KR102051225B1 - 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법 - Google Patents

셰일층의 파쇄효율 및 가스부존 유망성 예측 방법 Download PDF

Info

Publication number
KR102051225B1
KR102051225B1 KR1020180105351A KR20180105351A KR102051225B1 KR 102051225 B1 KR102051225 B1 KR 102051225B1 KR 1020180105351 A KR1020180105351 A KR 1020180105351A KR 20180105351 A KR20180105351 A KR 20180105351A KR 102051225 B1 KR102051225 B1 KR 102051225B1
Authority
KR
South Korea
Prior art keywords
information
borehole
predicting
efficiency
rock
Prior art date
Application number
KR1020180105351A
Other languages
English (en)
Inventor
정택주
오권택
박경식
Original Assignee
한국가스공사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국가스공사 filed Critical 한국가스공사
Priority to KR1020180105351A priority Critical patent/KR102051225B1/ko
Application granted granted Critical
Publication of KR102051225B1 publication Critical patent/KR102051225B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
    • G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
    • G01V1/48—Processing data
    • G01V1/50—Analysing data
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B47/00—Survey of boreholes or wells
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
    • G01V1/52—Structural details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/61—Analysis by combining or comparing a seismic data set with other data
    • G01V2210/616—Data from specific type of measurement
    • G01V2210/6169—Data from specific type of measurement using well-logging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/62—Physical property of subsurface
    • G01V2210/622—Velocity, density or impedance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/64—Geostructures, e.g. in 3D data cubes
    • G01V2210/646—Fractures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/64—Geostructures, e.g. in 3D data cubes
    • G01V2210/647—Gas hydrates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/66—Subsurface modeling
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/67—Wave propagation modeling
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/67—Wave propagation modeling
    • G01V2210/675—Wave equation; Green's functions

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geology (AREA)
  • Geophysics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Remote Sensing (AREA)
  • Mining & Mineral Resources (AREA)
  • Acoustics & Sound (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Fluid Mechanics (AREA)
  • Algebra (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

본 발명은, 시추공 위치에서 음향검층과 밀도검층 정보를 이용하여 탄성학적인 정보를 도출하고 수압파쇄가 양호한 지층을 예측하는 단계(S100); 탄성파와 시추공 음향검층, 밀도검층 정보를 이용하여 공간적인 탄성 정보를 도출하고 공간적으로 수압파쇄가 양호한 지역과 지층을 예측하는 단계(S200); 탄성파와 시추공 암석 정보를 이용하여 공간적인 암석정보(more siliceous, siliceous, argillaceous, carbonaceous)를 예측하는 단계(S300); 및 탄성파와 시추공 물성정보(TOC, 공극률, 가스포화율, 투수율)를 함께 이용하여 공간적으로 탄화수소 부존이 양호한 지역과 지층을 예측하는 단계(S400)를 포함하는 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법을 제공한다.

