A Finite Analytic Method for Two-Dimensional Power-Law Fluid Flow in Heterogeneous Porous Media Using Unstructured Grids

在深层地下，在那些蕴藏着石油、天然气和水的复杂岩石网络中，流体的运动并不总是遵循简单的、可预测的直线。岩石本身极少是均匀的；它是由具有截然不同透水能力的材料组成的拼布图景。有些地层就像开阔的高速公路，而另一些则像密不透风的墙壁。当工程师试图模拟这些流体的流动时，他们必须考虑到岩石性质的这种突然变化。此外，流体本身也可能非常棘手。虽然水流动容易，但许多工业流体——例如造纸业中使用的浆料或油井中使用的钻井液——其行为却大不相同。它们是“非牛顿流体”，这意味着它们的粘度和抗流动性会根据受到的推力大小而发生变化。当这些复杂的流体遇到性质发生突变的岩石时，描述其运动的数学变得异常困难，且往往在岩石性质发生转变的交界点处失效。

几十年来，科学家们一直依赖一种计算这些流动的标准方法，这种方法本质上是在两点之间对岩石的性质进行平均。当岩石相对一致时，这种方法效果尚可，但当岩石高度多样化时，它就会彻底失效。在那些情况下，标准方法会持续低估流体实际能够移动的量，从而导致巨大的误差。为了解决这一问题，中国科学技术大学的研究人员开发出了一种新的计算技术。该方法不再依赖简单的平均值，而是利用一种精确的数学描述，来刻画两种不同岩石类型交界处的流体行为。通过捕捉这些关键边界处真实的、剧烈的流体行为，新方法即使在岩石极其不均匀且流体复杂的环境下，也能提供更清晰、更准确的地下流动图景。

研究人员专注于一种被称为“幂律流体”的特定类型流体。这类流体的特点在于，推动它们运动的力与运动速度之间的关系遵循特定的非线性规则。在现实世界中，这涵盖了广泛的物质，从厚重的聚合物溶液到某些类型的原油。挑战在于，当这些流体流经多孔介质（布满微小孔隙的岩石）时，其渗透率（即流动的难易程度）会在不同位置发生突变。在这种环境下，流体压力不会平滑变化；相反，在易流动的岩石与难流动的岩石之间的边界处，会产生一个尖锐的峰值或“奇点”。传统的计算机模型将岩石划分为由小三角形组成的网格，这些模型在处理此类峰值时表现挣扎。它们假设压力在两点之间呈直线变化，这在物理学上于这些边界处是不正确的。结果，模型产生的流速过低，并且需要极其庞大的微小网格点才能得到一个大致准确的近似值。

为了解决这个问题，团队开发了一种有限解析法（Finite Analytic Method）。其核心思想是停止猜测边界处的流体行为，转而使用已知的、精确的数学描述。研究人员意识到，在岩石性质发生变化的点附近，流体压力遵循特定的曲线模式，其上升或下降的方式取决于幂律流体的特性。他们计算了在最关键的流动部分中，该曲线的精确形状，即“特征函数”。这一计算过程涉及求解一组复杂的方程，这些方程描述了流体在岩石性质不同的楔形区域中的运动方式。通过找到这些方程中最微小且最重要的解，他们捕捉到了流体在那个问题所在处的支配性行为。

一旦理解了这种局部行为，研究人员便围绕它构建了一个新的数值方案。他们不再使用旧有的、有缺陷的平均法来连接网格点，而是利用他们的新解析解来计算网格中每个三角形单元边界上的流动。这使得计算机能够“知晓”流体在挤过高渗透区与低渗透区之间的狭窄颈部时，究竟应该如何表现。其结果是一种尊重问题物理本质的模拟，而不是用近似值将其平滑化。

团队通过几个极具挑战性的场景测试了这种新方法，以观察其表现。他们首先使用了一个经典的“棋盘格”模式，其中高渗透性和低渗透性的岩石呈交替的正方形排列。在这种设置下，岩石性质的变化幅度达到了一百倍。当他们将新方法与传统方法进行对比时，差异非常显著。传统方法会大幅低估流量，在粗糙网格下，误差有时甚至接近百分之九十。相比之下，新方法即便在网格不细致的情况下，也能保持与正确答案非常接近。随着网格变得更加精细，新方法能迅速收敛至正确答案，而传统方法即使使用极细的网格也难以追赶。

他们还在一个规则的六边形区域以及一个具有随机对数正态分布渗透率的区域（模拟真实地下储层的混沌特性）上测试了该方法。在所有案例中，新方法都表现优异。它能够轻松应对岩石性质的极端变化，并且无论模拟的是哪种类型的幂律流体，都能保持准确。其中一个最令人瞩目的发现是，新方法的准确度并不严重依赖于流体的具体属性或岩石属性。无论流体是极稠还是极稀，或者岩石对比度是温和还是极端，该方法都能提供一致的结果。研究人员发现，适度的网格细化就足以实现高精度，即使在最坏的情况下，误差也能降至百分之八以下。

这项工作代表了我们在模拟复杂地下环境流体流动方面迈出的重要一步。通过用尊重边界真实物理特性的解来取代有缺陷的平均技术，研究人员创造出了一种既准确又高效的工具。对于那些依赖于理解地球内部流体运动的行业（从能源生产到环境管理）而言，这意味着模拟结果更加可靠且运行速度更快。该方法不需要以往获得像样答案所需的巨大计算能力，使得对复杂、非均匀系统的精细建模变得更加触手可及。研究结果表明，通过仔细观察世界发生变化的奇异点，我们可以建立起对整体更深刻的理解。