Der Weg zu einem stabilen Klima ist schwierig und umstritten. Um einen schnellen und gerechten Übergang weg von fossilen Brennstoffen zu ermöglichen, wird eine Reihe von Lösungen benötigt: Dazu gehören die Entwicklung nachhaltiger Energiequellen, umweltfreundlicherer Materialien und Methoden zur Entfernung von CO2 aus der Atmosphäre.
Eine der Methoden, die Wissenschaftler erforschen, ist die Kohlenstoffabscheidung und -speicherung (CCS). Bei der Kohlenstoffabscheidung und -speicherung wird CO2 aus industriellen Quellen abgeschieden und in tiefe geologische Reservoirs unter der Erde eingeleitet, theoretisch für Tausende von Jahren, ähnlich wie Wasser in Aquiferen gespeichert wird.
Sahar Bakhshian, Forscher am Büro für Wirtschaftsgeologie der Universität Texas in Austin, hat kürzlich Supercomputer des Texas Advanced Computing Center (TACC) eingesetzt, um grundlegend zu verstehen, wie die CO2-Speicherung auf der Ebene mikrometergroßer Poren im Gestein funktioniert, und um die Merkmale und Faktoren zu bestimmen, die zur Optimierung der CO2-Speicherung beitragen können.
In ihrem Artikel im International Journal of Greenhouse Gas Control vom Dezember 2021 untersuchte sie die Effizienz der CO2-Speicherung durch Auflösen des Gases in der in salzhaltigen Aquiferen vorhandenen Sole.
„Wir haben verschiedene Szenarien ausprobiert – mit unterschiedlichen Injektionsraten und Flüssigkeits- und Gesteinseigenschaften – um festzustellen, wie sich die Eigenschaften darauf auswirken, welcher Prozentsatz des injizierten CO2 im Idealfall durch den Auflösungsmechanismus eingefangen werden kann“, erklärte sie.
Sie stellte fest, dass zwei Faktoren einen großen Einfluss auf die CO2-Menge haben, die in den Gesteinsräumen gespeichert werden kann: die Benetzbarkeit (d. h. wie gut die CO2-Moleküle an der Gesteinsoberfläche haften) und die Injektionsrate (die Geschwindigkeit, mit der überkritisches CO2 in die Lagerstätte gepresst wird).
Ein weiterer wirksamer Prozess, der die Sicherheit der CO2-Speicherung gewährleistet, ist das Kapillarfallen, bei dem das CO2 durch Kapillarkräfte im Porenraum eingeschlossen und immobilisiert wird. In einer Studie, die im April 2019 in der Zeitschrift Advances in Water Resources veröffentlicht wurde, stellte Bakhshian die Ergebnisse von Zwei-Phasen-Strömungssimulationen auf Porenebene vor, bei denen digitale Versionen von echtem Gestein aus einem CO2-Speicherversuchsgelände in Cranfield, Mississippi, verwendet wurden, um zu untersuchen, wie das CO2 während der Injektionsphase durch die Porenstruktur des Gesteins wandert und wie es nach der Injektion als immobilisierte Blasen im Porenraum eingeschlossen werden kann.
Bakhshians Arbeit steht unter der Schirmherrschaft des Gulf Coast Carbon Center (GCCC), das seit 1998 daran arbeitet, das Potenzial, die Risiken und die besten Methoden für die geologische Kohlenstoffspeicherung zu verstehen.
Supercomputer sind eines der wichtigsten Werkzeuge, die Geowissenschaftlern zur Verfügung stehen, um Prozesse zu untersuchen, die für die Kohlenstoffabscheidung und -speicherung relevant sind, so Bakhshian. „Computergestützte Fluiddynamiktechniken sind in diesem Bereich unerlässlich, um geeignete Ziellagerstätten für die CO2-Speicherung besser zu untersuchen und das Verhalten von CO2-Fahnen in diesen Lagerstätten vorherzusagen“, sagte sie.
Das Verständnis der Dynamik der Speicherkapazität auf Porenebene mit Hilfe von Hochleistungsrechnersimulationen ist eine Möglichkeit, um zu verstehen, wie Kohlenstoffabscheidung und -speicherung in großem Maßstab erreicht werden könnten.
„Bei unserer Forschung geht es im Wesentlichen darum, geologische Gegebenheiten zu charakterisieren, die sich für die Speicherung eignen, und die Art und Weise zu erforschen, wie wir CO2 einleiten, um sicherzustellen, dass es sicher und effektiv ist und keine Gefahr für Menschen oder Grundwasserressourcen darstellt“, so Bakhshian.
Ein weiterer Aspekt von Bakhshians Forschung ist der Einsatz von Techniken des maschinellen Lernens, um rechnerisch schnelle Modelle zu entwickeln, die die Speicherkapazität von Reservoiren abschätzen und bei der Umweltüberwachung von CO2 helfen können.
In der Fachzeitschrift Environmental Science and Technology vom Oktober 2021 schlug Bakhshian ein Deep-Learning-System vor, um Anomalien in Sensordaten zur Bodengaskonzentration zu erkennen. Das Modell wurde anhand von Daten trainiert, die von Sensoren stammen, die zur Umweltcharakterisierung an einer potenziellen CO2-Speicherstätte in Queensland, Australien, eingesetzt werden.
Bakhshians Methode, die Prozesse, die auf der natürlichen Bodenatmung beruhen, in ein Deep-Learning-Framework einbezieht, war in der Lage, Anomalien in den Sensordaten zu erkennen, die in zukünftigen Anwendungen entweder Sensorfehler oder Leckagen darstellen könnten.
„Ein vertrauenswürdiges System zur Erkennung von Anomalien in Echtzeit, das anhand der strömenden Sensordaten trainiert wird und auf einer prozessbasierten Methodik beruht, könnte die Umweltüberwachung in künftigen Projekten erleichtern“, so Bakhshian.
Nach Angaben des Global CCS Institute sind die USA eine der Nationen mit dem größten Potenzial für die geologische CO2-Speicherung. Obwohl einige Umweltschützer argumentieren, dass CCS lediglich eine Möglichkeit für Energieunternehmen ist, weiterhin fossile Brennstoffe zu fördern, sehen andere, darunter das International Panel on Climate Change, CCS als eine der Möglichkeiten für die Weltgemeinschaft an, bis Mitte des Jahrhunderts Netto-Null-Emissionen zu erreichen.
„Es ist sicher und effektiv“, so Bakhshian. „Und die Computertechnik wird uns helfen, wirtschaftliche Wege zu finden, um dieses Ziel zu erreichen.
Datum: Februar 10, 2022
Quelle: University of Texas at Austin, Texas Advanced Computing Center
- Sahar Bakhshian. Dynamics of dissolution trapping in geological carbon storage. International Journal of Greenhouse Gas Control, 2021; 112: 103520 DOI: 10.1016/j.ijggc.2021.103520
- Sahar Bakhshian, Seyyed Abolfazl Hosseini. Pore–scale analysis of supercritical CO2–brine immiscible displacement under fractional–wettability conditions. Advances in Water Resources, 2019; 126: 96 DOI: 10.1016/j.advwatres.2019.02.008
- Sahar Bakhshian, Katherine Romanak. DeepSense: A Physics-Guided Deep Learning Paradigm for Anomaly Detection in Soil Gas Data at Geologic CO2 Storage Sites. Environmental Science & Technology, 2021; 55 (22): 15531 DOI: 10.1021/acs.est.1c04048