Description

셰일층의 파쇄효율 및 가스부존 유망성 예측 방법{A method for predicting prospective fracturing efficiency and hydrocarbon area in shale reservoir}
본 발명은 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법에 관한 것으로서, 보다 구체적으로는, 음향 검층, 밀도 검층 정보를 이용하여 시추공의 탄성 정보를 도출하고, 탄성파와 시추공의 탄성정보를 이용하여 공간적 수압 파쇄효율을 예측하고, 탄성파와 시추공 암석 정보를 이용하여 공간적 암석 정보를 예측하고, 탄성파와 시추공 물성 정보를 이용하여 공간적 탄화수소 부존 분포를 예측하여, 셰일 저류층의 수압 파쇄효율과 가스 부존 유망성을 예측하는 방법에 관한 것이다.
비전통 자원(unconventional resources)에 속하는 셰일가스(shale gas)는 석영(quartz), 점토(clay), 탄산염(carbonate) 등의 조성광물이 수평으로 퇴적하여 굳어진 판상(laminated)의 세일 암석층 내 유기물(organic matters)이 압력과 열적성숙을 받아 공극 내 생성된 천연가스이다.
셰일가스의 개발 및 생산은 수평정 시추(horizontal drilling)와 수압 파쇄(hydraulic fracturing) 기술개발에 의해 가능하게 되었다. 수평정 시추는 1920년대 들어 개발된 경사정 시추(directional drilling) 기술에 의해 시초가 마련되었고 시추장비의 기술발전에 힘입어 1980년대 수평정시추가 가능하게 되었다. 그러나 고가의 시추비용으로 인해 2000년대 초까지 활용되는 사례는 극히 적었고 2005년 이후 석유가스 가격의 상승에 힘입어 셰일가스 개발기술로 일반화되었다.
수압파쇄 기술은 낮은 투수율 특성을 보이는 셰일 저류층의 유체 유동을 향상시키기 위해 필요한 기술로 고압의 수용액(물, 프로판트, 화학첨가제 등의 혼합액)을 이용하여 암석을 인위적으로 파쇄하고 균열을 개방상태로 유지하여 공극 내 가스가 지상으로 자유롭게 유동하는 저류층 인공자극법(artificial well stimulation)이다. 수압파쇄 기술은 1947년에 현장시험에 성공하였고 1950년 상업적으로 처음 사용되었다. 2012년 기준, 세계적으로 석유 및 가스 유정에서 약 2백 50만건의 수압파쇄 작업이 수행되었다. 수압파쇄는 더 많은 양의 탄화수소를 생산 가능하도록 하여 사업자에게 경제적인 이익을 극대화한다는 점은 긍정적이나, 화학첨가제에 의한 지표수 또는 지하수의 오염, 식용으로 사용되는 대수층 지하수와 가스의 혼합(mixing), 수압파쇄 시 발생되는 미소지진에 의한 주요 단층대의 활성화로 지진발생 가능성 상존 등 셰일가스 개발에 대한 경계론 또한 존재한다.
최근 셰일가스 개발 방식은 종래의 개발 방식인 전체 광구 개발, 도로/배관 접근성 및 설비 이용 편의성 등을 고려한 개발, 시추공 (코어/물리 검층) 자료를 활용한 저류층 두께, 조성광물, 총 유기물 탄소함유량(TOC), 공극률, 가스포화율, 열적성숙도 등 저류층 물성에 대한 2차원적 해석에 의존한 개발에서 벗어나 시추공과 탄성파 자료를 연계하여 공간적인 관점에서 가스가 최대로 생산 가능한 지역 또는 지층을 찾는 방식으로, 즉, 셰일가스 광구의 불균질성, 이방성 등 저류층의 지질학적 특성을 감안하여 최대 생산구간을 예측하여 광구를 개발하는 방식으로 셰일가스 개발의 패러다임이 이동하고 있다. 이는 종래의 개발 방식의 석유, 가스 개발 환경 하에서는 사업자가 사업성을 확보하기 어려운 면이 있기 때문이다. 따라서, 이러한 변화하는 패러다임에서 종래의 개발 방식에서 벗어나 사업성을 높이기 위한 새로운 셰일 가스 광구 개발 방식이 요구된다.
본 발명에 따른 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법에 있어서: 시추공 위치에서 음향검층과 밀도검층 정보를 이용하여 탄성학적인 정보를 도출하고 수압파쇄가 양호한 지층을 예측하는 단계(S100); 탄성파와 시추공 음향검층, 밀도검층 정보를 이용하여 공간적인 탄성 정보를 도출하고 공간적으로 수압파쇄가 양호한 지역과 지층을 예측하는 단계(S200); 탄성파와 시추공 암석 정보를 이용하여 공간적인 암석정보(고함량 규산질(more siliceous), 규산질(siliceous), 점토질(argillaceous), 탄소질(carbonaceous), 혼합(mixed))를 예측하는 단계(S300); 및 탄성파와 시추공 물성정보(TOC, 공극률, 가스포화율, 투수율)를 함께 이용하여 공간적으로 탄화수소 부존이 양호한 지역과 지층을 예측하는 단계(S400)를 포함할 수 있다.
본 발명에 따르면, 셰일 저류층의 수압 파쇄 효율을 예측할 수 있고, 종래의 개발 방식에서 벗어나 사업성을 높이기 위한 새로운 셰일 가스 광구 개발 방식을 제공할 수 있다.
도 1은 본 발명에 따른 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법의 개략적인 흐름도이다.
도 2는 비압축률(λρ), 강성률(μρ)을 이용하여 수압파쇄 유망성을 예측한 결과를 보여준다.
도 3은 영률(E), 프와송 비(υ)를 이용하여 수압파쇄 유망성을 예측한 결과를 보여준다.
도 4는 시추공 음향과 밀도 검층을 기반으로 취성도와 폐쇄응력을 함께 교차도시(crossplot)한 결과를 보여준다.
도 5는 3D 중합 전 탄성파 역산을 수행하고 얻은 결과물의 신뢰도를 검증한 예시를 보여준다.
도 6은 검증 과정을 거친 후 도출된 P-임피던스, S-임피던스, 밀도, Vp/Vs 비의 시간 단면을 보여준다.
도 7은 3D 비압축률, 강성률, 및 취성도의 수직 단면과 타임 슬라이스를 보여준다.
도 8은 3D 영률, 프와송 비, 취성도의 수직 단면과 타임 슬라이스를 보여준다.
도 9는 3D 취성도, 폐쇄응력의 수직 단면과 타임 슬라이스를 보여준다.
도 10은 3차원 암석분포 가시화를 위한 시추공의 암석분포 생성과정을 보여준다.
도 11은 A 광구 시추공의 ECS 검층을 통해 생성된 암석로그와 탄성파 역산에서 도출된 탄성학적 정보를 활용하여, 암석정보의 3차원 가시화를 수행하는 과정을 보여준다.
도 12는 S310 내지 S330 단계들을 통해, 예측된 암석분포의 3차원 가시화 결과의 예시를 보여준다.
도 13은 수압파쇄 유망성과 도 12의 암석분포를 비교한 결과를 보여준다.
도 14는 시추공의 TOC와 탄성파 정보를 활용하여 예측된 TOC의 3차원 유망성 결과를 보여준다.
이하, 본 발명의 일 실시예에 따른 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법을 상세히 설명한다. 첨부된 도면은 본 발명의 예시적인 형태를 도시한 것으로, 이는 본 발명을 보다 상세히 설명하기 위해 제공되는 것일 뿐, 이에 의해 본 발명의 기술적인 범위가 한정되는 것은 아니다.
