KR102111207B1

KR102111207B1 - 셰일가스 스윗 스팟 도출 방법

Info

Publication number: KR102111207B1
Application number: KR1020180105350A
Authority: KR
Inventors: 정택주; 오권택; 박경식
Original assignee: 한국가스공사
Priority date: 2018-09-04
Filing date: 2018-09-04
Publication date: 2020-05-14
Also published as: KR20200027264A

Abstract

본 발명은 셰일가스 스윗 스팟을 예측하는 방법에 관한 것으로서, 보다 구체적으로는, 층서 구조 모델, 암상 모델, 물성 모델, 자연 균열 모델로부터 통합 모델을 구축하여 셰일가스의 스윗 스팟을 예측하는 방법에 관한 것이다.

Description

셰일가스 스윗 스팟 도출 방법{A method for selecting a sweet spot in shale gas}

일반적으로, 셰일가스 저류층은 투수율이 매우 낮아서 상업적인 가스 생산을 위해서는 수평정 시추 및 수압파쇄 등의 인위적인 회수 증진기술이 필요하며 상당한 개발비가 소요된다. 셰일가스 개발의 경제성은 셰일층의 총 유기탄소 함량, 취성도, 이방성 등에 의해 발생되는 지역 또는 지층별 생산량 편차에 대한 예측, 즉 스윗 스팟(sweet spot) 분석을 통해 개선이 가능하다.

셰일가스의 스윗 스팟은 가스함유량이 높고 수압파쇄 유망성이 확보된 곳으로서, 플레이(play) 또는 저류층 내 최대 생산량 또는 생산량의 잠재성이 높은 지역 또는 위치를 의미한다. 스윗 스팟 개념이 셰일광구 개발에 적용되기 전에는 대부분 광구 전체를 개발하는 일괄 개발 방식이었으나, 비전통 자원의 생산성이 저류층의 지질, 지화학 및 암석역학적 특성에 기인한다는 사실을 발견한 이후로는 셰일광구 개발에 스윗 스팟 개념을 적용하는 사례가 늘고 있다.

셰일 저류층의 스윗 스팟 예측 기술에서, 코어분석, 시추공 및 탄성파 자료를 활용하여 광구에 적합한 가스 함량(reservoir quality), 파쇄 효율(completion quality) 요소를 선정하여 유망성을 분석한다. 가스 함량은 저류층의 유망성을 지시하는 석유물리학 관점의 탄화수소 물성들에 의하여 정의되며, 공극률, 가스포화율, 투수율, 총 유기 탄소함유량(TOC), 두께, 열적성숙도 등이 포함된다. 파쇄 효율은 수압파쇄의 생성, 전파, 억제와 프로판트의 균열 내 안착 및 균열 개방상태 유지에 유리한 환경을 의미하는 암석역학적 특성으로 정의되며, 취성도, 폐쇄응력, 자연균열, 응력장, 공극압력, 영률, 프와송 비, 비압축률, 강성률 등이 포함된다.

자원 개발 사업은 개발자금 조달, 현장 인프라와 인력 조달, 석유 가스 가격 등 다양한 요인에 의하여 사업 개발 시 높은 불확실성을 가진다. 따라서, 원활한 사업의 진행을 위해서는, 사업의 경제성 확보가 요구된다. 보통 사업의 경제성은 탄화수소의 생산성에 좌우되며 셰일가스 광구 개발의 사업성 확보를 위해서는 셰일가스가 최대로 생산 가능한 지역을 예측하는 탐사 기술이 요구된다.

본 발명에 따른 셰일가스 저류층의 스윗 스팟(sweet spot)을 도출하는 방법에 있어서:

개별 모델을 구축하는 단계(S100);

상기 개별 모델로부터 통합 모델을 구축하여 스윗 스팟을 예측하는 단계(S200);

상기 예측된 스윗 스팟을 검증하는 단계(S300); 및

검증 결과를 기초로 셰일 저류층의 스윗 스팟을 최종적으로 결정하는 단계(S400)를 포함한다.

본 발명에 의하여, 셰일가스가 최대로 생산될 수 있는 지역(스윗 스팟; sweet spot)을 예측할 수 있으며, 셰일가스 광구 개발의 사업성 확보를 위한 탐사를 할 수 있는 장점이 있다.

도 1은 본 발명에 따른 셰일가스 저류층의 스윗 스팟(sweet spot)을 도출하는 방법의 개략적인 흐름도이다.
도 2는 본 발명에 따른 층서 구조 모델의 예시이다.
도 3 및 4는 본 발명에 따른 가스함량 모델의 예시이다.
도 5 내지 7은 본 발명에 따른 파쇄효율 모델의 예시이다.
도 8은 본 발명에 따른 물성 모델의 예시이다.
도 9 및 10은 본 발명에 따른 자연 균열 모델의 예시이다.
도 11은 본 발명에 따른 물성 모델에 자연 균열 모델을 통합하여 구축된 통합 모델을 예시적으로 보여준다.
도 12는 본 발명에 따른 통합모델 중 파쇄효율 요소인 취성도 모델의 검증 예시이다.

이하, 본 발명의 일 실시예에 따른 셰일 저류층의 스윗 스팟 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.

또한, 도면 부호에 관계없이 동일하거나 대응되는 구성요소는 동일한 참조번호를 부여하고 이에 대한 중복 설명은 생략하기로 하며, 설명의 편의를 위하여 도시된 각 구성 부재의 크기 및 형상은 과장되거나 축소될 수 있다.

