서울대학교 에너지자원공학과 정훈영 교수의 지하자원연구개발센터에서는 저류공학, 생산공학 등의 도메인 지식과 데이터 사이언스 지식을 접목한 연구를 주로 진행하고 있다. 진행하고 있는 연구는 다음과 같다.

- 머신러닝을 이용한 지하 암석층 유체 주입 및 생산 반응의 신속한 예측

석유가스 생산, 이산화탄소 지중저장과 같은 지하 자원에 대한 과거부터 현재까지의 자료를 이용하여 미래의 거동을 예측하는 프록시 모델을 개발하는 연구이다. PCA 기법과 머신러닝을 이용하여 프록시 모델을 구성하며, 다양한 사용자가 쉽게 사용할 수 있도록 파이썬 패키지 형태로 제작 및 개발 중에 있다.

<저류층 모델을 이용해 LDFA를 학습시키면, 과거 정보를 이용하여 미래 정보 예측이 가능하다.>

- 셰일저류층 EGR+ 생산안정성의 기계학습 기반 평가기술 개발

이산화탄소를 이용한 EGR+(CO2 storage + Enhanced Gas Recovery) 수행 과정에서 발생할 수 있는 파이프 내 유동 안전 문제를 예측하는 대체모형(surrogate model)을 만드는 연구이다. 운영조건이 변경될 때, 서지(surge)에 의한 분리기 내 문제 발생 여부를 예측하는 모델을 개발하였으며, 차후 이산화탄소에 의한 부식, 고체 유동에 의한 침식 등의 유동 문제도 모델에 적용할 예정이다.

<염수 추출정 위치 최적화에 사용된 시뮬레이션 모델(좌측) 수평정 길이 최적화에 사용된 시뮬레이션 모델(중앙) 탄산염암 저류층에 설치된 29개의 유정 위치(우측)>

- 포항 분지 안정적 이산화탄소 주입을 위한 염수 추출정 위치 최적화

포항 분지에서 이산화탄소 주입량을 증가시키기 위해 저류층의 염수를 생산하는 유정의 최적 위치 선택을 위해 포항 영일만 분지에 이산화탄소 지중저장에 대한 분석을 시행하는 연구이다. 쾌속행진사법을 사용한 인공신경망 프록시 모델을 개발하여 빠른 시간 안에 경제성이 가장 높은 위치 후보를 선정해낸다.

- 미얀마 마하 필드 수평정 길이 최적화

약한 암석 강도로 인해 모레 생산 문제 발생이 우려되는 미얀마의 마하 필드의 수평정의 길이를 최적화하는 연구이다. 모레 생산으로 인한 문제를 최소화하기 위해 유정과 저류층의 압력 차이, 유정 길이에 따른 생산성 변화, 고체 입자로 인한 파이프의 침식 등의 조건을 고려하여 수평정 길이를 최적화한다.

- 탄산염암 저류층 필드 운영조건 최적화

실제 탄산염암 저류층 모델을 이용하여 총 29개의 유정이 가장 경제적으로 운영될 수 있게 하는 생산/주입 조건을 구한다. 최적의 운영조건을 도출하기 위해 저류층의 특성, 생산 유체의 특성, 유정 위치 조건 등을 저류층 시뮬레이션을 이용하여 분석한다.