이경북 지질자원연 박사 연구팀, 순환신경망 활용해 기술 개발
미국 유정 330개 대상 생산량 정보와 운영조건 핵심특징으로

한국지질자원연구원은 이경북 박사(사진) 연구팀이 딥러닝 알고리즘을 이용, 셰일가스의 미래 생산량 예측이 가능한 기술을 개발했다고 밝혔다. <사진= 한국지질자원연구원>
한국지질자원연구원은 이경북 박사(사진) 연구팀이 딥러닝 알고리즘을 이용, 셰일가스의 미래 생산량 예측이 가능한 기술을 개발했다고 밝혔다. <사진= 한국지질자원연구원>
빅데이터와 딥러닝 알고리즘을 이용해 셰일가스의 미래 생산량을 예측하는 기술이 개발됐다.

한국지질자원연구원(원장 김복철)은 이경북 석유해저연구본부 박사 연구팀이 '딥러닝 알고리즘을 이용한 셰일가스 미래 생산량 예측'이 가능한 연구성과를 거뒀다고 16일 밝혔다.

연구팀의 성과 특징은 자동화와 신뢰도가 높고, 생산유정 운영 유무에 따라 생산량 예측결과 반영이 가능하다. 셰일가스 외에 오일샌드, 셰일오일, 전통 유가스전으로 확장이 용이한 원천 기술로 평가된다.

셰일자원은 고밀도 시추로 개발되고 수평시추와 수압파쇄로 생산단가가 높아 자동화를 통한 운영비 절감이 중요하다.

기존 셰일가스 미래 생산량 예측은 생산량이 점차 줄어드는 감퇴 곡선기법(DCA)으로 수행돼 전문가 판단에 의해 예측 결과가 달라질 수 있는 문제가 있었다. 또 단순한 인공신경망(ANN)을 이용한 연구가 제시됐지만 시계열 자료의 앞뒤 순서 정보를 활용할 수 없고 확장성이 떨어져 현장 적용성이 낮은 편이었다. 무엇보다 생산유정마다 개발시기와 생산기간이 달라 예측에 활용한 정보와 출력정보가 다른 문제가 있었다.

이경북 박사 연구팀은 시계열 자료에 최적화된 딥러닝 알고리즘인 순환신경망(RNN)을 활용해 1945년부터 사용되어온 DCA 기술을 대체하는 기술개발을 목표로 연구에 매진해 왔다.

연구팀은 북미지역 330개 유정의 셰일가스 생산량 정보를 활용해 연구결과를 검증하는 현장지향형 연구를 수행했다. 330개 생산 유정 중 도메인 지식을 활용해 과거 생산량정보 이외에도 생산 유정을 일시적으로 닫는 운영조건을 핵심 특징으로 선정, 활용했다. 유정마다 조건이 달라 RNN모델 학습에 방해가 되는 자료는 생산지질층, 생산기법, 생산기간 등을 기준으로 사전에 제외했다.

그 결과 생산량 자료만을 이용한 딥러닝 예측모델에 비해 오류율을 약 37% 줄여 미래 생산량 예측 신뢰도를 개선했다.

특히 생산량 예측을 위한 딥러닝 모델 학습을 수 분단위로, 예측은 초 단위까지 가능케 해 다량의 셰일 생산 유정 관리와 예측을 효과적으로 할 수 있다. 실시간 자료 분석으로 원격의료와 유사한 개념인 디지털 오일필드 핵심 기술로 주목된다.

연구결과는 Engineering & Petroleum 분야 저널인 SPE Journal 12월호에 게재됐다. 특히 스포트라이트 논문에 선정돼 SPE 학회에서 운영하는 전자매체인 Data Science and Digital Engineering in Upstream Oil and Gas에도 소개됐다. 이경북 박사는 기술 개발에 대해 국내외 특허 출원을 완료하고 기술사업화를 준비 중이다.

제 1저자인 이경북 박사는 "이번 연구는 친환경 자원인 셰일가스 분야 딥러닝 알고리즘 기반의 ICT 기술을 접목한 에너지자원 분야의 새로운 융합연구 패러다임을 열었다는데 의의가 있다"면서 "앞으로 셰일가스 뿐만 아니라 다양한 친환경 에너지 자원에 기술을 적용해 국내 에너지 자원 개발에 효과적으로 활용되도록 최선을 다하겠다"고 말했다.

김복철 원장은 "이번 성과는 그동안 축적된 지질자원연의 빅데이터 연구 기술의 시작점"이라면서 "전통자원인 석유가스 자원과 비전통자원인 가스하이드레이트, 셰일가스 등의 개발 기술 확보를 통해 국내 에너지 자원의 자주화를 위해 연구지원을 아끼지 않겠다"고 강조했다.

한편 이번 연구는 산업통상자원부의 '중소형 육상 유가스전을 위한 디지털오일필드 시스템 구축 및 사업화기술 개발'과 과학기술정보통신부의 '석유시스템-정적-동적자료 융합을 통한 유가스전 지능형 평가기술 개발' 지원을 받았다.

 

저작권자 © 헬로디디 무단전재 및 재배포 금지