CO2-EOR地质封存工程经济评价与投资风险分析

■ 王 众/骆毓燕/钟 媛

（成都理工大学管理科学学院，四川 成都 610059）

0　引言

二氧化碳捕捉与封存（Carbon Capture and Storage, CCS）自2005年被政府间气候变化专门委员会（IPCC）正式提出以来，因与现有能源系统的高匹配度和巨大减排潜力，持续受到各方关注，被认为是未来减排方案的重要组成（IPCC(2005)[1]；Hansson等(2009)[2]）。我国能源结构以“煤炭和煤电”为主，CCS具有良好应用前景，政府对CCS相关研究给予足够重视与大力支持（Zhou等(2010)[3]；朱磊等(2014)[4]；Zhu等(2015)[5]）。目前CCS尚处于研发和示范阶段，其大规模商业化应用还存在一系列困难和挑战，其中减排成本高是主要障碍之一。CCS是一个多环节系统，若在封存环节采用二氧化碳强化采油（CO2-EOR），则可以在减排CO2同时获得原油增产收益，从而降低CCS整体减排成本，因此“CCS+EOR”方案也被视为CCS商业化运营的早期机会（匡建超等(2012)[6]）。因而，准确评估CO2-EOR地质封存项目的收益成本和投资风险，对完善CCS商业化项目的技术经济评价、甄别筛选早期实施机会具有重要的理论和现实意义。

MIT的Heddle等(2003)[7]、ECOFYS的Hendriks等(2004)[8]、卡内基梅隆大学的McCoy(2008)[9]、McCoy等（2009)[10]、美国西北太平洋国家实验室的Dahowski等(2012)[11]、中国科学院岩土力学研究所的Wei等(2015)[12]围绕该问题开展了深入研究，取得了一定的研究成果。然而，笔者认为上述文献讨论的焦点主要集中在成本构成及计算公式上，对于石油年产量等重要工程参数没有给出明确、简便的计算方法；在成本计算中往往直接套用石油开发的经验公式，对于CO2泄露监测与防治处理等环节考虑不足；相关研究侧重于确定条件下的成本收益计算，对不确定条件下的项目投资风险缺乏足够讨论。基于此，笔者在对现有相关模型解构的基础上，引入Lake和Walsh(2008)[13]提出的CO2-EOR产量模型和美国环保署(2008)[14]提出的CO2地质封存监测方案，构建了CO2-EOR地质封存工程经济模型，以Lost Soldier油田为例计算该油田实施CO2-EOR的减排效果和减排成本，分析各因素对CO2-EOR项目的影响，同时进一步探讨不确定条件下CO2-EOR项目的投资风险和投资边界，以期为CCS早期商业化实施提供参考。

1　CO2-EOR地质封存工程经济模型

1.1　工程模型

1.1.1EOR石油产量估算

通过对全球70个CO2-EOR项目的统计分析，CO2-EOR地质封存项目的石油产出可以用图1描述：在t1注入CO2，经过△tb（1～3个月），石油产量从tb开始增加并在tp达到峰值，随后产量曲线递减，递减至tn达到项目经济极限（Lake和Walsh(2008)[13]）。

根据图1，设项目ti时刻石油产量为qi（bbl/a）、累积产量为Npi（bbl），有：

其中：tiWF为水驱峰值对应时刻，qiWF和qpeak分别为水驱和CO2-EOR的峰值产量（bbl/a），bWF和bEOR分别为水驱和CO2-EOR的递减指数，DiWF和DiEOR分别为水驱和CO2-EOR的初始递减率。

在式(1)和式(2)中，tiWF、qiWF、bWF和DiWF可根据水驱的历史产量确定，商业化项目的bEOR平均值为0.2。那么，确定qi和Npi就只需要确定tp、tn、qpeak和DiEOR。

1.1.1.1确定tp和tn

设CO2年注入量为Qinj（t/a），CO2在储层条件下的密度为ρres_CO2（kg/m3），有：

其中：BRB/STB为转换系数。

根据经验公式：

假设t1与tiWF的间隔为△t1，在△t1已知的情况下即可求出tp和tn。

1.1.1.2确定qpeak

定义项目ti时刻的驱油效果为foi：

定义项目ti时刻的无因次累计产量为NpiD：

其中：OOIP为油田原始地质储量（bbl）。

定义ti与t1的无因次时间间隔为△tDi：

联合式(2)、式(6)、式(7)、式(8)，有：

式(9)中，△tDb、△tDp和△tDn、fob和NpbD可以根据上面的公式求出；fon实际为项目经济极限，其值可以事先设定（一般介于0.01～0.04）；NpnD实际就是项目最终采收率ER，可以根据石油重度API得出（Hendriks等(2004)[8]），则fopeak通过迭代即可求出。根据式(6)：