본 발명에 따른, 셰일 저류층의 스윗 스팟 예측 방법은 크게, 개별 모델 구축 단계(S100), 개별 모델로부터 통합 모델 구축하여 스윗 스팟을 예측하는 단계(S200), 예측된 스윗 스팟을 검증하는 단계(S300), 및 검증 결과를 기초로 셰일 저류층의 스윗 스팟을 최종적으로 결정하는 단계(S400)로 이루어진다.

개별 모델 구축 단계(S100)는 층서 구조 모델 구축 단계(S110), 암상 모델 구축 단계(S120), 물성 모델 구축 단계(S130), 자연 균열 모델 구축 단계(S140)를 포함한다.

먼저, 층서 구조 모델 구축 단계(S110)를 수행한다. 층서 구조 모델 구축 단계(S110)는 층서 구조 모델은 과거에 어떻게 퇴적이 되었고, 그 지각적 특성이 어떻게 변화하는지 시대적인 구분을 하기 위한 단계이다. 즉, 시대적인 구분을 통하여 지층의 경계를 규명하기 위한 단계이다. 이를 위하여 현장에서 자료를 취득하는 방식에 관하여 크게 두 가지를 거치게 된다. 하나는, 직접 탐사법으로, 시추공을 통하여 시추를 하여 시추공 공벽을 스캔하여 얻은 결과를 분석을 하는 시추공 분석법이다. 다른 하나는, 간접 탐사법으로, 지표에서 신호를 지하로 보내어 해당 층에서 반사되는 파를 송신받아 측정하는 탄성파 탐사법이다.

정리하면, 특정 위치에서 시추공으로 획득한 자료를 바탕으로 시대를 구분하고, 시추공으로 획득한 자료는 특정 위치에 관한 정보만을 담고 있기 때문에, 탄성파 탐사를 통하여 획득한 자료를 연결하여, 지층의 구조적인 프레임을 파악하여 지층의 구조를 모델링한다.

이 때, 각 지층 전체에 걸쳐, 예를 들면 100km² 전체에 걸쳐 물성이 동일하지는 않으므로, 층서 구조 모델에서 얻어진 지층에 대하여 격자화를 수행하여, 각 격자에 대하여 물성을 입력할 수 있게 된다.

층서 구조 모델 구축 단계(S110)에서는 예를 들면, 지질 모델링 소프트웨어인 Petrel(Schlumberger 社)을 사용하여 층서 구조 모델을 구축할 수 있고, 도 2에서는 층서 구조 모델 구축 단계(S110)에서 구축되는 층서 구조를 예시적으로 도시한다. “Top”, “badheart”, … “top_Upper_montney”, “top_lower_montney”, …”Base”로 도시된 부분들은 각 지층들을 구분하여 나타낸 것이다. 또한, 상술한 바와 같이, 이러한 각 지층에 대하여 격자화하여, 해당 격자에 물성(property) 정보를 입력한다. 입력되는 물성 정보로서는, 예를 들면, 취성도(BI), 폐쇄 응력(CSS), 밀도(density), P-임피던스(P-impedence), S-임피던스(S-impedence) 정보 등이 있다.

다음, 암상 모델 구축 단계(S120)를 수행한다. 단계 S110에서 얻어진 층서 구조 모델에 대하여, 탄성파와 시추공 암석 정보를 이용하여 공간적인 암석정보를 예측한다. 공간적인 암석 정보로서는 예를 들면, 고함량 규산질(more siliceous), 규산질(siliceous), 점토질(argillaceous), 탄소질(carbonaceous), 혼합(Mixed) 등이 있다.

탄성파 자료로부터 다양한 지질 특성을 유추해낼 수 있다. 이렇게 탄성파 자료로부터 얻어지는 정보와 시추공 자료를 조합하여, 모델링을 하여 3차원적으로, 암석 분포가 가시화되게 된다. 이를 위하여, 시추공 물리검층에서 계산된 임피던스, 탄성학적 정보(영률, 프와송비, 비압축률, 강성률, 등), 암석정보와 탄성파 역산에서 도출된 3차원 임피던스와 탄성학적 정보가 필요하다. 분석 절차는 시추공의 임피던스와 탄성학적 정보의 대비도표(crossplot)에 암석정보를 도시하여 각각의 암석이 어떠한 분포를 가지는지 분석한 후, 각 암석의 확률밀도함수(probability density function)를 선정한다. 그리고, 탄성파 역산에서 도출된 임피던스와 탄성학적 정보를 시추공에서 계산된 각 암석의 확률분포에 연계하여 3차원 암석 분포를 얻을 수 있다.

다음, 물성 모델 구축 단계(S130)를 수행한다. 물성 모델 구축 단계(S130)는 크게 가스함량(Reservoir Quality: RQ) 모델을 구축하는 단계(S131)와 파쇄효율(Completion Quality: CQ) 모델을 구축하는 단계(S132)를 포함한다. 가스함량 모델을 구축하는 단계(S131)와 파쇄효율 모델을 구축하는 단계(S132)는, 둘 중 어느 하나가 먼저 수행되어도 무방하고, 아니면 동시에 수행될 수도 있다.

첫째로, 물성 모델 구축 단계(S130)는 가스함량 모델을 구축하는 단계(S131)를 포함한다. 가스함량 모델을 구축하는 단계(S131)에서는, 가스함유량과 연관이 있는 총유기탄소함량(TOC, Total Organic Carbon), 가스포화율, 공극률 및 투수율 4가지 요소를 아래와 같이 주요 저류층별로 구분하여 개별적으로 모델을 구축한 다음, 4가지 요소를 통합한다. 이 때, RQ 인자 예측에 활용된 탄성파 속성으로는, 진폭, 주파수, 주파수필터, 위상, 지층밀도, MuRho, 영률, 균열밀도, Vp/Vs Ratio, 공극률(투수율 예측시 활용)이 있다.