셰일 저류층의 수압파쇄 양호 구간 도출은 탄성학적 정보인 음향 물리 검층 정보를 활용하여 예측하거나 코어 시료를 기반으로 조성광물 비를 측정하여 추정할 수 있다. 그러나, 이러한 정보는 시추공 위치에 국한된다는 데 그 활용성에 한계가 존재한다. 따라서, 시추공 위치로 제한된 수압파쇄 유망성 정보를 광구 전체로 확장시켜, 수압파쇄가 유망한 지역과 지층을 판별하게 된다. 이러한 시도를 가능하게 하는 정보가 바로 탄성파이다. 탄성파는 지하 매질로 전달되는 파가 각 지층의 경계에서 반사되어 나오는 신호를 지표에서 기록하여 진폭의 크기로 나타낸 정보로 지구조 운동에 의한 단층, 균열, 과거에 강이 흘렀던 흔적 등 지하구조 정보는 물론 지하매질의 탄성학적인 정보를 반영한다. 그러나 이러한 다양한 지하정보를 보여주는 탄성파는 시추공에 비해 해상도가 낮아 저류층이 얇은 경우에는 저류층의 경계를 구분해내기 쉽지 않은 단점을 가진다. 또 다른 탄성파의 단점은 저주파수 대역의 낮은 해상도로 인해 지층의 변화를 찾아내기가 쉽지 않다는 점이다. 그러나, 탄성파에서 파형 신호를 제거하고 반사도에서 지층의 변화를 보여주는 임피던스를 계산할 수 있다면, 이는 지층 변화에 대한 명확한 정보를 제공할 수 있는 기회를 부여한다. 탄성파에서 임피던스 정보를 추출할 수 있는 기술을 탄성파 역산이라고 한다. 탄성파 역산은 시추공과 탄성파 정보를 토대로 지하구조의 층서 변화 해석, 저류층의 공간적 암석 또는 물성 예측 등을 가능하게 한다. 탄성파 역산에서 예측된 공간적인 임피던스와 밀도는 지하매질의 탄성학적인 정보로 경험식을 통해 또 다른 형태의 탄성학적인 정보인 영률, 프와송 비, 비압축률, 강성률, 취성도, 폐쇄응력 등으로 변환이 가능하다. 탄성학적인 정보는 지하매질의 암석물성 정보를 반영하므로 해당 정보를 가공 또는 조합하여 활용하면 수압파쇄시 저류층의 암석이 양호하게 파쇄되는 영역에 대한 예측이 가능하다.
본 발명에 따른 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법은 1. 시추공 위치에서 음향검층과 밀도검층 정보를 이용하여 탄성학적인 정보를 도출하고 수압파쇄가 양호한 지층을 예측하는 단계(S100)를 수행한다. 2. 탄성파와 시추공 음향검층, 밀도검층 정보를 이용하여 공간적인 탄성 정보를 도출하고 공간적으로 수압파쇄가 양호한 지역과 지층을 예측하는 단계(S200)를 수행한다. 3. 탄성파와 시추공 암석 정보를 이용하여 공간적인 암석정보(고함량 규산질(more siliceous), 규산질(siliceous), 점토질(argillaceous), 탄소질(carbonaceous)를 예측하는 단계(S300)를 수행한다. 4. 탄성파와 시추공 물성정보(TOC, 공극률, 가스포화율, 투수율)를 함께 이용하여 공간적으로 탄화수소 부존이 양호한 지역과 지층을 예측하는 단계(S400)를 수행한다.
먼저, 시추공 위치에서 음향검층(p-sonic, s-sonic)과 밀도검층 정보를 이용하여 탄성학적인 정보를 도출하고 수압파쇄가 양호한 지층을 예측하는 단계(S100)를 수행한다. 다음은 수압파쇄 선정 유망 지역의 탄성 계수들의 특성을 나타낸다.
(i) 도 2는 비압축률(λρ), 강성률(μρ)을 이용하여 수압파쇄 유망성을 예측한 결과로, 시추공 음향과 밀도 검층을 기반으로 수학식 1 및 수학식 2를 이용하여 계산된 비압축률(λρ), 강성률(μρ)을 취성도와 함께 교차도시(crossplot)한 결과이다. 비압축률(λρ) 값이 작고 강성률(μρ) 값이 큰 경우는 취성도, 즉 암석의 깨짐 정도가 양호한 반면, 비압축률(λρ) 값이 크고 강성률(μρ) 값이 작은 경우는 취성도가 낮아 수압파쇄시 인공균열의 생성과 전파가 양호하지 못하다. 따라서, 수압파쇄가 양호한 지역의 선정을 위해서, 비압축률(λρ) 값이 작고 강성률(μρ) 값이 커야 한다.
Figure 112018087838399-pat00001
(수학식 1)
Figure 112018087838399-pat00002
(수학식 2)
여기서, ρ는 지층 밀도,
Figure 112018087838399-pat00003
이며,
Figure 112018087838399-pat00004
이다.
그에 따라, 시추공 위치에서 음향검층(p-sonic, s-sonic)과 밀도검층 정보를 이용하여 탄성학적인 정보를 도출하고 수압파쇄가 양호한 지층을 예측하는 단계(S100)는 수압파쇄가 양호한 지역의 선정을 위해서, 비압축률(λρ) 값이 작고 강성률(μρ) 값이 큰 지역을 수압파쇄가 양호한 지층으로 예측하는 단계(S110)를 포함한다.
(ii) 도 3은 영률(E), 프와송 비(υ)를 이용하여 수압파쇄 유망성을 예측한 결과로, 시추공 음향과 밀도 검층을 기반으로 수학식 3, 수학식 4를 이용하여 계산된 영률(E), 프와송 비(υ)를 취성도와 함께 교차도시한 결과이다. 영률(E) 값이 크고 프와송 비(υ) 값이 작은 경우 취성도, 즉 암석의 깨짐 정도가 양호한 반면, 영률(E) 값이 작고 프와송 비(υ) 값이 큰 경우는 취성도가 낮아 수압파쇄 시 인공균열의 생성과 전파가 양호하지 못하다. 결과적으로 수압파쇄가 양호한 지역의 선정을 위해서는 영률(E) 값이 크고 프와송 비(υ) 값이 작아야 한다.
Figure 112018087838399-pat00005
(수학식 3)
Figure 112018087838399-pat00006
(수학식 4)
여기서, υ 는 프와송 비,
Figure 112018087838399-pat00007
는 P파 속도,
Figure 112018087838399-pat00008
는 S파 속도이다.
그에 따라, 시추공 위치에서 음향검층(p-sonic, s-sonic)과 밀도검층 정보를 이용하여 탄성학적인 정보를 도출하고 수압파쇄가 양호한 지층을 예측하는 단계(S100)는 수압파쇄가 양호한 지역의 선정을 위해서, 영률(E) 값이 크고 프와송 비(υ) 값이 작은 지역을 수압파쇄가 양호한 지층으로 예측하는 단계(S120)를 포함한다.
(iii) 도 4는 시추공 음향과 밀도 검층을 기반으로 수학식 5, 수학식 6을 이용하여 계산된 취성도와 폐쇄응력을 함께 교차도시(crossplot)한 결과로 두 요소 간에 역선형관계가 있음을 알 수 있다. 즉, 취성도가 큰 영역에서 폐쇄응력은 작은 반면, 취성도가 작은 영역에서는 폐쇄응력은 크게 나타난다. 취성도는 수압파쇄 시 암석의 깨짐 정도의 유망성을 의미하는 지시자로 값이 클수록 수압파쇄로 인한 인공균열이 저류층에서 양호하게 전파될 가능성이 높다. 폐쇄응력은 암석이 깨져 생성된 열린 공간이 닫히도록 하는 힘으로, 그 값이 작아야 저류층의 파쇄공간이 열린 상태로 유지될 가능성이 높아진다. 따라서, 취성도(BI)는 값이 커야 하며, 폐쇄응력(CSS)은 값이 작아야 수압파쇄 유망성이 양호하다 할 수 있다.
Figure 112018087838399-pat00009
(수학식 5)
여기서, BI(brittleness index)는 취성도, E는 영률, υ는 프와송 비,
Figure 112018087838399-pat00010
는 가중치,
Figure 112018087838399-pat00011
는 최대 프와송 비,
Figure 112018087838399-pat00012
는 최소 프와송 비,
Figure 112018087838399-pat00013
는 최대 영률,
Figure 112018087838399-pat00014
는 최소 영률을 의미한다.