1.1.1.3确定DiEOR

根据式(1)、式(9)，在tn时刻有：

商业项目DiEOR的取值范围一般为0.15～0.4，若根据式(11)计算出的DiEOR超出上述范围，则需要调整Qinj或其他相关参数重新计算。

1.1.2CO2年封存量估算

在CO2-EOR过程中，注入的CO2经过一段时间（1～5年）会随石油被采出地面（CO2突破）。实际操作中为减少CO2二次排放和降低成本，通常会将突破的CO2与原油分离，加压后重新注入。设CO2突破时刻为tbk，ti时刻的CO2封存潜力Mi，据Shaw和Bachu(2002)[15]：

其中：RFi为ti时刻的采收率，RFBK为tbk时刻采收率，Bo为石油体积系数。

则第i年的CO2累积封存量：

1.1.3所需设施设备估算

1.1.3.1注入井和生产井

设所需生产井和注入井数量分别为Np和Ni，单井注入率为Rinj（t/a/口），则：

设在EOR井网布局中采注井比例为Ra，则有：

需要注意的是，Np和Ni还必须满足下面两个公式，若不满足则需调整Rinj。

其中：Rinj_max为单井注入率上限（t/a/口），Qpro_max为单井产量上限（bbl/a/口）。

1.1.3.2监测设施

为防止C O2泄露造成地下水污染和二次排放，需要对注入过程进行实时监控，还需配置一定数量的监测井和监测站。假设监测井数量Nm取决于注入井数量，监测站数量Ns取决于油田面积（EPA(2008)[14]），则有：

其中：β1和β2为比例系数，S为油田面积（km2）。

1.2　经济模型

设油田储层深度为d（ft），监测井深度为dm（ft），油田废弃井数量为Nab（口），高危井数量为Nd（口），场地勘查钻井取芯个数为Nc（个），CO2购买价格为P_CO2（$/t），碳交易价格为P_carbon（$/t）。

1.2.1固定投资CAPX（$）估算

1.2.1.1场地勘查阶段

场地勘查与早期评价成本：

1.2.1.2工程建设阶段

新建注入井及相关设施：

改造注入井及相关设施：

新建生产井及相关设施：

改造生产井及相关设施：

循环设施：

监测设施：

1.2.1.3安全核查阶段

注入CO2在不同时间尺度的流体模拟：

废弃井搜寻与安全性评估（$）：

高危井修复：

1.2.1.4后续处置阶段

封井：

设备设施移除：

由于CAPX涉及的分项较多，为便于后续分析，笔者将CAPX（$）分为：场地勘察与核查（C_site）、设备设施（C_eqp）和后续处理（C_post）三类：

其中：Ma（0≤Ma≤1）为油田开发程度，Ma越大表明油田开发程度越高，需要新建的注入井和生产井越少。

1.2.2运营维护成本OM（$/a）估算

生产井与注入井日常运行维护成本

石油抽吸与生产：

CO2循环与加压：

CO2购买：

注入期间监测：

后续监测：

1.2.3收益Ri（$/a）估算

石油增产收入：

碳交易收入：

1.2.4净现值计算

通常C_site、C_eqp相关投资在（t1-1）时刻完成，C_wellplug相关投资在tn+1时刻完成，C_removal相关投资在后续监测最后一年完成。为便于比较，笔者将所有固定投资折现到（t1-1）时刻，设后续监测期为T，折现率为r，则固定投资现值：

项目净现值NPV（$）可以为表示为：

其中：Tax为综合税费率。

单位净现值NPV_unit（$/t）可以表示为：

2　实例应用分析

本文假定以Lost Soldier油田1由于本文构建的工程经济模型输入参数较多，涉及了油田的基本参数和水驱参数，国内油田数据未公开，难以收集全部的参数。而根据文献[13]可以搜集Lost Soldier油田的全部相关信息，因此本文以Lost Soldier为例进行预测分析。为目标，开展CO2-EOR地质封存，运用构建的工程经济模型，对该项目的封存效果和封存成本进行预测分析。设该油田进行CO2驱时的采收率为0.17，其余参数见表1。

表1　参数设定

2.1　驱油-封存效果分析

将表1数据代入工程模型，得出该项目的采油曲线和CO2封存曲线，如图2和图3所示。从图中可以看出该项目产油经济寿命周期为18年，CO2注入后原油产量迅速增加并在第4年达到峰值（3.54×106bbl/a），随后产量曲线递减；封存的CO2在第3年突破，突破后封存量快速降低。经济寿命周期内共增产原油2.72×107bbl，共封存CO26.90×106t，CO2利用系数为0.25t/bbl，即每增产1bbl原油可封存0.25t CO2。

