Rozwój i optymalizacja materiałów uszczelniających opartych na sztucznej inteligencji do wtórnego zatapiania w odzyskiwaniu metanu

Dlaczego lepsze uszczelnienia mają znaczenie dla czystszego gazu

Metan z pokładów węgla to gaz spalający się czyściej, uwięziony w warstwach węgla, ale duża jego część ucieka przez drobne pęknięcia, zanim można go przechwycić. W artykule zbadano, jak sztuczna inteligencja może pomóc zaprojektować sprytniejsze mieszaniny uszczelniające, które skuteczniej zatykają te ukryte nieszczelności, dzięki czemu odzysk metanu staje się bezpieczniejszy, wydajniejszy i mniej marnotrawny.

Pęknięcia w skale i utracony metan

Głęboko pod ziemią warstwy węgla przecinają naturalne spękania, które działają jak ukryte drogi ucieczki dla gazu i wody. Gdy wierci się szyby do odwodnienia metanu, te spękania mogą się powiększać, tworząc nowe ścieżki, które wpuszczają powietrze i wypuszczają metan. Tradycyjne zaprawy cementowe często nie wnikają wystarczająco głęboko w sieć takich pęknięć ani nie pozostają szczelne przy przemieszczaniu się skały, więc wydobycie spada, a więcej metanu ulatnia się do wyrobiska i atmosfery. Badanie koncentruje się na „wtórnym zatapianiu” — dodatkowym etapie uszczelniania mającym na celu przywrócenie nieszczelnych szybów poprzez wstrzykiwanie specjalnych materiałów głęboko w te spękania.

Co decyduje o dobrej mieszance uszczelniającej

Użyteczny materiał uszczelniający musi jednocześnie rozwiązać kilka problemów. Na początku powinien być dostatecznie płynny, by można go było pompować i by penetrował drobne szczeliny. Następnie musi zgęstnieć i „żelować” w rozsądnym czasie, rozszerzyć się na tyle, by wypełnić luki, a w końcu utwardzić się do mocnego, trwałego ciała, które będzie powstrzymywać gaz przez miesiące lub lata. Zmiana składników kontrolujących zawartość wody, żywicę, dodatki sieciujące i środek spieniający zmienia właściwości takie jak lepkość, czas utwardzania, wytrzymałość i rozszerzalność. Poprawa jednej cechy może łatwo zaszkodzić innej, więc znalezienie odpowiedniej receptury metodą prób i błędów w laboratorium jest powolne, kosztowne i może przegapić wiele obiecujących kombinacji.

Nauczanie komputerów przewidywania zachowania materiału

Naukowcy zbudowali ramy oparte na danych, które uczą się na stosunkowo małym zestawie laboratoryjnie przebadanych mieszanin, a potem same poszukują lepszych formuł. Wykorzystali dwa typy modeli komputerowych zwanych sieciami neuronowymi, z których każdy był strojoný za pomocą różnych algorytmów ewolucyjnych naśladujących dobór naturalny lub zachowania rojowe. Jeden model świetnie przewidywał, jak gęste będą mieszaniny i jaką wytrzymałość osiągną po utwardzeniu. Drugi był lepszy w prognozowaniu czasu żelowania i stopnia rozszerzalności w szczelinach. Łącząc te modele, system może oszacować, jak zachowa się dowolna nowa receptura mieszcząca się w badanym zakresie, bez konieczności mieszania jej i mierzenia w laboratorium.

Równoważenie przepływu, wytrzymałości i rozszerzalności

Kiedy komputer zaczął wiarygodnie przewidywać zachowanie materiału, zespół połączył go z optymalizatorem wielokryterialnym, który przeszukuje jednocześnie tysiące możliwych receptur. Zamiast szukać jednego „najlepszego” mieszania, optymalizator generuje rodzinę rozwiązań, które balansują między łatwością pompowania, szybkim wiązaniem, silnymi końcowymi uszczelnieniami i kontrolowaną ekspansją. Na przykład bardzo wytrzymałe mieszanki zwykle są gęstsze, co może ograniczać ich zasięg przy pompowaniu do odległych pęknięć. Bardziej płynne mieszanki docierają głębiej, ale przeważnie utwardzają się do umiarkowanej wytrzymałości. Dalsze metody analizy wykorzystano do uszeregowania tych kandydatów według różnych potrzeb polowych, takich jak głęboka penetracja, szybkie uszczelnienie przy szybie czy maksymalna długoterminowa stabilność.

Z komputerowych projektów do czystszego gazu

Mówiąc prosto, badanie pokazuje, że komputery potrafią nauczyć się, jak zachowują się złożone mieszaniny uszczelniające, a następnie pomagają inżynierom wybierać receptury najlepiej pasujące do rzeczywistych szybów metanowych. Podejście nie zastępuje testów terenowych, ale znacząco redukuje zgadywanie i liczbę prób laboratoryjnych. Dzięki lepiej dopasowanym uszczelniaczom więcej metanu może być kierowane z warstw węgla do rurociągów zbiorczych zamiast przeciekać przez pęknięcia, wspierając bezpieczniejszą eksploatację kopalń i czyniąc metan z pokładów węgla czystszym, bardziej efektywnym źródłem energii.

Cytowanie: Zandy Ilghani, N., Maleki, H. AI-based development and optimization of sealing materials for secondary grouting in methane recovery. Sci Rep 16, 15920 (2026). https://doi.org/10.1038/s41598-026-46891-2

Słowa kluczowe: metan z pokładów węgla, uszczelnianie otworów, sztuczna inteligencja, materiały do zatapiania, ucieczka metanu