AI 기술로 셰일가스 생산량 예측한다

2020.01.16 09:00
이경북 한국지질자원연구원 선임연구원이 연구실에서 셰일가스 분야 연구 데이터를 검증하고 있다. 한국지질자원연구원 제공
이경북 한국지질자원연구원 선임연구원이 연구실에서 셰일가스 분야 연구 데이터를 검증하고 있다. 한국지질자원연구원 제공

인공지능(AI) 기술의 일종인 딥러닝을 이용해 셰일가스의 미래 생산량을 예측하는 기술이 개발됐다.


한국지질자원연구원은 이경북 석유해저연구본부 선임연구원팀이 시계열 자료에 최적화된 딥러닝 알고리즘인 ‘순환신경망(RNN)’ 기술을 이용해 초 단위로 셰일가스의 생산량을 예측할 수 있는 기술을 개발했다고 16일 밝혔다. 연구 결과는 석유 공학 분야 국제학술지인 ‘SPE 저널’ 12월호에 발표됐다.


그 동안 셰일가스의 미래 생산량을 예측할 때 생산량이 점차 줄어드는 경향을 설명하는 ‘감퇴곡선기법(DCA)’ 방식을 이용했다. 1945년부터 75년간 사용된 방식이지만, 전문가의 판단에 따라 예측 결과가 달라질 수 있고, 최근 셰일가스 추출 효율을 높이는 데 필수적인 '자동화를 통한 운영비 절감'을 실현하는 데 불리하다는 단점이 있었다. 


이를 극복하기 위해 DCA를 개선해 셰일 저류층에 특화시키는 연구가 세계적으로 활발히 이뤄지고 있지만, 여전히 연구자 사이에 예측 결과의 차이가 크고 현장에 적용하기 힘들다는 문제가 있었다.


이 선임연구원팀은 시간에 따른 변화를 나타내는 자료에 특화된 딥러닝 알고리즘인 RNN을 이용해 셰일가스 생산량을 예측하는 기술로 개발했다. RNN은 주가예측 등에 적합한 AI 알고리즘이다. 이 선임연구원은 이 기술을 셰일가스에 적용하기 위해 석유공학 지식을 활용해 빅데이터 전처리를 했다. 또 일시적으로 생산유정을 닫는 조건 등 다양한 조건을 추가하고 방해가 되는 조건은 제외하는 방법으로 RNN의 정확한 학습을 도왔다. 


연구팀이 북아메리카 지역에 있는 유정 330개의 셰일가스 생산량 정보를 이용해 연구 결과를 검증한 결과 생산량 자료만 이용한 기존의 딥러닝 예측모델에 비해 오류를 37% 줄일 수 있었다. 또 자동화가 쉽고, 셰일가스 외에 오일샌드와 셰일오일, 전통적인 유가스전 등에도 확장될 수 있음도 확인했다. 현재 관련 기술에 대한 국내외 특허가 출원된 상태로, 기술사업화를 진행 중이다.


이 선임연구원은 “이번 연구는 친환경 자원인 셰일가스 분야에 딥러닝 알고리즘 기반의 정보통신기술(ICT) 을 접목했다”며 “앞으로 셰일가스 뿐만이 아닌 다양한 친환경 에너지 자원에 기술을 적용해 국내 에너지 자원 개발에 효과적으로 활용되도록 최선을 다하겠다”고 밝혔다.


연구팀은 이 기술을 이용해 셰일 생산유정의 자료를 실시간으로 분석하고 진단해, 마치 원격의료처럼 현장에서 멀리 떨어진 곳에서 유정을 관리하는 ‘디지털 오일필드’ 실현에 접근할 수 있을 것으로 기대하고 있다. 
 

메일로 더 많은 기사를 받아보세요!

댓글 0

작성하기

    의견쓰기 폼
    0/150