Global sensitivity analysis of thermo-mechanical effects on fault stability in a geological CO2 storage scenario

In the framework of geological CO2 storage, fault stability represents a critical aspect for ensuring operational safety and long-term containment integrity. The injection of supercritical CO2 typically occurs at temperatures lower than reservoir conditions, inducing stress variations due to thermal effects that may promote fault reactivation. This work builds upon an established reservoir-scale geomechanical workflow originally developed for poroelastic and poroelastoplastic analyses, extending it to include thermoelastic coupling. Finite element simulations were implemented and validated against analytical solutions to verify the correctness of the thermal formulation. A structured sensitivity study was conducted by varying Young’s modulus E, Poisson’s ratio ν, and the coefficient of thermal expansion αT. The analysis combines Design of Experiments and Monte Carlo–based Global Sensitivity Analysis, using the variation of the Coulomb Failure Function (∆CFF), a parameter commonly used as an indicator of fault reactivation, at a representative fault element as Quantity of Interest. The results show that uncertainty in the thermo-elastic parameters propagates to fault stability metrics in a non-negligible manner. Among the investigated parameters, uncertainty associated with E and αT produces the largest variations in the model response. Consequently, reducing uncertainty in these two parameters yields the most significant reduction in output variability. In contrast, Poisson’s ratio exhibits a comparatively smaller influence within the explored parameter ranges. These findings highlight that improving the thermo-mechanical rock characterization, above all Young’s modulus and the thermal expansion coefficient, constitutes the most effective strategy for reducing predictive uncertainty in reservoir-scale fault stability assessments under thermal perturbations.

Nel contesto dello stoccaggio geologico della CO2, la stabilità delle faglie rappresenta un elemento cruciale per garantire la sicurezza operativa e l’integrità a lungo termine del sistema di confinamento. L’iniezione di CO2 in fase supercritica avviene generalmente a temperature inferiori rispetto a quelle del giacimento, inducendo variazioni di sforzo di natura termica che possono favorire la riattivazione delle faglie. Il presente lavoro si inserisce in un flusso di lavoro geomeccanico consolidato a scala di giacimento, originariamente sviluppato per analisi poroelastiche e poroelastoplastiche, estendendolo all’inclusione dell’accoppiamento termoelastico. Le simulazioni agli elementi finiti sono state implementate e validate mediante confronto con soluzioni analitiche, al fine di verificare la correttezza della formulazione termica. È stata quindi condotta un’analisi di parametrica strutturata variando il modulo di Young E, il coefficiente di Poisson ν e il coefficiente di espansione termica αT. L’analisi combina Design of Experiments e Global Sensitivity Analysis di tipo Monte Carlo, assumendo come Quantity of Interest la variazione della Coulomb Failure Function (∆CFF), un parametro comunemente usato come indicatore di reattivazione di faglia, in un elemento rappresentativo della faglia. I risultati mostrano che l’incertezza associata ai parametri termo-elastici si propaga in modo significativo sugli indicatori di stabilità. Tra i parametri analizzati, l’incertezza su E e αT genera le variazioni più ampie nella risposta del modello; di conseguenza, una migliore caratterizzazione di tali proprietà comporta la riduzione più efficace dell’incertezza sull’output. Il coefficiente di Poisson evidenzia invece un’influenza comparativamente inferiore nei range parametrici considerati. Questi risultati indicano che, nelle valutazioni di stabilità di faglia a scala di giacimento in presenza di effetti termici, il miglioramento della conoscenza dei parametri termomeccanici, in particolare per il modulo di Young e per il coefficiente di espansione termica, rappresenta la strategia più incisiva per ridurre l’incertezza predittiva.