AI 驱动的地球地下可再生资源可持续开采与地震活动最小化方法
机器学习
2025-05-29 v2 系统与控制
系统与控制
摘要
深层地热能、碳捕集与封存以及氢储能在满足能源行业大规模需求和减少 CO₂ 排放方面具有巨大前景。然而，这些活动所必需的向地壳注入流体可能会诱发或触发地震。本文提出了一种基于强化学习的新方法，用于在地下储层这一高度复杂的环境中控制人为诱发地震。这一复杂系统由于参数不确定性和未建模动力学，在控制设计中面临重大挑战。我们表明，强化学习算法可以通过实时选择控制器参数，与鲁棒控制器高效交互，从而减少人为诱发地震，并允许考虑进一步的生产目标，例如最小控制功率。针对简化地下储层在各种能源需求场景下的模拟结果，展示了所提出的控制-强化学习方法的可靠性和有效性。
引用
@article{arxiv.2408.03664,
title = {AI-Driven approach for sustainable extraction of earth's subsurface renewable energy while minimizing seismic activity},
author = {Diego Gutierrez-Oribio and Alexandros Stathas and Ioannis Stefanou},
journal= {arXiv preprint arXiv:2408.03664},
year = {2025}
}