이산화탄소 포집, 활용 및 저장 소개

민배현 대한기계학회 2021 기계저널 Vol.61 No.6

비전통 오일의 생산 공법

민배현,김민,권서윤 대한기계학회 2022 기계저널 Vol.62 No.7

석유가스 개발사업의 인공지능기술 활용 현황 및 전망

민배현,권서윤,박가영,정대인,정대인 한국자원공학회 2020 한국자원공학회지 Vol.57 No.3

This study reviewed the current status and prospects of using artificial intelligence (AI) technology in oil and gas exploration and production (E&P) in facing the era of digital transformation. Beginning with a brief introduction to artificial intelligence, machine learning (ML), and deep learning (DL), this manuscript discusses the following: the use artificial intelligence in E&P projects, an introduction to the state-of-the-art deep learning techniques highlighted in recent E&P projects, an analysis of the trends in global and domestic E&P business, relevant considerations, and concluding remarks. Thus, how the oil and gas E&P business is encouraged to cope with and move forward in the era of digital transformation is examined in detail. 이 연구는 디지털 전환의 시대를 맞이하여 석유가스 개발사업의 인공지능기술 활용 현황과 전망을 살펴본다. 인공지능, 머신러닝, 딥러닝에 대한 간략한 소개를 시작으로 석유가스 개발사업에서 인공지능이 어떻게 활용되는지, 다양한 인공지능기술 중 최근 석유가스 개발사업에서 각광받는 딥러닝 기술의 종류에 대한 소개, 국내외 석유가스개발사업의 딥러닝 기술 활용 현황과 전망, 고찰, 그리고 맺음말로 구성하였다. 이를 토대로 디지털 전환의 시대에서석유가스 개발사업이 대처하고 나아가야 할 방안에 대하여 논하고자 한다.

다중모달 합성곱 신경망을 사용한 유정 생산성 평가

민배현(Baehyun Min),추민곤(Min-gon Chu),권서윤(Seoyoon Kwon),김성일(Sungil Kim) 한국가스학회 2018 한국가스학회 학술대회논문집 Vol.2018 No.11

다목적 최적화 알고리듬을 이용한 SAGD 공법 운영조건 최적화

이재윤,민배현,조수렴,김재준 한국자원공학회 2018 한국자원공학회지 Vol.55 No.5

This paper proposes multi-objective optimization of the Steam Assisted Gravity Drainage (SAGD) process for improving the energy efficiency and recovery factor of oil sand reservoirs. Previous studies conducted on optimizing the SAGD process have focused on single-objective optimization with fixed economic factors. In this study, multiple trade-off operating scenarios were selected by applying a multi-objective optimization algorithm that aims at maximizing the recovery factor and minimizing the cumulative steam-oil ratio for efficiently addressing volatile market conditions. Thus, the proposed method can overcome the limitations of conventional optimization methods that not only yield a single solution based on a particular objective function but also are hard to adapt to fluctuating oil prices. Furthermore, the proposed method can provide optimum trade-off operating scenarios, and hence can aid in planning operating (i.e., marketing) strategies according to the variation in oil prices and operating costs, without the need for an additional optimization process. 이 논문은 다목적 최적화 알고리듬을 이용하여 오일샌드 저류층에서 생산성이 높으면서도 최적의 에너지효 율을 갖는 SAGD(Steam Assisted Gravity Drainage) 공법의 운영조건을 선정하는 기법을 제안한다. 기존의 SAGD 공 법 최적화 연구들은 경제성인자가 고정된 단목적 최적화에 집중하였다. 이 연구에서는 회수율 최대화와 누적증기오 일비 최소화 관점에서 비지배관계에 놓이는 최적 생산운영 시나리오를 선정하였다. 이를 통하여 특정 목적함수에 편 향된 하나의 최종해만을 도출하는 기존 방법의 한계를 개선하였다. 제안한 방법으로 선정된 최적운영 시나리오들은 기존 방법과 달리 유가상황 및 비용 변화에 따라 추가적인 최적화 작업 없이 광구운영 의사결정에 유용하게 활용할 수 있다.

