기자명 문병도 기자
  • 입력 2020.01.16 11:42

이경북 한국지질자원연구원 박사 연구팀

27개월 동안 생산(파란색 점선)한 유정에 대해 초기 9개월의 정보만 이용해 10개월부터 27개월까지 생산량을 예측(주황색 실선)한 결과를 보여준다. (그림제공=지질자원연구원)

[뉴스웍스=문병도 기자] 이경북 한국지질자원연구원 석유해저연구본부 박사가 딥러닝 알고리즘을 이용해 셰일가스의 미래 생산량을 예측하는 연구결과를 발표했다.

셰일자원은 고밀도시추로 개발되고 수평시추 및 수압파쇄로 생산단가가 높은 특성상, 자동화를 통한 운영비 절감이 중요하다.

기존 셰일가스 미래 생산량 예측은 생산량이 점차 줄어드는 감퇴곡선기법(DCA)으로 수행해왔다. 

세계적 연구흐름은 기존의 DCA을 개선하여 셰일저류층에 특화하는 것이나, 연구자간 예측결과의 간극이 크고 복잡한 가정들로 인해 현장적용성이 낮은 문제점이 있다.

이경북 박사 연구팀은 시계열 자료에 최적화된 딥러닝 알고리즘인 순환신경망(RNN)을 활용하여 1945년부터 사용되어온 DCA기술을 대체하는 기술개발을 목표로 하고 있다.

연구팀은 이번 연구에서 북미지역 330개 유정의 셰일가스 생산량 정보를 활용해 연구결과를 검증하는 현장지향형 연구를 수행했다.

이경북 박사는 연구에 활용한 딥러닝 알고리즘(RNN)의 최적화를 위해 석유공학 도메인 지식을 활용한 빅데이터 전처리와 핵심특징을 추출하여 예측 신뢰도를 확보했다.

330개의 생산유정 중 RNN모델 학습에 방해가 될 수 있는 자료는 사전에 제외했다. 

연구팀은 생산량 예측을 위한 딥러닝 모델의 학습을 수 분 단위로, 예측은 초 단위까지 가능하게 했다.

실시간으로 자료를 분석하고 진단하여 미래를 예측하는 기술로 확장될 수 있어 원격의료와 유사한 개념인 디지털오일필드의 핵심기술로 주목받고 있다.

딥러닝 알고리즘을 이용한 연구결과는 셰일가스의 생산량 예측에 있어 기존 감퇴곡선기법보다 자동화되고 신뢰도가 높은 것이 특징이다.

핵심특징인 생산정 운영 유무에 따른 생산량 예측결과의 반영이 가능하다는 점과 셰일가스 외에도 오일샌드, 셰일오일 및 전통 유가스전으로 확장이 용이한 원천기술의 가능성을 보여줬다는 점에서 석유연구분야 및 관련업계에 큰 도움을 줄 것으로 기대된다.

이경북 박사는 “친환경 자원인 셰일가스 분야에 딥러닝 알고리즘 기반의 ICT 기술을 접목한 에너지자원 분야의 새로운 융합연구 패러다임을 열었다는데 그 의의가 있다”라며 “셰일가스 뿐만이 아닌 다양한 친환경 에너지 자원에의 기술 적용을 통하여 국내 에너지 자원 개발에 효과적으로 활용되도록 최선을 다하겠다”라고 말했다.

산업통상자원부의 '중소형 육상 유가스전을 위한 디지털오일필드 시스템 구축 및 사업화기술 개발'과 과학기술정보통신부의 '석유시스템-정적-동적자료 융합을 통한 유가스전 지능형 평가기술 개발의 지원을 통해 수행된 이번 연구결과는 지난해 12월 ’SPE 저널‘에 게재됐다. 

이경북 박사가 연구실에서 셰일가스 분야 연구 데이터를 검증하고 있다. (사진제공=지질자원연구원)
저작권자 © 뉴스웍스 무단전재 및 재배포 금지