinamica hanno un impatto trascurabile sulla quantificazione dell'incertezza, risultando invece utili nello sviluppo di strategie per la mitigazione dei rischi.