딥러닝 알고리듬을 활용한 고해상도 물리검층 자료의 생성 연구

박가영,민배현,권서윤,김민,지민수,이수진,최수인 한국자원공학회 2022 한국자원공학회지 Vol.59 No.5

This study proposed a deep-learning-based approach that generates synthetic high-resolution log data from original-resolution log data for accurate reservoir characterization, where the resolution of the synthetic data is comparable to that of core data. The reliability of the proposed approach was tested with application to the Volve oil field in Norway using three deep-learning algorithms (i.e., deep neural network, convolutional neural network, and long short-term memory). These deep-learning algorithms were employed to generate high-resolution sonic log data from other log-type data. The overall performance of each algorithm was acceptable. In particular, the long short-term memory algorithm yields a coefficient of determination greater than 0.9 when the high-to-original-resolution ratios are two, five, and ten. We anticipate that the proposed model can be used to derive logging-based reservoir parameters with a resolution that is comparable to that of core-based reservoir parameters.

다중목적함수 최적화에 기초한 광대역 유도분극 변수 예측 적용성 분석

김빛나래,정주연,민배현,남명진 한국지구물리.물리탐사학회 2022 지구물리와 물리탐사 Vol.25 No.3

Among induced polarization (IP) methods, spectral IP (SIP) uses alternating current as a transmission source to measure amplitudes and phase of complex electrical resistivity at each source frequency, which disperse with respect to source frequencies. The frequency dependence, which can be explained by a relaxation model such as Cole-Cole model or equivalent models, is analyzed to estimate SIP parameters from dispersion curves of complex resistivity employing multi-objective optimization (MOO). The estimation uses a generic algorithm to optimize two objective functions minimizing data misfits of amplitude and phase based on Cole-Cole model, which is most widely used to explain IP relaxation effects. The MOO-based estimation properly recovered Cole-Cole model parameters for synthetic examples but hardly fitted for the real laboratory measures ones, which have relatively smaller values of phases (less than about 10 mrad). Discrepancies between scales for data misfits of amplitude and phase, used as parameters of MOO method, and it is in necessity to employ other methods such as machine learning, which can deal with the discrepancies, to estimate SIP parameters from dispersion curves of complex resistivity.

다중비선형회귀분석을 이용한 탄산염암 저류층의 CO2-EOR 효율 평가에 관한 연구

권서윤,박가영,민배현,김기홍,이태엽,한정민 한국자원공학회 2020 한국자원공학회지 Vol.57 No.2

This study aims to derive an equation for a preliminary economic evaluation that quickly assesses the efficiency of CO2-EOR at carbonate oil reservoirs. Previous works have qualitatively analyzed the CO2-EOR efficiency by, for example, using a lookup table based on reservoir properties. This study selects a series of influential parameters on the CO2-EOR efficiency: five static (e.g., reservoir pressure and temperature, API gravity, porosity, and R35) and two dynamic properties (e.g., CO2 breakthrough time and recovery factor). A database for the derivation of the equation is built by running reservoir simulation with varying values of the influential parameters. By conducting a multiple nonlinear regression analysis, the equation is designed as a combination of oil initially in place and recovery factor. The five static properties were utilized as inputs of the equation, while the dependent variables representing the outputs were obtained by merging the two dynamic properties. The proposed economic evaluation system can be utilized as an efficient CO2-EOR screening tool for carbonate reservoirs under field exploration and development. 이 연구는 탄산염암 저류층에서 석유증진회수법인 CO2-EOR(carbon dioxide enhanced oil recovery)의 효율을 신속히 평가하는 사전 경제성 평가식을 도출한다. 선행 CO2-EOR 스크리닝 연구들은 저류층 물성에 기반한 순람표등을 활용하는 정성 평가에 집중하였다. 이 연구는 CO2-EOR 효율의 정량 평가를 위해 5개의 정적 물성(저류층 압력및 온도, API 비중, 공극률, R35)과 2개의 동적 물성(CO2 돌파 시간 및 회수율)을 영향인자로 선택한 후, 영향인자 값을변화시키며 저류층 시뮬레이션을 수행하여 평가식 설계를 위한 데이터베이스를 구축하였다. 평가식은 원시석유부존량과 회수율 지표의 조합으로 구성하였다. 회수율 지표는 정적인자들을 독립변수, 동적인자들을 종속변수로 설정한 후 다중비선형회귀분석을 수행하여 계산하였다. 제안한 사전 평가 시스템은 탐사 및 개발 중인 탄산염암 저류층을위한 저렴하고 효율적인 CO2-EOR 스크리닝 도구로 활용할 수 있다.