먼저, 개별 요소로서, 총유기탄소함량(TOC, Total Organic Carbon) 모델을 구축하는 단계(S131-1)는 다음과 같다. 셰일가스 광구는 전통적인 유·가스전 광구와는 달리 근원암과 저류암이 동일하기 때문에 총유기탄소 함량이 저류층의 가스함유량과 상관도가 높으며, 저류층의 유기물 탄화수소 양을 파악하기 위해서는 코어자료를 활용하여 분석하여야 한다. 총유기탄소함량(TOC) 예측을 위한 기법으로는 크게 세가지의 기법이 있다. 첫번째 방식으로, 코어시료 실험에서 측정된 코어 총 유기물 탄소함유량과 비저항 검층의 상관성을 이용하여 총 유기물 탄소함유량을 계산한다. 두번째 방식으로, 코어시료 실험에서 측정된 총 유기물 탄소함유량과 중성자-밀도 검층 차이에 대한 상관성을 이용하여 총 유기물 탄소함유량을 계산한다. 세번째 방식으로, Passey et al. (1990)이 제안한 음향검층과 비저항검층간의 차이를 총유기탄소함량으로 환산하는 ?log? 방식으로, 비저항 검층(resistivity log), 음향 검층(sonic log), 열적성숙도(LOM: level of maturity) 변수들을 이용하여 시추공의 총유기탄소함량을 계산한다. 이를 코어에서 측정된 총유기탄소함량으로 검증할 수 있고, 공간적 가시화로 RQ 탄성파 속성들과 학습을 수행하는 인공신경망 기법을 적용하여 총유기탄소함량 예측오차를 최소화할 수 있다.

다음, 개별 요소로서, 가스포화율(Gas Saturation) 모델을 구축하는 단계(S131-2)는 다음과 같다. Waxman-smits 식(Waxman and Smits, 1968)을 이용하여 시추공별로 가스포화율을 계산하고 코어자료로 검증한 후, 가스포화율 예측오차를 최소화하는 RQ 탄성파 속성들과 학습을 수행하는 인공신경망 기법을 적용하여 가스포화율을 공간적으로 가시화한다. 가스포화율은 수포화율과 역관계에 있으므로, 수포화율이 낮은 지역이 가스포화율과 가스함유량이 높게 나타난다.

다음, 개별 요소로서, 공극률(Porosity) 모델을 구축하는 단계(S131-3)는 다음과 같다. 밀도(bulk density)에서 계산된 공극률을 코어에서 측정된 공극률로 검증한 후, RQ 탄성파 속성들과 다속성 선형회귀기법의 학습을 통해 공극률 예측오차를 최소화한 후 공간적으로 가시화한다. 공극률이 높은 곳이 가스를 많이 함유할 수 있는 공간을 제공할 수 있기 때문에, 공극률이 높은 곳이 가스함유량이 높게 나타난다.

다음, 개별 요소로서, 투수율(Permeability) 모델을 구축하는 단계(S131-4)는 다음과 같다. 코어의 공극율과 투수율간의 관계식을 도출하고, 코어가 존재하지 않는 다른 시추공에 적용하여 투수율을 예측하였다. 투수율의 공간적 가시화에는 RQ 탄성파 속성들과 각 시추공에서 계산된 투수율을 바탕으로 학습을 수행하고 투수율 예측오차를 최소화하는 인공신경망 기법이 활용된다. 모델링에서 도출된 투수율은 공극률과 매우 유사한 경향을 보였다. 이러한 현상은 코어 실험에서 도출된 공극률-투수율간의 선형 관계, 즉 공극률이 양호한 지역에서 투수율도 양호하게 나타나는 특성과 유사하다.

다음, 상기 4가지의 개별 요소(즉, 총유기탄소함량(TOC, Total Organic Carbon), 가스포화율, 공극률 및 투수율)별로 가스 생산성이 높은 곳을 선정하기 위한 분석을 위하여 상술한 바와 같이 개별 요소를 구축한 후, 어느 개별 요소가 가스 생산성과 가장 높은 상관성이 있는지를 파악하기 위해서, 상기 단계 S131-1 내지 S131-4에서 얻어지는 4가지 요소를 통합하여 가스함량 모델을 구축하는 단계(S131-5)를 수행한다. 우선, 4가지 요소를 각 요소별로 정규화한다.

우선적으로는 개별적인 요소에 가중치를 부여한 결과와의 비교를 위하여 4개 요소에 동일하게 25%씩의 가중치를 부여하여 가스함량 모델을 구축할 수 있다(도 3 참조).

또는, 가중치를 달리하여 통합 모델을 구축한 후 생산 자료와의 일치성 여부를 파악하기 위하여, 4가지 요소 별로 다른 가중치를 부여하여 분석할 수도 있다. 예를 들어, 셰일가스는 전통가스전 광구와 달리 근원암에서 가스가 생성 된 후 저류층 내에 존재하고 있기 때문에 TOC에 40%의 가중치를 부여하고, 나머지 3개의 요소에는 20%씩의 가중치를 부여할 수 있다(도 4 참조).