据式(15)-(19)，该项目共需注入井162口、生产井243口、监测井162口、监测站6个，由于油田成熟度较高，其中有113口注入井和170口生产井是通过已有井改造而来。

图2　采油曲线

图3　CO2封存曲线

2.2　封存成本分析

根据式(20)-(34)，该项目固定投资2.40×108$，其中场地勘察与核查、设备设施、后续处理投资分别占到总投资的1.62%、93.98%和4.40%，如图4所示。同传统CO2驱油项目相比，CO2-EOR地质封存对CO2泄露控制要求更严，因而监测成本较高，在本例中监测设施投资占比最大，占到总投资的34.27%。

根据式(35)-(42)，该项目的日常运营维护费用和收益如图5所示。对照图2和图3可以看出：在第1年，由于CO2封存量较高而石油产量很低，收益主要来自于碳交易；从第2年开始，石油收益随石油产量的攀升而快速上升，与此同时CO2封存量随CO2突破而急剧降低，碳交易收入快速降低。由于目前碳交易价格偏低，石油收入远高于CDM收入，是项目收益的绝对组成部分，项目总收入在石油产量达到峰值后逐步降低。从图中还可以看出，CO2购买与CO2循环成本占OPEX一半以上；从第3年CO2突破后，注入的CO2主要来自于循环处理而非新购买，而循环处理成本（6.78$/t）远低于新购成本（30$/t），因而OPEX逐渐降低。此外，除去其余的运行维护费用，包括注入井、生产井、监测井维护成本基本保持稳定。

图4　固定投资构成

图5　运营成本和收益构成

根据式(44)-(45)，该项目NPV=-2.71×106$，NPV_unit=-0.39$/t，即封存1t CO2需花费0.39$。

3　投资风险与投资决策分析

在CCS商业化阶段，项目受哪些因素影响最大？项目收益与风险多大？在什么条件下盈利？是投资者最为关心的问题。围绕上述三个问题，笔者从不确定性分析的角度，对CO2-EOR项目作进一步讨论。

3.1　风险因素分析

CO2-EOR地质封存涉及的因素较多，根据实际，重点对油田参数d、S、Swi、Vp、ER、Diwf、bwf、qiwf，工程参数△t1、Ra、Qpro_max、Qinj、fon、β1，经济参数P_oil，P_carbon，P_CO2共计17个因素进行分析，观察上述因素变动对单位封存成本的影响。假设各因素变动范围为[-70%,+70%]，结果如图6所示。从图6中可以看出在油田参数中，d、ER、Vp对NPV_unit影响最大，而水驱参数（Diwf、bwf、qiwf）、S和Swi对项目的影响较小。在工程和经济参数中，除了△t1和P_carbon外，其余参数对NPV_unit影响均较大，尤其以P_oil和Qpro_max的影响程度最大。

需要注意的是，Qpro_max和Ra两个参数对NPV_unit的影响较为特殊：①当Qpro_max变动幅度＞60%时，NPV_unit不再随Qpro_max增大而变化；②当Ra变动幅度＜50%时，NPV_unit随Ra的增大而增大，当Ra变动幅度＞50%时，NPV_unit随Ra的增大而减小。分析其原因：根据式(14)-(17)有Qinj/Rinj×Ra≥qpeak/Qpro_max，Rinj可随Qpro_max增大而增大，此时Ni和Np相应减小，NPV_unit增大；但是当Rinj增大至Rinj_max时，Rinj不再随着Qpro_max的增大而增大，因此NPV_unit停止变化。对于Ra，Rinj随Ra增大而增大，此时Ni减少而Np保持不变，NPV_unit增大；当Rinj增大至Rinj_max时，Rinj不再随着Ra的增大而增大，此时Ni停止变化，但Np随Ra的增大而增大，相应的NPV_unit减小。

3.2　收益—风险分析

项目风险受到多个不确定因素的共同作用，笔者在单因素敏感性分析的基础上，选择d、Vp、ER、Ra、Qpro_max、Qinj、fon、β1、P_oil、P_carbon、P_CO2共11个不确定因素作为随机变量，并假设其服从均匀分布（分布范围如表2所示），运用蒙特卡罗模拟对CO2-EOR项目的收益—风险做进一步分析。