Figure 112018087838399-pat00015
(수학식 6)
여기서, CSS(closure stress scalar)는 폐쇄응력, υ는 프와송 비이다.
또한, 영률(E) 및 프와송 비(υ)는 각각 상술한 수학식 3 및 수학식 4를 따른다.
그에 따라, 시추공 위치에서 음향검층(p-sonic, s-sonic)과 밀도검층 정보를 이용하여 탄성학적인 정보를 도출하고 수압파쇄가 양호한 지층을 예측하는 단계(S100)는 수압파쇄가 양호한 지역의 선정을 위해서, 취성도(BI)는 값이 크고 폐쇄응력(CSS)은 값이 작은 지역을 수압파쇄가 양호한 지층으로 예측하는 단계(S130)를 포함한다.
상술한 (i) 내지 (iii)를 요약 정리하면, 시추공 위치에서 음향검층(p-sonic, s-sonic)과 밀도검층 정보를 이용하여 탄성학적인 정보를 도출하고 수압파쇄가 양호한 지층을 예측하는 단계(S100)는 비압축률(λρ) 값이 작고, 강성률(μρ) 값이 크고, 영률(E) 값이 크고, 프와송 비(υ) 값이 작고, 취성도(BI)는 값이 크고, 폐쇄응력(CSS)은 값이 작은 지층을 수압파쇄가 양호한 지층으로 예측하는 단계(140)를 포함한다.
다음, 탄성파와 시추공 정보를 함께 이용하여 공간적인 탄성 정보(λρ, μρ, E, υ, BI, CSS)를 도출하고 공간적으로 수압파쇄가 양호한 지역과 지층을 예측하는 단계(S200)를 수행한다. 시추공 정보는 음향 검층 정보 및 밀도 검층 정보를 포함한다. 구체적으로, 탄성파와 시추공 정보를 토대로 탄성파 역산을 수행하고 계산식을 통하여 공간적인 탄성학적 정보를 도출하며, 해당 정보를 시추공(위치)에서 계산된 탄성정보와 비교, 검증, 보완한다.
중합전 탄성파 역산은 반복(iteration)을 통해 시추공 위치에서 측정 탄성파 트레이스와 합성 탄성파 트레이스의 차이를 최소화하며 시추공이 존재하지 않는 영역에 대하여도 이 과정을 동일하게 적용한다. 측정 탄성파 트레이스는 실제로 지표에서 측정된 탄성파 트레이스를 의미하며, 합성 탄성파 트레이스는 시추공의 물리검층(음향 검층, 밀도)의 곱을 통하여 계산된 임피던스에 탄성파 또는 시추공에서 추출된 송신파형을 콘볼루션하여 생성된 인공 탄성파 트레이스이다. 이들 탄성파 트레이스의 차이는 상호상관을 통해 정량화가 가능하며, 이를 상관계수라 한다. 상관계수는 합성과 측정 탄성파 트레이스의 유사성을 정량적으로 나타낸 수치이다.
예를 들어, 도 5는 3D 중합 전 탄성파 역산을 수행하고 얻은 결과물의 신뢰도를 검증한 예시로, 시추공 위치에서 탄성파 역산을 통해 예측된 P-임피던스, S-임피던스, 밀도, Vp/Vs 비와 시추공 물리검층에서 계산된 실측치인 P-임피던스, S-임피던스, 밀도, Vp/Vs 비를 비교한 결과로 그 경향성이 유사하다. 합성 탄성파(도 5에서 빨간색으로 도시)는 탄성파 역산에서 예측된 P-임피던스, S-임피던스, 밀도에 파형신호를 콘볼루션하여 도출된 각각의 값들을 합산하여 생성된 자료이며, 측정 탄성파(도 5에서 검은색으로 도시)는 실제 측정된 탄성파 자료이다. 이들의 상관계수는 대략 85%로 상관도가 양호하다고 할 수 있다. 오른쪽의 교차도시(cross plot)는 역산에서 예측된 P-임피던스와 실측 P-임피던스, 예측 Vp/Vs 비와 실측 Vp/Vs 비 상에서 샘플 값의 분산 정도를 보여주는 자료로 중앙값(빨간색 선)에서 크게 벗어나는 샘플들이 많지 않으며, 이들을 통해서 탄성파 역산의 결과가 양호함을 확인할 수 있다.
또한, 도 6은 상기의 검증 과정을 거친 후 도출된 P-임피던스, S-임피던스, 밀도, Vp/Vs 비의 시간 단면을 보여준다. P-임피던스 단면은 A 지층에서 값이 낮고 B 지층과 C 지층은 대부분 값이 다소 높다. B 지층의 일부 구간에서 값이 낮게 나타난다. 밀도 단면은 A 지층과 C 지층에서 값이 낮으며 B 지층에서는 값이 높다. Vp/Vs 비 단면은 A 지층과 C 지층에서 값이 낮으며 B 지층에서는 값이 높다.
다음, 탄성파 역산을 이용하여 도출된 P-임피던스, S-임피던스, 밀도 정보를 계산과정을 거쳐 얻은 3D 탄성계수(비압축률, 강성률, 영률, 프와송 비, 취성도, 폐쇄응력)에 기초하여 지역과 지층을 예측한다. 3D 탄성계수는, Z축으로의 지층 구분 및 해당 지층에서의 X-Y 평면 상으로 이루어진 공간 좌표에서의 각 위치별 탄성계수이다. 보다 구체적으로, Z축(지하심도: 지층구분 가능) 및 X-Y 평면 좌표에 탄성계수 정보가 입력되어 있다. 이 때, 도출된 각각의 3D 탄성계수들은 단계 S100에서 상술한 바와 같이, 비압축률(λρ) 값이 작고, 강성률(μρ) 값이 크고, 영률(E) 값이 크고, 프와송 비(υ) 값이 작고, 취성도(BI)는 값이 크고, 폐쇄응력(CSS)은 값이 작은 특성을 보여야 한다. 따라서, 비압축률(λρ) 값이 작고, 강성률(μρ) 값이 크고, 영률(E) 값이 크고, 프와송 비(υ) 값이 작고, 취성도(BI)는 값이 크고, 폐쇄응력(CSS)은 값이 작은 지역(패드)과 지층을 예측한다.
예를 들어, 도 7은 3D 비압축률, 강성률, 및 취성도의 수직 단면과 타임 슬라이스를 보여준다. A 지층에서는 낮은 비압축률, 높은 강성률, 높은 취성도를 보인다. B 지층에서는 높은 압축률, 낮은 강성률, 낮은 취성도를 보이며, C 지층에서는 가장 낮은 비압축률, 가장 높은 강성률과 가장 높은 취성도를 보인다. 지역별로는 패드 2지역과 패드 1 우측 지역이 상대적으로 높은 취성도를 보인다.
또한, 도 8은 3D 영률, 프와송 비 및 취성도의 수직 단면과 타임 슬라이스를 보여준다. A 지층에서는 높은 영률, 낮은 프와송 비, 높은 취성도를 보인다. B 지층에서는 낮은 영률, 높은 프와송 비, 낮은 취성도를 보이며, C 지층에서는 가장 높은 영률, 가장 낮은 프와송 비, 가장 낮은 취성도를 보인다. 지역별로는 패드 2 지역과 패드 1 우측 지역이 상대적으로 높은 취성도를 보인다.
또한, 도 9는 3D 취성도, 폐쇄응력의 수직 단면과 타임 슬라이스를 보여준다. A 지층에서는 낮은 폐쇄응력, 높은 취성도를, B 지층에서는 높은 폐쇄응력, 낮은 취성도를, C 지층에서는 가장 낮은 폐쇄응력, 가장 높은 취성도를 보인다. 지역별로는, 패드 2 지역과 패드 1의 우측 지역이 상대적으로 높은 취성도를 보인다. 지역별로는 패드 2 지역과 패드 1의 우측 지역이 상대적으로 높은 취성도를 보인다. 또한, 파쇄유망성 지시자인 취성도와 폐쇄응력을 교차도시(crossplot)하여 가장 양호(more prospective), 양호(prospective), 보통(normal) 영역으로 구분하고, 이들 영역에 해당하는 값들을 3차원 가시화한 결과, A 지층은 대부분 양호(prospective) 영역이 나타나며 가장 양호(more prospective) 영역들은 일부 나타난다. B 지층은 대부분 보통(normal) 영역이 나타나며 양호(prospective) 영역은 부분적으로 나타난다. C 지층은 대부분 가장 양호(more prospective) 영역이 나타나고 양호(prospective) 영역이 일부 나타난다. 지역적으로는 패드 2 주변지역들과 패드 1의 우측지역에서 가장 양호(more prospective) 영역이 주로 나타난다.
