한국지질자원연구원, AI로 셰일가스 미래 생산량 예측

국내 연구진이 인공지능(AI)을 이용해 셰일가스 미래 생산량을 예측했다. 셰일가스는 모래와 진흙이 퇴적된 지층에 매장된 천연가스를 말한다.

이번 연구 발표는 석유 자원 예측·개발을 디지털 기술로 전환해 비용을 절감하려는 글로벌 움직임과 맞닿아 있다.

셰일가스 미래 생산량은 '감퇴곡선기법(Decline Curve Analysis, 이하 DCA)'을 이용해 예측해왔다. 이 방법은 생산량이 점차 줄어드는 것을 전제로 하므로 전문가 판단에 의해 결과가 달라질 수 있다. 기존 연구진은 DCA를 개선해 유전 부근에 특화하는 데 집중했지만 이 역시 연구자간 예측 결과의 간극이 크고, 복잡한 가정이 얽혀 있어 현장에서 적용하는 데는 무리가 있었다.

이경북 박사 연구팀은 딥러닝 기반 AI 기술인 순환신경망(Recurrent Neural Network, 이하 RNN)을 활용했다. 빅데이터 분석을 통해 얻은 연구 결과를 북미지역 330개 유정의 셰일가스 생산량 정보와 비교해 검증했다. 이때 RNN 모델 학습에 방해가 되는 자료는 생산지질층, 생산기법, 생간기간을 기준으로 사전 제외했다. 과거 생산량 정보 외에도 생산 유정을 일시적으로 닫는(Shut-in) 운영 조건을 핵심특징으로 선정해 연구에 활용했다. 이러한 방법으로 연구진은 가스 생산량 예측 시간을 획기적으로 줄일 수 있었다.

AI의 학습은 수 분 단위로, 예측은 초 단위까지 가능하게 만들었다. 이를 통해 다량의 셰일 생산유정의 관리·예측을 효과적으로 수행할 수 있게 됐고 향후 디지털 오일 필드(Digital Oil Field)의 핵심 기술로 주목받고 있다. 디지털 오일 필드는 실시간으로 현장을 관찰하고, 탐사부터 생산까지 모든 과정을 자동화해 온라인으로 관리하는 시스템을 의미한다.

RNN 모델을 활용한 셰일가스 생산량 예측은 기존 방법 대비 자동화되고 신뢰도가 높은 것이 특징이다. 생산정 유무에 따라 생산량 예측 결과 반영이 가능하고 전통 유가스전 생산량 예측으로 확대 적용이 가능하다는 점에서 학계에서 높은 평가를 받고 있다.

이경북 박사는 "앞으로 셰일가스뿐 아니라 다양한 친환경 에너지 자원에 본 기술을 적용해 국내 에너지 자원 개발 효율성 증대를 위해 노력하겠다"라고 밝혔다.

차진희 기자 postmoneynews@gmail.com

더저스티스(The Justice)는 모든 기사에 대한 독자여러분의 의견을 수렴하고 있습니다. 위 기사에 대한 소감, 정정이나 이의제기, 반박등의 의견이 있으시면 아래 이메일로 보내주시기 바랍니다. 보내주신 내용을 확인 후, 신속히 답변 드리겠습니다.

postmoneynews@gmail.com