둘째로, 물성 모델 구축 단계(S130)는 파쇄효율 모델을 구축하는 단계(S132)를 포함한다. 우선, 셰일가스 광구를 개발하여 가스를 생산하기 위해서는 전통적인 가스전 광구와는 달리 저류층의 가스 유동경로를 확장시키기 위하여 수압파쇄를 수행해야 하므로(Kim et al., 2014), 수압파쇄 효율이 양호한 곳을 파악하기 위해서는 저류층에 수압을 가했을 때에 파쇄의 전파범위가 넓고 파쇄가 된 이후에도 확보된 유동경로가 오랜 시간동안 유지될 수 있는 조건들을 만족하는 구간을 찾아야 한다. 이를 위해서, CQ 모델을 구축하는 단계(S132)에서는, 저류층 수압파쇄와 연관된 암석역학 특성 중 취성도, 자연균열대 밀도, 공극압력 세 가지 요소를 해당광구 분석에 활용한다. 코어, 물리검층, 탄성파 속성을 기반으로 다속성 선형회귀 기법과 확률론적 인공신경망 기법을 활용하여 3차원 모델링을 수행한다. 수압파쇄와 연관이 있는 3가지 인자에 대하여 아래와 같이 주요 저류층별로 구분하여 RQ(Reservoir Quality)와 동일한 방법으로 우선 개별적으로 모델을 구축한 다음, CQ 통합 모델을 구축한다. CQ 인자 예측에 활용된 탄성파 속성으로는, 진폭, 주파수, 주파수필터, 미분연산자(Derivative), 위상, 지층밀도, 프와송비, P-impedance, 균열밀도, 투수율(공극압력 예측시 활용)이 있다.

먼저, 개별 요소로서, 취성도(Brittleness Index) 모델을 구축하는 단계(S132-1)는 다음과 같다. 취성도 모델링은 종파(p-sonic)과 횡파(s-sonic) 음향 검층을 이용하여 프와송비(poisson's ratio)와 영률(young's modulus)을 도출하고 두 인자를 조합하여 계산한다. 공간적 가시화는 시추공 취성도와 CQ 탄성파 속성들과의 학습을 수행하여 취성도 예측오차를 최소화하는 다속성 선형회귀 기법을 적용하여 이루어졌다. 해당 셰일가스 광구는 코어분석결과, 이암(Mudstone), 석영(Quartz)과 탄산염암(Carbonate) 성분이 주를 이루고 있으므로, 석영 및 탄산염암이 많이 있는 곳을 선정할 필요가 있으며 특히 이암중에서도 수압파쇄 후 수분을 흡수하여 가스유동경로를 차단시키는 녹점토(Smectite) 성분이 적은 곳을 선정한다.

다음, 개별 요소로서, 자연균열대 밀도(Natural Fracture Intensity) 모델을 구축하는 단계(S132-2)는 다음과 같다. 자연균열대(Natural Fracture)는 수압파쇄시 가스의 유동경로를 확장시켜줌으로써 가스생산성에 도움을 주므로 자연균열대가 많이 분포한 곳을 선정할 필요성이 있다(Taylor et al., 2013). 그리고, 균열밀도가 단일방향으로 분포하기 보다는 유기적으로 연결되면서 다각도로 분포하는게 수압파쇄 효율성을 증진시키는데 도움이 된다(Sayers and Le Calvez, 2010). 자연균열대 밀도 모델을 구축하는 단계에서, 방향각별 속도차이에 의한 이방성 정도를 자연균열의 밀도로 산정할 수 있다.

다음, 개별 요소로서, 공극압력(Pore Pressure) 모델을 구축하는 단계(S132-3)는 다음과 같다. 수압파쇄 시 또 하나 중요한 요인은 공극압력이다. 공극압력이 높은 곳일수록 수압파쇄 후에 가스가 지상으로 이동할 수 있는 에너지가 강하므로 공극압력이 높은 곳이 가스생산성이 높다. 공극압력(Pore Pressure) 모델을 구축하는 단계는 Eaton(1972, 1975)이 제시한 음향검층(p-sonic)을 활용한 공극압력 예측법을 이용하여 시추공의 공극압력을 계산하여, 공극압력을 공간적으로 가시화할 수 있다. 공극압력 예측법으로서, 구체적으로, 먼저, 저류층 상부에 측정되지 않은 밀도자료를 외삽(extrapolation) 기법을 통해 연결한다. 다음, 정수압력(hydrostatic pressure)과 overburden 압력을 계산한다. 다음, 음향검층 자료를 이용하여 공급압력 계산에 사용되는 기준선(baseline)을 정한다. 다음, 계산된 공극압력이 정수압력과 하중 압력범위 내에서 변동하는지 여부를 확인한다. 다음, 예측된 공극압력을 시추공 DFIT 압력 자료와 비교하는 과정을 추가적으로 수행할 수 있다.

다음, 상기 3가지의 개별 요소(즉, 취성도, 자연균열대 밀도, 공극압력)별로 수압파쇄 효율성이 높은 곳을 선정하기 위한 분석을 위하여 상술한 바와 같이 개별 요소를 구축한 후, 어느 개별 요소가 수압파쇄와 상관성이 높은지를 파악하기 위해서, 상기 단계 S132-1 내지 S132-3에서 얻어지는 3가지 요소를 통합하여 CQ 모델을 구축하는 단계(S131-4)를 수행한다. 우선, 3가지 요소를 각 요소별로 정규화한다. 각 요소들의 정규화는 히스토그램에서 1% 이상의 비율을 차지하는 최대값(평균)을 기준으로 이루어지고, 값의 범위는 최소 0이고 최대 1이다. 이러한 과정을 거치는 이유는 통합모델 구축 후에 각 물성들의 가중치 비교 및 스윗 스팟 선정을 위한 정량화 작업이 용이하기 때문이다.

