정적인자 군집화를 이용한 효율적 SAGD 오일 생산량 예측

Abstract

오일샌드는 미고결지층으로 지질 및 지구물리 자료가 부족하여 생산성 예측에 불확실성이 존재한다. 불확실성을 고려한 효율적인 의사결정을 위해서는 지구통계적 기법으로 생성된 많은 필드에 대해 시뮬레이션이 요구되나 긴 시간이 소요되어 실제 적용이 어렵다. 이 연구에서는 셰일층의 길이와 주입정과의 상대적 위치를 고려한 특징벡터를 이용하여 군집화하는 기법을 개발하였다. 스팀이 통과하지 못하는 지역을 전처리하고 스팀챔버가 시간에 따라 확장되는 영역을 계산하여 특징벡터를 추출하였다. K-means기법으로 특징벡터를 군집화하여 적은 수의 시뮬레이션만으로 생산량을 예측하였다. 셰일의 양은 생산량을 감소시키므로 동일한 셰일의 양에서 셰일층의 길이의 상관거리에 따른 영향을 분석한 결과 셰일층의 길이가 길어질수록 생산량이 감소하는 경향을 보였다. 군집의 개수가 3, 5, 10, 15에 대해 군집화를 실시한 결과 10개 이상일 때 예측정확성이 높음을 확인하였다. 셰일이 3%, 5%, 10%, 15%인 경우에 대해 누적생산량의 예측 정확성이 높음을 확인하였다. 따라서 본 연구에서 개발한 인자를 이용하여 효율적이고 경제적인 오일샌드 생산량 예측이 가능하다.

Analysis of production of Oil Sands have uncertainty because of lack of geophysical data as Oil Sands are unconsolidated. For reasonable decision making, it requires many simulations of geostatistically generated fields. This process consumes long simulation time which is directly related to economical issues. This study introduces a clustering method with a feature vector, which considers shale length and relative distance from the injector to shale. Preprocessing area that steam chamber bypasses reflects shale barrier effects and the feature vector is extracted by counting area of steam chamber expansion. K-means clusters features vector and allows to select a few fields to run simulations for prediction. The amount of shale reduces cumulative oil production so this study analyzes shale barrier effects on the same amount of shale. As the results, oil production decreases as the shale length increases. Prediction is conducted using 3, 5, 10, 15 clusters and results in that more than 10 clusters provide reasonable accuracy. At the shale amount of 3%, 5%, 10%, 15% cases, more than 10 clusters predict cumulative oil production accurately. This study allows efficient and economical prediction of oil sand production.