위와 같은 공간적인 탄성정보들의 결과를 종합하면, 취성도가 가장 높고 폐쇄응력이 가장 낮은 저류층은 C 지층이며, 지역적으로는 패드 2 주변 지역이 가장 양호하다. 따라서, C 지층의 패드 2 지역을 개발하면 수압파쇄에 의한 넓은 지역의 인공균열 형성은 물론 폐쇄응력이 낮아 균열의 개방상태가 유지되기 쉬워 셰일가스의 생산량이 양호할 것으로 기대되므로, C 지층에서도 지역적으로는 패드 2 주변 지역을, 수압파쇄가 양호한 지역과 지층으로 예측한다.
정리하면, 단계 S200에서는 시추공과 탄성파 정보를 토대로 강성률(μρ), 비압축률(λρ), 영률(E), 프와송 비(υ)를 토대로 취성도(BI; brittleness index)와 폐쇄응력(closure stress scalar)을 3차원적으로 계산한다. 셰일층의 수압파쇄 효율은 취성도와 파쇄효율에 의해 좌우되며 일반적으로 취성도 값이 높고, 폐쇄응력 값이 낮은 지역에서 파쇄 시 수압에 의한 균열의 전파가 광범위하게 일어나고 하중압력에 의한 인공균열의 닫힘 현상이 약하게 발생된다. 따라서 취성도 값이 높고 폐쇄응력이 낮은 지역을 파악하는게 중요하다. 이러한 셰일층의 특성을 반영하고자 계산된 취성도와 폐쇄응력을 cross-plot(대비도표; X축은 취성도, Y축은 폐쇄응력)하여 취성도가 크고 폐쇄응력이 낮은 영역을 cross-plot에서 지정하고 해당 영역에 해당하는 지역을 3차원적으로 가시화하여 수압파쇄 효율이 양호한 지역을 공간적으로 규명하게 된다.
다음, 탄성파와 시추공 암석 정보를 이용하여 공간적인 암석정보를 예측하는 단계(S300)를 수행한다. 시추공의 암석정보를 3차원으로 가시화하기 위해서는 다음의 세부 단계들을 수행한다. 우선, 시추공 암석 정보는 조성 광물 정보를 의미하고, 구체적으로는, ECS 검층을 통해 규산질(siliceous; 예를 들면, quartz, feldspar, mica, 등), 점토질(argillaceous; 예를 들면 clay) 및 탄소질(carbonaceous; 예를 들면 dolomite, calcite, anhydrite, gypsum) 등의 조성 광물을 측정한 것이다. 또한, 상기 공간적인 암석정보는 고함량 규산질(more siliceous), 규산질(siliceous), 점토질(argillaceous), 탄소질(carbonaceous), 및 혼합(mixed)으로 이루어지는 그룹에서 선택되는 어느 하나이다. 시추공 물리검층에서 계산된 임피던스, 탄성학적 정보(영률, 프와송 비, 비압축률, 강성률 등), 암석정보와 탄성파 역산에서 도출된 3차원 임피던스와 탄성학적 정보를 입력한다(S310). 다음, 분석 절차를 수행하는데, 분석 절차에서는 시추공의 임피던스와 탄성학적 정보의 대비도표에 암석정보를 도시하여 각각의 암석이 어떠한 분포를 가지는지 분석하여 각 암석의 확률밀도함수를 선정한다(S320). 다음, 탄성파 역산에서 도출된 임피던스와 탄성학적 정보를 시추공에서 계산된 각 암석의 확률분포에 연계하여 3차원 암석분포를 얻는다(S330).
단계 S310과 관련하여, 우선, 도 10은 3차원 암석분포 가시화를 위한 시추공의 암석분포 생성과정을 보여준다. 도 10의 좌측의 암석검층 생성을 위해 ECS 물리 검층에서 측정된 조성광물과 Schlumberger의 규산질(siliceous), 점토질(argillaceous), 탄소질(carbonaceous)의 조성광물 분류 삼원도(ternary diagram)를 사용한다. 암석영역은 Schlumberger에서 제시한 16개의 다이어그램 영역을 사용하지 않고 5개의 영역으로 축소하여 분류하고 ECS검층의 조성광물을 삼원도(ternary diagram)에 적용하여 고함량 규산질(more siliceous), 규산질(siliceous), 혼합(mixed), 점토질(argillaceous), 탄소질(carbonaceous) 특성을 가지는 암석 검층을 생성한다. 5개 영역으로의 축소는 시추공과 탄성파의 해상도 차이에 의한 샘플 수의 부족을 보완하기 위한 것이다. 예를 들어, 도 10에서, A 지층은 고함량 규산질(more siliceous), 규산질(siliceous) 특성의 암석이 교호하며, B 지층은 규산질(siliceous), 혼합(mixed), 점토질(argillaceous) 특성의 암석이 혼합되어 나타난다. C 지층은 주로 고함량 규산질(more siliceous) 특성의 암석이 나타난다. 따라서, 3개의 지층 중에서 C 지층이 취성도가 가장 양호하다.
단계 S320과 관련하여, 도 11은 A 광구 시추공의 ECS 검층을 통해 생성된 암석로그와 탄성파 역산에서 도출된 탄성학적 정보를 활용하여, 암석정보의 3차원 가시화를 수행하는 과정을 예시적으로 보여준다. 먼저, 시추공 내 비압축률(λρ)과 강성률(μρ) 대비도표에 암석영역을 고함량 규산질(more siliceous), 규산질(siliceous), 혼합(mixed), 점토질(argillaceous)의 4개 영역으로 분류하고 생성된 암석로그를 시추공 ECS 검층을 기반으로 생성된 암석로그와 비교한다. 도 10의 삼원도에서의 5개의 영역을 참조하되, 도 11의 예시에서는 Carbonate 조성광물이 거의 없어 탄소질(carbonaceous) 영역은 제외되어 4개 영역에 대해 분석이 이루어졌다. 만약, Carbonate 조성광물이 있는 경우에는 5개 영역으로 분석이 이루어진다. ECS 검층을 기반으로 생성된 암석로그를 3차원 가시화에 활용하지 않고 탄성정보의 대비도표를 통해 예측된 암석로그의 검증기준으로 활용하는 이유는 ECS 검층은 지하의 조성광물을 측정한 자료로 탄성파에서 도출된 탄성학적 정보인 비압축률과 강성률 등과 직접적인 연계가 어렵기 때문이다. 따라서, 시추공에서 계산된 탄성학적 정보(비압축률, 강성률 등)를 활용하여 도 11의 대비도표와 같이 영역을 구분하여 암석로그를 생성하고 ECS 검층 기반의 암석로그와 비교한다. 비교 결과 두 암석로그는 그 경향이 유사하게 나타난다. 다음으로, 시추공에서 계산된 비압축률과 강성률의 대비도표에 4개의 암석 영역별로 확률밀도함수에 따른 확률분포를 생성한다. 그리고, 각 암석의 확률분포에 탄성파 역산에서 도출된 3차원 탄성정보(비압축률, 강성률)를 연계(matching)하여 암석의 3차원 가시화를 수행한다. 수행결과의 검증은 혼동행렬(confusion matrix)을 이용하여, 시추공 위치에서 실제 암석로그와 예측 암석로그를 비교한다. 고함량 규산질(more siliceous) 암석은 73.33% 신뢰도, 규산질(siliceous) 암석은 88.89% 신뢰도, 혼합(mixed) 75% 신뢰도, 점토질(argillaceous) 암석은 100% 신뢰도를 보인다. 점토질(argillaceous) 암석의 경우 100%의 신뢰도 값이 나온 이유는, 실측치와 예측치의 비교 샘플 수가 소수이기 때문이다.