经过10000次仿真，得到符合条件的NPV_unit模拟值7231个，其分布如图7和图8所示。经计算，该项目亏损（NPV_unit＜0）的概率为0.51，NPV_unit有50%的概率落入[-32.96,31.74]区间，NPV_uni中位数=-1.54$/t。进一步分析极值风险，该项目有5%的概率NPV_unit≥74.28$/t或NPV_unit≤-90.68$/t，有1%的概率NPV_unit≥95.12$/t或NPV_unit≤-144.48$/t。

图6　(a) NPV_unit敏感性分析（油田基本参数）

图6　(b) NPV_unit敏感性分析（工程参数与经济参数）

表2　风险因素变化区间

图7　NPV_unit分布

图8　NPV_unit累积概率

3.3　投资边界分析

当目标油田确定后，影响CO2-EOR项目投资决策的主要因素来自于价格变动。此外，传统CO2-EOR项目不涉及CO2泄露监控，目前对于监测井数量如何确定还未形成一致结论（EPA(2010)[17]），不同研究得出的监测成本从0.1$/tCO2（Benson等(2005)[18]）至4.06$/tCO2（Vidas等(2009)[19]），最大相差40倍。基于此，笔者认为项目投资决策主要受P_oil、P_CO2、P_carbon、β1影响。设定P_oil、P_CO2、P_carbon和β1同时为确定型变量，其余7个风险因素仍为随机变量且服从均匀分布，通过仿真观察上述四个因素不同组合下CO2-EOR地质封存项目风险变动情况，从而确定投资边界。根据实际，本文设定P_oil=50/60/70（$/bbl）、P_CO2=10/20/30/40/50（$/t）、P_carbon=5/10/15/20/25（$/t）、β1=0.1/0.5/1.0/1.5/2。根据取值，一共可得到375种组合，对每一种组合进行10000次模拟，可得出各组合对应的亏损概率和NPV_unit中位数，详见表3。

结合3.2分析结果，本文定义：表3中NPV_unit中位数＜0的为高风险组合（投资不可行），亏损概率≤0.2的为低风险组合（投资可行）。为进一步明确项目投资条件，帮助投资者更加直观地了解项目所处风险区间，笔者针对不同油价情境下，高、低风险组合边界进行了进一步探讨。首先将P_oil=50情景下，低风险组合中亏损概率最大的组合（P_carbon=20，P_CO2=10、β1=0.1）和高险组合中亏损概率最小的组合（P_carbon=5，P_CO2=30、β1=0.1）挑选出来，分别定义为L1和H1并描绘在图9上。L1是所有低风险组合的临界点，由于P_CO2和β1已经为最小值，只能沿着P_carbon≥20方向搜寻其余低风险组合，因而在P_o i l=50情景下的低风险组合域（可行区域）为一条线；H1是所有高风险组合的临界点，此时可沿着P_CO2≥30和β1≥0.1两个方向搜寻其余高风险组合，因而在P_oil=50情景下的高风险组合域（不可行区域）为一个面。

同理，挑选出P_oil=60和P_oil=70情景下，高、低风险组合的临界点H2和L2、H3和L3并描绘图9上，运用同样方法搜寻其余高、低风险组合，并描绘不可行和可行区域。从图9可以看出：P_oil=50时的可行区域为一条线，不可行区域为一个面；随着P_oil从50增加至60，可行区域从一条线变为一个面，不可行区域面积进一步缩小；当P_oil增加至70，可行区域从一个面变为一个长方体，不可行区域则变为一条线。高、低风险组合数量也随着可行区域面积的增减而变化，当P_oil从50上升至70，低风险组合从2个增加至55个，高风险组合从89个减少至7个。

图9　投资可行域与不可行域

表3　P_oil、P_carbon、P_CO2和β1对亏损概率和NPV_unit中位数联合影响

4　结语

由于CO2-EOR地质封存可以产生额外经济效益，降低CCS整体减排成本，被认为是CCS商业化运营的早期机会和实施方案。为科学评价CO2-EOR地质封存项目，本文构建了CO2-EOR地质封存的工程经济模型，并以Lost Soldier油田作为假定对象，对其进行CO2-EOR封存的封存效果和收益预测分析，在此基础上运用敏感性分析探讨了油藏深度、采收率、油价等17个不确定因素对项目的影响，最后通过蒙特卡洛仿真进一步分析了CO2-EOR封存项目的投资风险和投资边界条件。结果表明：

(1)由于CO2突破和循环利用的缘故，CO2-EOR项目的实际封存量偏低。以Lost Soldier油田为例，其整个EOR周期中共封存CO26.90×106t，无法单独满足一个大型CCS电厂（每年约排放1×106t～2×106t）的长期（20年）减排需求。