3가지 요소를 정규화한 후에 RQ 분석의 경우와 마찬가지로, 개별적인 요소에 가중치를 부여하지 않고 3개 요소에 동일하게 33%씩의 가중치를 동일하게 부여하여 파쇄효율 모델을 구축할 수 있다(도 5 참조).

또한, 3개 요소 별로 다른 가중치를 부여하여 분석할 수 있다. 예를 들어, 3개 개별 요소 모델에서 얻어진 맵에 미소지진(Microseismic)을 도시하고 각 요소 값 증감과 미소지진 발달 분포/방향과 일치 정도를 고려하여(도 6 참조), 취성도는 가중치 50%, 자연균열 밀도는 가중치 30%, 공극압력은 가중치 20%를 부여할 수 있다(도 7). 미소지진 이벤트는 파쇄효율(CQ) 요소들의 특성에 따라 발생된 결과물이므로 CQ 요소에 따른 영향 특성을 파악할 수 있다. 취성도(BI)가 높은 값을 보이는 지역에서 미소지진 이벤트들이 많이 나타나며 낮은 값을 보이는 지역에서는 미소지진 이벤트들의 발생수가 적게 나타난다. 미소지진 이벤트들은 취성도와 높은 상관성을, 자연균열밀도와 보통의 상관성을, 공극압력(PP)과는 낮은 상관성을 보인다. 따라서, 상술한 바와 같이, 취성도는 가중치 50%, 자연균열 밀도는 가중치 30%, 공극압력은 가중치 20%를 부여하여 CQ 모델을 구축할 수도 있다.

예를 들어, 도 5과 도 7을 참조하면, 가중치를 부여한 경우에는 A층이 B층에 비해 양호하며, 가중치를 미부여 한 경우에는 B층이 A층에 비해 양호한 것으로 나타난다. 반면에 C층의 양호성은 동일하게 나타난다.

가스함량 모델 및 파쇄효율 모델을 통합하여 물성 모델을 구축하는 단계(S133)를 수행한다. 가스함유량이 높으면서 수압파쇄 효율이 동시에 양호한 곳을 선정하기 위하여 물성 모델을 구축한다(도 8 참조). 구체적으로, 상술한 바와 같이, 가스함량 모델은 총 유기물 탄소함유량, 공극률, 가스포화율, 투수율을 포함하며, 각 요소에 동일한 가중치를 부여한 후 통합한다. 또한, CQ 모델은 취성도, 자연균열밀도, 공급압력을 포함하며, 미소지진 이벤트 자료에 기반하여 각 요소에 다른 가중치를 부여하고 통합한다.

예를 들어, 물성모델 구축 시 RQ 및 CQ 개별 요소에서 분석한 결과를 바탕으로 가스함유량과 관련된 RQ모델에는 가중치를 부여하지 않은 4가지 요소를(TOC 25% + 가스함량 25% + 공극률 25% + 투수율 25%), 수압파쇄 효율성과 관련된 CQ모델에는 가중치를 부여한 3가지 요소를(취성도 50% + 자연균열대 밀도 30% + 공극압력 20%) 활용한다.

다음, 4개의 물성요소를 포함하는 가스함량과 3개의 물성요소를 포함하는 파쇄효율 통합에는 가스함량 모델과 파쇄효율 모델이 동일비율의 가중치(50%)를 적용하여 통합(합산)한다.

또는, 가스함량 모델과 파쇄효율 모델에 각각 상이한 가중치를 부여하여 통합(합산)할 수도 있다. 예를 들면, 가스함량 모델에 60%의 가중치를, 파쇄효율 모델에 40%의 가중치를 부여할 수 있다. 또는 가스함량 모델에 40%의 가중치를, 파쇄효율 모델에 60%의 가중치를 부여할 수 있다. 이러한 가중치 부여방식은 가스함량 및 파쇄효율 모델이 생산성에 미치는 영향을 파악하기 쉽다. 즉, 셰일가스의 생산성이 2개 인자(가스함량, 파쇄효율) 중 어떤 인자에 더 많은 영향을 받는지 가늠해 볼 수 있다. 예를 들어, 캐나다 혼리버(Hornriver) 분지 키위가나(kiwigana) 광구는 파쇄효율이 가스함량에 비해 생산성에 영향을 더 주는 것으로 확인되었다.

다음, 자연 균열 모델을 구축하는 단계(S140)를 수행한다. 우선, 자연 균열 모델을 구축하기 위해서는, 시추공 자료도 있어야 하고, 탄성파 자료도 있어야 한다. 그래야 3차원 분포를 예측할 수 있다. 탄성파 자료를 크게 분류하면, 지하의 구조자체가 볼록하게 나타나는데, 그러한 곡률(curvature, 볼록함의 정도)를 가지고 어느 정도 균열이 나타난다라고 할 수 있다. 방향각(방위각) 자료로서는, 위에서 지표를 360도 전체로 바라봤을 때의 탄성파를 취득할 수 있다. 취득한 방향별로 신호가 전파(반사)되어 나오면, 방향각 별로 예를 들어, 45도, 145도와 같이 탄성파에서 보여지는 진폭의 차이가 생기는데, 이는 균열에 의하여 그러한 진폭의 차이가 생기는 것이다. 또한, 속도에도 차이가 발생하는데, 균열이 많게 되면, 신호가 전파되는 방향과 균열의 방향이 수직(orthogonal)이면, 속도가 느려진다. 반대로, 속도와 균열의 방향이 같으면, 속도가 훨씬 빨라진다. 속도가 느린 것과 빠른 것의 차이를 통하여 균열이 많이 분포된 것인지 적게 분포된 것인지 확인할 수 있다. 이러한 탄성파 자료와 함께, 시추공 자료도 같이 자연 모델 구축에 활용하게 되는데, 시추공의 인입으로 나온 자료(즉, 시추공에 기기를 넣어 벽을 스캔하여 영상화한 자료)를 보고 균열이 어떠한 방향으로 있는지를 해석한다. 균열의 방향, 크기(가로와 세로 크기), 높이와 폭, 유체가 흘러갈 때 유체의 점성도, 유동의 두께 등을 입력하여 균열들을 도시하고, 이를 층서 구조 모델의 각 격자에 대응시켜 준다. 그에 따라, 각 격자별로, 균열에 대한 정보가 표시된다. 즉, 자연 균열 모델을 획득하게 된다.