도 12는 상술한 S310 내지 S330 단계들을 통해, 예측된 암석분포의 3차원 가시화 결과의 예시를 보여준다. A 지층에서는, 고함량 규산질(more siliceous)와 규산질(siliceous) 암석이 교호하며, B 지층에서는 혼합(mixed), 점토질(argillaceous), 규산질(siliceous) 암석이 혼합되어 나타난다. C 지층에서는 고함량 규산질(more siliceous) 암석이 주로 나타난다. 도 13은 앞서 도출된 수압파쇄 유망성(수압파쇄 시 인공균열의 광범위한 전파, 낮은 폐쇄응력에 따른 파쇄된 암석의 개방상태 유지의 양호성)과 도 12의 암석분포를 비교한 결과이다. A 지층에서는 가장 양호(more prospective), 양호(prospective) 파쇄특성과 고함량 규산질(more siliceous), 규산질(siliceous) 암석분포가 나타난다. B 지층에서는 양호(prospective), 보통(normal) 파쇄특성과 규산질(siliceous), 혼합(mixed), 점토질(argillaceous) 암석분포가 나타난다. C 지층에서는 가장 양호(more prospective), 양호(prospective) 파쇄특성과 고함량 규산질(more siliceous), 규산질(siliceous) 암석 분포가 나타난다. 수평적으로도 모든 지층에서 파쇄특성과 암석분포가 매우 유사하게 나타난다. 즉, 가장 양호(more prospective) 파쇄특성이 나타나는 지역에서 대체적으로 고함량 규산질(more siliceous) 암석분포를 보이며, 양호(prospective) 파쇄특성이 나타나는 지역에서는 규산질(siliceous) 암석분포를 보인다. 보통(normal) 파쇄특성이 나타나는 지역에서는 혼합(mixed), 점토질(argillaceous) 암석분포가 주로 나타남을 알 수 있다.
다음, 탄성파와 시추공 물성정보(TOC, porosity, gas saturation, permeability, 등)를 함께 이용하여, 공간적으로 탄화수소의 부존이 양호한 지역과 지층을 예측하는 단계(S400)를 수행한다. 본 단계에서는, 시추공 물성과 탄성파 자료를 활용한 공간적 가시화에 선형회귀분석법(linear regression)과 인공신경망법(neural network) 의 알고리즘을 사용한다. 물성예측에 적용된 선형회귀분석법은 선형성을 예측하는 데 적합한 반면, 인공신경망법은 비선형성을 예측하는 데 적합하다. 따라서, 저류층 물성의 3차원 가시화 방법은 물성별로 알고리즘의 적합성, 즉 알고리즘의 예측치와 실측치의 검증을 통하여 선택되며, 검증은 교차검증법을 활용하여 이루어진다. 교차검증법에서는, 1개의 시추공 검증 오차를 구하는 경우에 다속성 선형회귀법(multi-attribute linear regression method)과 확률론적 인공신경망법(probabilistic neural network method)의 학습에 사용된 시추공 자료 중 예측 대상인 시추공 자료는 제외하고 탄성파 속성과 나머지 시추공 자료만을 이용하여 학습을 수행한 후, 학습에서 제외된 시추공 위치의 예측 물성 값을 실제 물성 값과 비교하여 검증오차를 구한다. 또한, 2개 이상의 시추공 검증 오차를 구하는 경우에 학습에 이용된 모든 시추공을 한 번씩 제외하는 방법으로 각 시추공 위치에서 오차 값을 구한 후 전체 시추공에 대한 평균오차를 구한다. 이는, 선형회귀분석(MALR)과 인공신경망(PNN) 방법을 통해 3차원 물성예측(TOC 등) 결과의 신뢰도를 평가하기 위한 방법으로 시추공 위치에서 실측값이 존재하므로 동일 위치의 예측값을 추출하여 실측값과 예측값을 비교하는 것이다.
선형회귀분석법과 인공신경망법의 두 알고리즘은 시추공 물성과 탄성파 속성들의 연관성을 선형적 또는 비선형적으로 도출하여 시추공 물성을 3차원 가시화한다. 이 때, 탄성파 속성들은 한 개만 활용될 수도 있으나, 한 개의 탄성파 속성보다 다수의 탄성파 속성들을 조합하면 시추공 물성과의 더 나은 상관성을 도출할 수 있으므로, 다수의 탄성파 속성들을 조합하여 활용함이 바람직하다. 또한, 저류층 물성을 예측하는데, 진폭, 주파수, 주파수 필터, 위상, 지층밀도, MuRho, 영률, 균열밀도, Vp/Vs 비, 공극률(투수율 예측시 활용), 미분연산자 프와송 비, P-임피던스, 투수율(공극압력 예측시 활용)의 탄성파 속성이 활용된다.
총 유기물 탄소함유량(TOC)은 3차원 가시화를 위해 확률론적 인공신경망법이 이용된다. 수포화율은 3차원 가시화를 위해 확률론적 인공신경망법이 이용된다. 투수율은 3차원 가시화를 위해 다속성 선형회귀법을 적용한다. 취성도는 3차원 가시화를 위해 다속성 선형회귀법을 적용한다. 공극압력은 3차원 가시화를 위해 다속성 선형회귀법을 적용한다. 상기의 물성별로 적용된 방법론(확률론적 인공신경망법, 다속성 선형회귀법)은 하나의 예시로 분석지역 또는 지층의 지질 특성에 따라 변경될 수 있다.
부연하면, 수압파쇄가 유망한 지역과 지층의 도출은 단계 S200에서 수행되고, 단계 S400에서는 가스의 부존과 관련된 물성인자를 예측하여 탄화수소 부존 유망성을 규명한다.
단계 S400에서의, 셰일층에서 탄화수소(오일, 가스, 콘덴세이트) 부존 물성인자는 총 유기물 탄소 함유량(TOC), 공극률(porosity), 가스 포화율(gas saturation), 투수율(permeability) 등이다. 탄화수소의 부존량은 보통 TOC, 공극률 등과 밀접한 관계가 있다. 하나의 예로 TOC의 공간적 예측을 위해서는 시추공의 TOC 정보와 탄성파에서 계산된 다수의 탄성파 속성을 토대로 선형회귀분석(MALR; multi-attribute linear regression method) 또는 확률론적 인공신경망(PNN; probabilistic neural network) 방법을 이용한다. 예측 결과의 신뢰도 측정을 위해 시추공에서 교차검증(cross validation)을 수행하여 예측 값과 실제 값의 오차를 확인하며, 오차를 줄이기 위한 탄성파 속성정보의 조합 방법 등을 고려한다. 셰일층의 탄화수소 부존 유망성은 TOC 값이 크고, 공극률이 큰 지역에서 양호하게 나타나므로 Crossplot(X축; TOC, Y축; 공극률)에서 TOC가 높고, 공극률이 높은 지역을 지정하고 해당 영역의 3차원적 가시화를 수행하여 지층과 지역을 파악한다.
상술한 본 발명의 기술적 구성은 본 발명이 속하는 기술분야에서의 통상의 기술자가 본 발명의 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예는 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해되어야 한다. 아울러, 본 발명의 범위는 상기의 상세한 설명보다는 후술하는 특허청구 범위에 의하여 나타내어진다. 또한, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
S100: 시추공 위치에서 음향검층과 밀도검층 정보를 이용하여 탄성학적인 정보를 도출하고 수압파쇄가 양호한 지층을 예측하는 단계
S200: 탄성파와 시추공 음향검층, 밀도검층 정보를 이용하여 공간적인 탄성 정보를 도출하고 공간적으로 수압파쇄가 양호한 지역과 지층을 예측하는 단계
S300: 탄성파와 시추공 암석 정보를 이용하여 공간적인 암석정보를 예측하는 단계
S400: 탄성파와 시추공 물성정보(TOC, 공극률, 가스포화율, 투수율)를 함께 이용하여 공간적으로 탄화수소 부존이 양호한 지역과 지층을 예측하는 단계