(2)CO2-EOR过程复杂，项目收益受到油田参数、EOR工程参数和经济参数的影响。其中，油价和油藏深度对项目收益影响最大；单井最大产量和采注井比例对项目收益的影响较为复杂，呈现非线性。

(3)尽管CO2-EOR封存具有一定的收益，但在目前油价偏低（45～50$/bbl）、CO2捕捉成本居高不下（＞40$/t）的情况下，CCS+EOR项目投资风险仍然较高，项目亏损概率超过0.7。但随着新技术的出现和应用，监测成本下降空间较大（例如Bolhassani(2016)[20]指出在监测效果相同的前提下，基于压力的监测方法相较于基于地球化学的监测方法，可使监测井数量大幅减少，总监测成本降幅达61%），届时可进一步降低投资风险。

[1]Working Group III of the Intergovernmental Panel on Climate Change. IPCC Special Report on Carbon Dioxide Capture and Storage[R].Cambridge:Cambridge University Press,2005.

[2]HANSSON A,BRYNGELSSON M.Expert Opinions on Carbon Dioxide Capture and Storage—A Framing of Uncertainties and Possibilities[J].Energy Policy,2009,37(6):2273-2282.

[3]ZHOU W.J,ZHU B,FUSS S,et al.Uncertainty modeling of CCS investment strategy in China’s power sector[J].Applied Energy,2010,87(7):2392-400.

[4]朱磊,范英.中国燃煤电厂CCS改造投资建模和补贴政策评价[J].中国人口·资源与环境,2014,24(7):99-105.

[5]ZHU L,DUAN H,FAN Y.CO2mitigation potential of CCS in China-an evaluation based on an integrated assessment model[J].Journal of Cleaner Production,2015(103):934-947.

[6]匡建超,王众,霍志磊.中国二氧化碳捕捉与封存(CCS)技术早期实施方案构建研究[J].中外能源,2012(12):17-23.

[7]HEDDLE G,HERZOG H,KLETT M.The Economics of CO2 storage[R].MA:Massachusetts Institute of Technology,2003.

[8]HENDRIKS C,GRAUS W,VAN BERGEN F.Global carbon dioxide storage potential and costs[R].Utrecht,Netherlands:ECOFYS,2004.

[9]MCCOY S.T. The economics of CO2 transport by pipeline and storage in saline aquifer and oil reservoirs[D].PA,USA:Carnegie Mellon University,2008.

[10]MCCOY S.T,RUBIN E.S. The effect of high oil price on EOR project economics[J].Energy Procedia,2009(1):4143-4150

[11]DAHOWSKI R.T，DAVIDSON C.L，LI X.C，et al.A $70/tCO2 greenhouse gas mitigation backstop for China's industrial and electric power sectors:Insights from a comprehensive CCS cost curve[J].International Journal of Greenhouse Gas Control,2012,11:73-85

[12]WEI N,LI X.C,DAHOWSKI R.T,et al.Economic evaluation on CO2-EOR of onshore oil fields in China[J].International Journal of Greenhouse Gas Control,2015（37）:170-181.

[13]LAKE L W,WALSH M P.Enhanced oil recovery (EOR):field data literature search[R].Austin,TX:University of Texas,2008.

[14]United State Environment Protection Agency. Geologic CO2sequestration technology and cost analysis (Technical Support Document)[R].Washington D.C.,US:United State Environment Protection Agency,2008.

[15]SHAW,J,BACHU,S.Screening,evaluation and ranking of oil reservoirs suitable for CO2flood EOR and CO2 sequestration[J].Journal of Canada Petroleum Technology,2002,41(9):51-61.

[16]郑宇花.碳金融市场的定价与价格运行机制研究[D].北京：中国矿业大学(北京),2016.

[17]United State Environment Protection Agency.Geologic CO2 sequestration technology and cost analysis (Technology and Cost Document for the final GS Rule)[R].Washington D.C.,US: United State Environment Protection Agency,2010.

[18]BENSON M.S,HOVERSTEN M,GASPERIKOVA E,et al. Monitoring protocols and life-cycle costs for geologic storage of carbon dioxide[J].Greenhouse Gas Control Technologies,2005,3(1):1259-1264.

[19]VIDAS H,HUGMAN R,CLAPP C.Analysis of Geologic Sequestration Costs for the United States and Implications for Climate Change Mitigation[J].Energy Procedia,2009,1(1):4281-4288.

[20]BOLHASSANI B.Model-based cost analysis for pressure and geochemical-based monitoring methods in CO2-EOR fields:application to field A [D].Texas,USA:The University of Texas at Austin,2016.