다시 말하면, 자연 균열 모델 구축 시에 지하에 존재하는 자연 균열의 밀도, 방향, 등에 대한 특성은 OBMI 또는 FMI 검층을 통해 측정된다. 이를 통하여 취득된 이미지 검층 정보를 활용하여 자연 균열 모델을 구축할 수 있다.

한편, 자연 균열 검층은 보통 측정 비용, 활용도 등에 의하여 소수의 시추공에서만 이루어지며, 검층이 이루어진 지역에서 자연 균열의 존재를 가정하기가 쉽지 않다. 이러한 이유로 탄성파 자료에서 자연 균열과 연계된 탄성파 속성을 추출하여 공간적인 모델링에 활용할 수도 있다. 탄성파 속성으로는 예를 들면, 곡률(curvature), 일관성(coherence), 불연속성(discontinuity), 방향각(azimuth; VVAZ/AVAZ)이 있다. 이러한 탄성파 속성 중에서, 탄성파 방향각(azimuth) 속도 차이를 이용하여 예측되는 자연 균열 분포 모델을 구축하는 경우에 있어서, 자연 균열 모델 구축을 위한 파라미터로는 균열 형태(shape), 균열 길이(length), 평균 경사(mean dip), 평균 경사 방향각(mean dip azimuth), 균열 분포 집중도(concentration), 균열 두께(aperture), 균열 투수율(permeability) 등이 있다. 균열의 형태는 면이 4개, 가로와 세로의 길이가 절반의 비율을 가진다고 가정한다. 균열의 길이는 공간적 가이딩으로 활용된 탄성파 속성에서 감지되는 길이(예를 들어, 최소 40ft, 최대 2000ft)를 사용한다. 평균경사 및 평균 경사 방향각은 피셔 모델(Fisher model)을 사용하고, 예를 들어 OBMI 검층에서 얻은 35.5°, 315°/45°를 입력하고, 균열의 분포집중도는 약 70°를 사용할 수 있다. 균열의 두께는 예를 들어 0 내지 0.005ft의 범위에서 평균 0.000075ft, 표준편차 0.0000015ft의 log-normal 함수 형태를 따르는 것으로 가정할 수 있다. 균열 투수율은 균열의 두께와 투수율이 상관성을 갖는다는 cubic-law를 따르는 것으로 할 수 있다. 도 9 및 도 10은 그에 따른, 자연 균열 모델의 예시를 보여준다. 도 9는 상기 균열 모델링 파라미터들과 VVAZ 역산을 통해 예측된 315°, 45°방향의 자연균열 밀도를 이용하여 구축된 A, B, C 지층을 포함하는 자연 균열 모델 결과를 예시적으로 도시한다. 도 10의 균열 모델링 변수 설정과 곡률(curvature) 탄성파 속성을 활용하여 구축된 모델 결과를 예시적으로 보여준다. 구축된 모델에서 A 지층이 자연균열의 수가 가장 많고, B, C 지층은 자연균열의 수가 점차적으로 감소하는 것임을 알 수 있다.

다음, 개별 모델로부터 통합 모델을 구축하여 스윗 스팟을 예측하는 단계(S200)를 수행한다. 우선, 이전 단계인 물성 모델 구축 단계(S130)에서 도출된 가스함량 모델과 파쇄효율 모델의 값들은 상술한 바와 같이 정규화가 이루어진 값이다. 각 요소들은 히스토그램에서 1% 이상의 비율을 차지하는 최대값(평균)을 기준으로 이루어지고, 값의 범위는 최소 0이고 최대 1로 정규화된 값이다. 이는, 통합모델 구축 후에 각 물성들의 가중치 비교 및 스윗 스팟 선정을 위한 정량화 작업이 용이하기 때문이다.

개별 모델로부터 통합 모델을 구축하여 스윗 스팟을 예측하는 단계(S200)는 물성 모델에 자연 균열 모델을 통합하여 통합 모델을 구축하는 단계(S210)를 포함한다. 물성 모델을 구축하는 단계(S130)에서 얻어진 3차원 상의 물성 모델과 자연 균열 모델(S140)에서 얻어진 3차원 상의 자연 균열 모델을 합쳐서 통합 모델을 구축한다. 도 11은 물성 모델에 자연 균열 모델을 통합하여 구축된 통합 모델을 예시적으로 보여준다.

