洛斯阿拉莫斯国家实验室的科学家正在开发强大的机器学习模型(人工智能的一种应用)，以模拟各种缓冲气体情景下的地下储氢作。这将在未来的低碳经济中发挥重要作用。

“储存氢气最实用的方法之一是深层盐水层，或枯竭的碳氢化合物储层，”该团队的首席科学家穆罕默德·梅哈纳说。“但要做到这一点，我们首先需要向储层注入缓冲气体，以取代现有流体并为氢气回收提供压力支持。”

科学家们已经研究了缓冲气体(最常见的是甲烷、二氧化碳或氮气)对此类地下储氢系统的影响。然而，人们从未完全了解缓冲气体如何影响地下储氢作的性能。

在最近发表在《国际氢能杂志》上的一篇论文中，洛斯阿拉莫斯团队成功研究了综合缓冲气体场景，为各种缓冲气体对地下储氢性能的影响提供了关键见解。

复杂的解决方案

扩大氢经济是国家脱碳努力的重要一步。与汽油一样，氢气需要在当地生产和储存，为清洁能源半挂卡车提供动力，直接发电，并在冬季为太阳能发电厂提供弹性。

该国需要开发多种地下水库才能达到这一规模。以前的研究只关注一组地质和运营条件。但为了模拟现实世界的情景，洛斯阿拉莫斯团队的模型考虑了多种地质条件、水的存在以及几种缓冲气体的运营影响。

洛斯阿拉莫斯团队的博士后研究员 Shaowen Mao 表示：“由于氢气的独特性质和复杂的作条件，地下储氢非常复杂。我们需要在提取阶段最大限度地提高氢气的可回收性和纯度，同时降低产水风险。了解这些因素和其他因素对于使地下储氢具有经济可行性至关重要。”

为了实现这一目标，洛斯阿拉莫斯团队使用了深度神经网络机器学习模型，该模型分析了地质和作参数的组合，以模拟现实世界场景的变化。在论文中，该团队指出了关键发现，其中包括：

由于循环过程中储存性能的提高，多孔岩石地下储氢的技术前景广阔，

在盐水层和枯竭的碳氢化合物储层中地下储氢的优缺点，以及

各种缓冲气情景对氢气的可回收性、纯度、产水风险和多孔岩石中的井注入能力的影响。

长达一年的调查

本论文以洛斯阿拉莫斯多年的储氢研究为基础，洛斯阿拉莫斯是最早从多角度探索这项技术的机构之一。

洛斯阿拉莫斯的科学家研究了氢在地下环境中的流动和传输行为，这有助于阐明缓冲气体对地下储氢性能的影响。

这项研究的另一个阶段仍在进行中，探索了落基山脉西部地区的潜在储氢位置，这项工作将地下地质构造的物理特性与机器学习驱动的模拟相结合。

另一个研究分支致力于开发能够在各种条件下评估氢存储的可靠性、风险和性能的工具。这项工作催生了 OPERATE-H2，这是第一款集成先进机器学习以优化氢存储的行业可用软件。