Development of Automated Decision Support System based on Deep Learning Guided by Reservoir Big Data for Optimal Operation during the Life Cycle of the Oilfield

ABSTRACT

The ultimate goal of this study is to accurately evaluate reserves and reservoir uncertainty based on quantity and quality of reservoir big data with consideration for maturity (e.g., exploration, development, and production) of the life cycle of an oil and gas field.

석유가스전 생애주기의 단계별 최적 운영을 위한 저류층 빅데이타와 심층학습 기반의 의사결정지원 자동화 시스템 개발

초록 (국문)

이 연구의 최종목표(Goal)는 저류층 생애주기에서 성숙도(Maturity) 단계(탐사/개발 및 생산초기/생산안정/생산감퇴)에 따라, 단계별 확보한 저류층 빅데이타의 양과 질에 근거한 매장량 추정 및 회수량의 불확실성을 최소화할 수 있는 평가 시스템을 구축하는 것입니다. 최종목표를 달성하기 위한 일련의 과정으로,
가) 정적 및 동적 저류층 빅데이타를 심층학습(Deep Learning, DL)하는 지도학습(Supervised Learning) 기반의 다중모달 합성곱 순환 신경망(Multi-modal Convolutional Recurrent Neural Network, M-CRNN) 알고리듬을 설계하고,
나) M-CRNN을 저류층 시뮬레이션 및 최적화 알고리듬과 결합한 의사결정지원 (Automated Decision Support, ADS) 시스템을 구축하여,
다) 저류층 성숙도별 운영 솔루션을 제공하는 기술을 개발합니다.

NSF 2019

Figure. 저류층의 개발수준(성숙도)에 따른 회수량 기대치, 석유생산량, 사업의 위험도 및 저류층 불확실성의 상관관계.