다음, 통합 모델로부터 스윗 스팟을 예측하는 단계(S220)를 수행한다. 구체적으로는, 통합 모델을 구축하는 단계(S210)에서 정량화된 물성결과를 바탕으로 값이 가장 높은 영역이 선정되는데, 셰일가스 저류층 유망성은 저류층별로 모델의 평균값을 비교하여 순위를 산정하며 광구 내 지역적 유망성은 저류층별 평균 맵(map)을 이용하여 높은 값을 도시하는 영역을 선정한다. 이 때, 앞서 구축된 자연균열 모델은 자연균열 밀도요소로 포함되어 스윗 스팟 평가에 부분적으로 활용되며, 저류층의 유동 시뮬레이션과 수압파쇄 시뮬레이션에서 유동경로(flow path)를 제공하는 필수 인자로 적용되어 셰일가스 생산량 예측과 궁극가채매장량(EUR; estimated ultimate recovery) 산정에 활용된다.

다음, 예측된 스윗 스팟을 검증하는 단계(S300)를 수행한다. 예측된 스윗 스팟을 검증하는 단계(S300)는 예측된 스윗 스팟에 대하여 시뮬레이션으로 예측되는 생산량과 실제 생산량을 비교하는 단계(S310)를 포함한다. 통합모델에 대한 적합성 여부를 판단하기 위해서는, 각 지역(패드) 및 저류층 구간별 생산 자료와의 일치성 여부를 시행한다. 예를 들어, 예측된 스윗 스팟에 대하여 GEM, Eclipse 등의 시뮬레이션으로 예를 들어 90일간의 생산량을 예측하고, 실제 초기 90일간의 생산 자료를 활용하여 생산성과 통합모델과의 일치성 여부를 분석할 수 있다. 또한, 예측된 스윗 스팟을 검증하는 단계(S300)는 통합모델 내 파쇄효율 요소인 취성도 모델을 X선 형광분석(XRF) 자료를 통해 검증하는 단계(S320)를 포함한다. 즉, 생산성을 통한 통합모델 검증 외에도 통합모델의 파쇄효율 (Completion Quality; CQ) 모델은 취득된 암편 기반의 X선 형광분석(XRF) 자료를 통해 검증이 가능하다. 부연하면, 스윗 스팟의 검증은 소정기간 동안의 실제 생산량과 예측 생산량의 비교를 통해서 가능한 것이고, 시추공에서 취득된 코어 기반의 X선 형광분석(XRF) 자료는 통합모델의 파쇄효율 모델인 취성도 단일 모델을 검증하는 것이다. 즉, 도출된 스윗 스팟을 대상으로 시추 후 셰일가스 저류층의 취득된 코어 시편을 이용하여 X선 형광분석이 이루어지고, 여기에서 측정된 취성도 값을 취성도 모델 값과 비교하는 것이다. 즉, 스윗 스팟 지역의 시추 결과(코어 시편)에서 얻은 결과를 모델과 비교하는 방식이다. 물리검층에서 계산된 물성(공극률, TOC, 취성도 등)보다 코어 시편에서 실험을 통해 측정된 물성(공극률, TOC, 취성도 등)이 정확하고 신뢰도가 높다.

도 12는 본 발명에 따른 통합모델 중 파쇄효율 요소인 취성도 모델의 검증 예시로서, 통합모델 중 파쇄효율(CQ) 모델을 취득된 암편을 기반으로 X선 형광분석 (XRF)을 수행하여 얻은 영률과 프와송 비를 취성도로 변환하여 파쇄효율 모델의 취성도와 비교한 예시이다.

다음, 검증 결과를 기초로 셰일 저류층의 스윗 스팟을 최종적으로 결정하는 단계(S400)로 이루어진다. 단계 S300에서 해당 스윗 스팟에서의 시뮬레이션으로 예측되는 소정 기간 동안의 생산량과 실제 초기 소정 기간 동안의 생산량의 차이가 유효 범위 이내이면, 해당 스윗 스팟을 최종적으로 확정한다. 본 단계에서는 자연균열의 부존특성에 해당하는 균열 형태(shape), 균열 길이(length), 평균 경사(mean dip), 평균 경사 방향각(mean dip azimuth), 균열 분포 집중도(concentration), 균열 두께(aperture), 균열 투수율(permeability)이 셰일가스의 유동성에 직접적인 영향을 미치므로 수압파쇄에서 생성된 인공균열을 동시에 고려하여 생산성에 대한 평가가 이루어진다. 균열 형태(shape), 균열 길이(length), 평균 경사(mean dip), 평균 경사 방향각(mean dip azimuth), 균열 분포 집중도(concentration), 균열 두께(aperture), 균열 투수율(permeability) 값의 조정을 통해 시뮬레이션 예측 생산량과 실제 생산량의 차이를 보정한다.

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: 개별 모델을 구축하는 단계
S200: 상기 개별 모델로부터 통합 모델을 구축하여 스윗 스팟을 예측하는 단계
S300: 상기 예측된 스윗 스팟을 검증하는 단계
S400: 검증 결과를 기초로 셰일 저류층의 스윗 스팟을 최종적으로 결정하는 단계