Claims (18)

  1. 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법에 있어서:
    음향 검층 정보 및 밀도 검층 정보를 이용하여 시추공의 탄성 정보를 도출하는 단계;
    도출된 상기 시추공의 탄성 정보 및 탄성파를 이용하여 공간적 수압 파쇄효율을 예측하는 단계;
    시추공 암석정보 및 탄성파를 이용하여 공간적 암석정보를 예측하는 단계; 및
    시추공 물성정보 및 탄성파를 이용하여 공간적 탄화수소 부존 분포를 예측하는 단계를 포함하는 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법.
  2. 제 1 항에 있어서,
    상기 도출된 상기 시추공의 탄성 정보 및 탄성파를 이용하여 공간적 수압 파쇄효율을 예측하는 단계는, 비압축률(λρ) 값이 작을수록, 강성률(μρ) 값이 클수록 수압파쇄가 양호한 지층으로 예측하는 단계를 포함하는, 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법.
  3. 제 1 항에 있어서,
    상기 도출된 상기 시추공의 탄성 정보 및 탄성파를 이용하여 공간적 수압 파쇄효율을 예측하는 단계는, 영률(E) 값이 클수록, 프와송 비(υ) 값이 작을수록 수압파쇄가 양호한 지층으로 예측하는 단계를 포함하는, 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법.
  4. 제 1 항에 있어서,
    상기 도출된 상기 시추공의 탄성 정보 및 탄성파를 이용하여 공간적 수압 파쇄효율을 예측하는 단계는, 취성도(BI)는 값이 클수록, 폐쇄응력(CSS)은 값이 작을수록 수압파쇄가 양호한 지층으로 예측하는 단계를 포함하는, 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법.
  5. 제 1 항에 있어서,
    상기 도출된 상기 시추공의 탄성 정보 및 탄성파를 이용하여 공간적 수압 파쇄효율을 예측하는 단계는, 비압축률(λρ) 값이 작을수록, 강성률(μρ) 값이 클 수록, 영률(E) 값이 클수록, 프와송 비(υ) 값이 작을수록, 취성도(BI)는 값이 클수록, 폐쇄응력(CSS)은 값이 작을수록 수압파쇄가 양호한 지층으로 예측하는 단계를 포함하는, 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법.
  6. 제 2 항에 있어서,
    상기 강성률(μρ)은 하기의 수학식 1로 정의되고, 상기 비압축률(λρ)은 하기의 수학식 2로 정의되고,
    Figure 112019102193303-pat00045
    (수학식 1)
    Figure 112019102193303-pat00046
    (수학식 2)
    여기서, ρ는 지층 밀도,
    Figure 112019102193303-pat00047
    는 P파 속도,
    Figure 112019102193303-pat00048
    는 S파 속도인, 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법.
  7. 제 3 항에 있어서,
    상기 영률(E)은 하기의 수학식 3으로 정의되고, 상기 프와송 비(υ)는 하기의 수학식 4로 정의되고,
    Figure 112018087838399-pat00020
    (수학식 3)
    Figure 112018087838399-pat00021
    (수학식 4)
    여기서, υ 는 프와송 비,
    Figure 112018087838399-pat00022
    는 P파 속도,
    Figure 112018087838399-pat00023
    는 S파 속도인, 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법.
  8. 제 4 항에 있어서,
    상기 취성도(BI)은 하기의 수학식 5로 정의되고, 상기 폐쇄응력(CSS)은 하기의 수학식 6으로 정의되고,
    Figure 112018087838399-pat00024
    (수학식 5)
    Figure 112018087838399-pat00025
    (수학식 6)
    여기서, E는 영률, υ는 프와송 비,
    Figure 112018087838399-pat00026
    는 가중치,
    Figure 112018087838399-pat00027
    는 최대 프와송 비,
    Figure 112018087838399-pat00028
    는 최소 프와송 비,
    Figure 112018087838399-pat00029
    는 최대 영률,
    Figure 112018087838399-pat00030
    는 최소 영률인, 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법.
  9. 삭제
  10. 삭제
  11. 삭제
  12. 삭제
  13. 제 1 항에 있어서,
    상기 공간적인 암석정보는 고함량 규산질(more siliceous), 규산질(siliceous), 점토질(argillaceous), 탄소질(carbonaceous), 및 혼합(mixed)으로 이루어지는 그룹에서 선택되는 어느 하나인, 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법.
  14. 제 13 항에 있어서,
    상기 시추공 암석 정보 및 탄성파를 이용하여 공간적 암석 정보를 예측하는 단계에서,
    가장 양호(more prospective) 파쇄특성이 나타나는 지역에서는 고함량 규산질(more siliceous) 암석분포를 보이고,
    양호(prospective) 파쇄특성이 나타나는 지역에서는 규산질(siliceous) 암석분포를 보이고,
    보통(normal) 파쇄특성이 나타나는 지역에서는 혼합(mixed), 점토질(argillaceous) 암석분포가 나타나는, 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법.
  15. 제 1 항에 있어서,
    상기 시추공 물성정보는 총 유기물 탄소함유량(TOC), 공극률, 가스포화율, 및 투수율을 포함하는, 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법.
  16. 제 1 항에 있어서,
    상기 시추공 물성 정보 및 탄성파를 이용하여 공간적 탄화수소 부존 분포를 예측하는 단계에서, 선형회귀분석법 또는 인공신경망법(neural network)의 알고리즘을 사용하는, 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법.
  17. 제 1 항에 있어서,
    상기 시추공 물성 정보 및 탄성파를 이용하여 공간적 탄화수소 부존 분포를 예측하는 단계는, 예측 대상인 시추공 자료는 제외하고 탄성파 속성과 나머지 시추공 자료만을 이용하여 학습을 수행한 후, 학습에서 제외된 시추공 위치의 예측 물성 값을 실제 물성 값과 비교하여 검증오차를 구하는 단계를 포함하는, 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법.
  18. 제 17 항에 있어서,
    상기 검증은, 다속성 선형회귀법(multi-attribute linear regression method) 및 확률론적 인공신경망법(probabilistic neural network method)을 포함하는 교차검증법으로 이루어지는, 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법.
KR1020180105351A 2018-09-04 2018-09-04 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법 KR102051225B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180105351A KR102051225B1 (ko) 2018-09-04 2018-09-04 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180105351A KR102051225B1 (ko) 2018-09-04 2018-09-04 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법