북해 Volve 유전 현장자료의 공공데이터화와 저류층 모델에 대한 분석

권서윤,지민수,박가영,민배현,정훈영 한국자원공학회 2021 한국자원공학회지 Vol.58 No.4

Equinor, a Norwegian multinational energy company, disclosed approximately 5 TB reservoir big data of the Volve oilfield in the North Sea for academic purposes in June 2018. This disclosure is the first for oilfield data worldwide acquired during the whole life cycle of an oilfield. This data disclosure has been highlighted in areas with limited field data for educational and research purposes. This review introduces the big data of the Volve oilfield and analyze the reservoir model based on reservoir simulation. In addition, we discuss the significance of reservoir data opening that can contribute to the E&P business in the Republic of Korea.

거리기반 후보군 선정과 인공신경망을 결합한 가스생산량 히스토리매칭

김재준,강주명,박창협,안성인,민배현 한국자원공학회 2017 한국자원공학회지 Vol.54 No.4

이 연구에서는 거리기반 후보군 선정법을 인공신경망과 결합하여 생산 히스토리매칭을 수행하고, 생산추이 를 신뢰도 높게 예측하는 기법을 개발하였다. 생산추이를 입력층으로 한 역산모델 인공신경망을 구성하고, 거리기반 군집화를 통해 실제 생산자료와 유사한 추이를 보이는 후보모델을 인공신경망의 학습집단으로 활용하여 지도학습효 과를 개선하였다. 4개의 수압파쇄대를 갖는 셰일가스전에서 2년간 생산이력을 히스토리매칭하여 향후 3년간의 생산 이력을 예측하였다. 인공신경망 학습을 통해 매칭한 학습집단의 일가스생산량 오차는 초기 29.2%에서 마지막 세대 에는 4.3%로 개선되었다. 최적해는 참값과 비교하여 일가스생산량은 1.2%, 총생산량은 0.7%의 오차를 보였다. 최적 해를 이용한 민감도 분석결과, 모암의 공극률과 유체투과도가 생산추이예측에 민감하였다. 이 연구의 유사생산추이 후보군을 이용한 인공신경망 학습능력 개선기술은 효율적인 저류층 특성화와 신뢰도 높은 생산량 예측기법으로 활 용할 수 있다. This paper presents a reliable history matching method that improves supervised-learning performances of an artificial neural network using the candidate models selected by distance-based clustering. The artificial neural network is used as an inverse method instead of a proxy model. The reservoir models within the cluster containing the true dataset update the training module. The developed method matches 2-year production histories and then estimates 3-year performances followed at shale gas reservoirs. The training performance improves the mean absolute error of daily gas rates from 29.2% to 4.3% while the optimum solutions, obtained by k-medoids clustering, show about 1.2% error of daily gas rates and 0.7% error of total production. The sensitivity analysis made by the optimal solutions reveals that the matrix porosity and its permeability influence the shale-gas production. The developed approach is able to estimate unknown production rates with reliable predictability.