Claims

셰일가스 저류층의 스윗 스팟(sweet spot)을 도출하는 방법에 있어서:
개별 모델을 구축하는 단계(S100);
상기 개별 모델로부터 통합 모델을 구축하여 스윗 스팟을 예측하는 단계(S200);
상기 예측된 스윗 스팟을 검증하는 단계(S300); 및
검증 결과를 기초로 셰일 저류층의 스윗 스팟을 최종적으로 결정하는 단계(S400)를 포함하고,
상기 개별 모델을 구축하는 단계(S100)는 층서 구조 모델을 구축하는 단계(S110), 암상 모델을 구축하는 단계(S120), 물성 모델을 구축하는 단계(S130) 및 자연 균열 모델을 구축하는 단계(S140)를 포함하며,
상기 층서 구조 모델을 구축하는 단계는 시추공을 통하여 시추를 하여 시추공 공벽을 스캔하여 얻은 결과를 분석하는 시추공 분석 단계와, 지표에서 신호를 지하로 보내어 해당 층에서 반사되는 파를 송신받아 측정하는 탄성파 탐사 단계와, 지층에 대하여 격자화하는 격자화 단계를 포함하고,
상기 자연 균열 모델을 구축하는 단계(S140)에서 탄성파의 방향각에 따른 탄성파의 진폭의 차이 및 탄성파의 속도의 차이에 대한 정보인 탄성파 자료 및 시추공의 공벽을 스캔하여 영상화한 시추공 자료를 근거로 자연 균열 정보가 도출되며,
상기 자연 균열 모델을 구축하는 단계(S140)에서 상기 탄성파의 방향각에 따른 탄성파의 속도의 차이를 근거로 상기 자연 균열 정보 중 균열 형태(shape), 균열 길이(length), 평균 경사(mean dip), 평균 경사 방향각(mean dip azimuth), 균열 분포 집중도(concentration), 균열 두께(aperture), 및 균열 수율(permeability)의 파라미터가 도출되고,
상기 자연 균열 모델을 구축하는 단계(S140)에서 상기 층서 구조 모델의 각 격자에 상기 자연 균열 정보가 대응되어 상기 자연 균열 모델이 구축되는, 스윗 스팟 도출 방법.
삭제
제 1 항에 있어서,
상기 개별 모델로부터 통합 모델을 구축하여 스윗 스팟을 예측하는 단계(S200)는:
상기 층서 구조 모델 및 상기 암상 모델을 기초로, 상기 물성 모델에 상기 자연 균열 모델을 통합하여 통합 모델을 구축하는 단계(S210); 및
상기 통합 모델로부터 스윗 스팟을 예측하는 단계(S220)를 포함하는, 스윗 스팟 도출 방법.
삭제
제 3 항에 있어서,
상기 암상 모델을 구축하는 단계(S120)는, 상기 층서 구조 모델에 대하여, 탄성파와 시추공 암석 정보를 이용하여 공간적인 암석정보를 예측하는 것이고, 상기 공간적인 암석 정보는 고함량 규산질(more siliceous), 점토질(argillaceous), 혼합(mixed) 및 탄소질(carbonaceous)을 포함하는 것인, 스윗 스팟 도출 방법.
제 1 항에 있어서,
상기 물성 모델을 구축하는 단계(S130)는:
총유기탄소함량(TOC, Total Organic Carbon), 가스포화율, 공극률 및 투수율 값을 각각 정규화한 후 통합하여 가스함량 모델을 구축하는 단계(S131);
취성도, 자연균열 밀도, 및 공극압력 값을 각각 정규화한 후 통합하여 파쇄효율 모델을 구축하는 단계(S132); 및
상기 가스함량 모델 및 상기 파쇄효율 모델을 통합하는 단계를 포함하는, 스윗 스팟 도출 방법.
제 6 항에 있어서,
총유기탄소함량(TOC, Total Organic Carbon), 가스포화율, 공극률 및 투수율 각각에 동일한 가중치가 부여되는, 스윗 스팟 도출 방법.
제 6 항에 있어서,
총유기탄소함량(TOC, Total Organic Carbon), 가스포화율, 공극률 및 투수율 각각에 상이한 가중치가 부여되는, 스윗 스팟 도출 방법.
제 6 항에 있어서,
취성도, 자연균열 밀도, 및 공극압력 각각에 동일한 가중치가 부여되는, 스윗 스팟 도출 방법.
제 6 항에 있어서,
취성도, 자연균열 밀도, 및 공극압력 각각에 상이한 가중치가 부여되는, 스윗 스팟 도출 방법.
제 8 항에 있어서,
총유기탄소함량(TOC, Total Organic Carbon), 가스포화율, 공극률 및 투수율 각각에 40%, 20%, 20%, 및 20%의 가중치가 부여되는, 스윗 스팟 도출 방법.
삭제
제 10 항에 있어서,
취성도, 자연균열 밀도, 및 공극압력 각각에 50%, 30%, 및 20%의 가중치가 부여되는, 스윗 스팟 도출 방법.
제 6 항에 있어서,
물성 모델 구축 시에, 가스함량 모델 및 파쇄효율 모델 각각에 동일한 가중치가 부여되는, 스윗 스팟 도출 방법.
제 6 항에 있어서,
물성 모델 구축 시에, 가스함량 모델 및 파쇄효율 모델 각각에 상이한 가중치가 부여되는, 스윗 스팟 도출 방법.
제 15 항에 있어서,
물성 모델 구축 시에, 가스함량 모델 및 파쇄효율 모델 각각에 40% 및 60%의 가중치가 부여되는, 스윗 스팟 도출 방법.
제 15 항에 있어서,
물성 모델 구축 시에, 가스함량 모델 및 파쇄효율 모델 각각에 60% 및 40%의 가중치가 부여되는, 스윗 스팟 도출 방법.
삭제
삭제
제 1 항에 있어서,
상기 예측된 스윗 스팟을 검증하는 단계(S300)는, 상기 예측된 스윗 스팟에 대하여 예상되는 소정의 기간 동안의 생산량과 실제 소정의 기간 동안의 생산량을 비교하여 이루어지고, 통합모델 내 파쇄효율 요소인 취성도 모델을 X선 형광분석(XRF) 자료를 통해 검증하는, 스윗 스팟 도출 방법.
제 20 항에 있어서,
상기 소정의 기간은 90일인, 스윗 스팟 도출 방법.