Publications (1)

Publication Number Publication Date
KR102051225B1 true KR102051225B1 (ko) 2019-12-03

Family

ID=68837953

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180105351A KR102051225B1 (ko) 2018-09-04 2018-09-04 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법

Country Status (1)

Country Link
KR (1) KR102051225B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113221232A (zh) * 2021-06-16 2021-08-06 西南石油大学 用于裂缝性砂岩厚层水力压裂施工参数优化设计的方法
CN114113536A (zh) * 2020-08-26 2022-03-01 中国石油天然气股份有限公司 页岩油资源量的预测方法和装置
CN115822580A (zh) * 2022-12-15 2023-03-21 吉林大学 一种定量预测深层火山岩气层空间分布的方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130238304A1 (en) * 2012-03-06 2013-09-12 Michael Edwin Glinsky Model Predicting Fracturing of Shale
KR20170121546A (ko) * 2016-04-25 2017-11-02 충북대학교 산학협력단 순차층서 분석을 통한 비전통자원 개발 구간 예측 방법
KR20180014294A (ko) * 2016-07-28 2018-02-08 한국지질자원연구원 물리검층 자료를 이용한 s파 속도 산출방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130238304A1 (en) * 2012-03-06 2013-09-12 Michael Edwin Glinsky Model Predicting Fracturing of Shale
KR20170121546A (ko) * 2016-04-25 2017-11-02 충북대학교 산학협력단 순차층서 분석을 통한 비전통자원 개발 구간 예측 방법
KR20180014294A (ko) * 2016-07-28 2018-02-08 한국지질자원연구원 물리검층 자료를 이용한 s파 속도 산출방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
비특허문헌 1 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114113536A (zh) * 2020-08-26 2022-03-01 中国石油天然气股份有限公司 页岩油资源量的预测方法和装置
CN114113536B (zh) * 2020-08-26 2023-12-22 中国石油天然气股份有限公司 页岩油资源量的预测方法和装置
CN113221232A (zh) * 2021-06-16 2021-08-06 西南石油大学 用于裂缝性砂岩厚层水力压裂施工参数优化设计的方法
CN115822580A (zh) * 2022-12-15 2023-03-21 吉林大学 一种定量预测深层火山岩气层空间分布的方法

Similar Documents

Publication Publication Date Title
KR102051225B1 (ko) 셰일층의 파쇄효율 및 가스부존 유망성 예측 방법
KR102111207B1 (ko) 셰일가스 스윗 스팟 도출 방법
Alzate et al. Integration of surface seismic, microseismic, and production logs for shale gas characterization: Methodology and field application
Ranjbar-Karami et al. A modified fuzzy inference system for estimation of the static rock elastic properties: A case study from the Kangan and Dalan gas reservoirs, South Pars gas field, the Persian Gulf
Rabe et al. Development of a new correlation to estimate the unconfined compressive strength of a Chicontepec Formation
de Jonge-Anderson et al. Determining reservoir intervals in the Bowland Shale using petrophysics and rock physics models
Jasim et al. Specifying quality of a tight oil reservoir through 3-d reservoir modeling
Zhang et al. Identification of waterflooded zones and the impact of waterflooding on reservoir properties of the Funing Formation in the Subei Basin, China
Cottrell et al. Advances in hydromechanical coupling for complex hydraulically fractured unconventional reservoirs
Al-Zubaidy et al. Prediction Unconfined Compressive Strength for Different Lithology Using Various Wireline Type and Core Data for Southern Iraqi Field
Darjani et al. Estimating the 3-D spatial distribution of mechanical properties of rock by seismic data and well logs
Dehghani et al. Application of integrated reservoir studies and techniques to estimate oil volumes and recovery—Tengiz Field, Republic of Kazakhstan
Corbett et al. The integration of geology and well testing for improved fluvial reservoir characterisation
Aminzadeh et al. Reservoir characterization
Onikoyi et al. Review of sand production from oil well completions across depositional environments in the Niger Delta
Polivakho et al. A Comprehensive Approach to Basement Fractured Reservoir Development in the Pannonian Basin: Case Study
Muhammad et al. Challenges in Developing Part Field Models to Assess Waterflood Performance for the Upper Burgan Reservoir, Greater Burgan Field, Kuwait
Behrenbruch et al. Characterisation of clastic depositional environments and rock pore structures using the Carman-Kozeny equation: Australian sedimentary basins
Krasnikov et al. Consideration of Elastic Properties and Stresses Anisotropy in Fracturing Planning
Nwokoma et al. Hydraulic Flow Unit Characterization in Sandstone Reservoirs, Niger Delta, Nigeria
Jian et al. Reservoir modeling methods and characterization parameters for a shoreface reservoir: What is important for fluid-flow performance?
Budding et al. Probabilistic modelling of discontinuous reservoirs
Arslan et al. Is Bati Raman heavy oil field a triple porosity system?
Al-Deeb et al. Fully Integrated 3D-Reservoir Characterization and Flow Simulation Study: A Field Case Example
Bischoff et al. Integrated modeling of the mature Ashtart field, Tunisia

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant