권순일 연구실
환경·에너지공학부 미래에너지공학전공 권순일
권순일 연구실은 환경·에너지공학부 소속으로, 석유 및 가스 저류층의 생산성 예측, 최적화, 그리고 탄소 포집 및 저장(CCS) 등 지하유체공학 전반에 걸친 첨단 연구를 수행하고 있습니다. 연구실은 데이터 기반의 머신러닝, 인공신경망, 최적화 알고리즘 등 최신 정보통신기술을 적극적으로 도입하여, 저류층의 물성 예측, 생산정 위치 선정, 플로우라인 네트워크 설계 등 에너지 개발 현장의 다양한 문제를 해결하고 있습니다.
특히, 물리검층 데이터, 코어 분석 자료, 생산 이력 데이터 등 다양한 현장 데이터를 활용한 데이터 기반 예측 모델 개발에 강점을 가지고 있습니다. 랜덤포레스트, 그래디언트 부스팅, 서포트 벡터 머신 등 다양한 지도학습 알고리즘을 적용하여, 저류층의 특성에 따라 군집화된 데이터셋에 맞는 맞춤형 예측 모델을 구축하고, 실시간 데이터 분석 및 모델 재훈련을 통해 시추 및 생산 과정의 변수 변동성에 신속하게 대응하고 있습니다.
연구실은 또한 탄소중립 실현을 위한 CCS 기술 개발에도 선도적인 역할을 하고 있습니다. CO2 저장 타당성 분석, 주입정 운영 설계, 부식 억제제 개발, 장기 격리 메커니즘 분석 등 현장 실무에 직접 연결되는 기술 개발에 집중하고 있으며, 첨단 시뮬레이션 도구와 실험 데이터를 결합하여 CCS의 안전성과 경제성을 동시에 확보하고 있습니다. 블루수소 생산 등 에너지 전환 시대의 새로운 산업과의 융합 연구도 활발히 진행 중입니다.
비전통 가스자원(셰일가스, 석탄층 메탄 등) 개발을 위한 핵심기술 연구도 연구실의 중요한 축입니다. 수평시추, 다단계 수압파쇄, 저류공학, 생산성 평가, 저류층 특성화 등 비전통 자원 개발에 요구되는 전 주기 기술을 체계적으로 연구하고 있으며, 생산자료 분석, 감퇴곡선법, 머신러닝 기반 생산성 예측, 저류층 시뮬레이션 등 다양한 방법론을 결합하여 생산거동을 정밀하게 예측하고 있습니다.
이러한 연구 성과는 국내외 다양한 유·가스전 및 CCS 현장에 적용되어 생산성 향상, 운영비 절감, 탄소중립 실현 등 실질적인 산업적·사회적 효과를 창출하고 있습니다. 연구실은 관련 특허와 소프트웨어 개발, 정부 및 산업체와의 협력 프로젝트를 통해 에너지·환경 분야의 기술 혁신과 지속가능한 미래를 선도하고 있습니다.
석유 및 가스 저류층의 데이터 기반 생산성 예측 및 최적화
권순일 연구실은 석유 및 가스 저류층의 생산성 예측과 최적화에 있어 데이터 기반 접근법을 적극적으로 도입하고 있습니다. 최근에는 물리검층 데이터, 코어 분석 자료, 생산 이력 데이터 등 다양한 현장 데이터를 활용하여 머신러닝 및 인공신경망 기반 예측 모델을 개발하고 있습니다. 이러한 모델은 저류층의 투과도, 공극률, 생산량 등 주요 물성을 정밀하게 예측할 수 있도록 하며, 실제 현장 적용을 통해 예측 성능의 우수성을 입증하고 있습니다.
특히, 랜덤포레스트, 그래디언트 부스팅, 서포트 벡터 머신 등 다양한 지도학습 알고리즘을 활용하여 저류층의 특성에 따라 군집화된 데이터셋에 맞는 맞춤형 예측 모델을 구축하고 있습니다. 또한, 실시간 데이터 분석과 모델 재훈련을 통해 시추 및 생산 과정에서 발생하는 변수의 변동성에 신속하게 대응할 수 있도록 시스템을 고도화하고 있습니다. 이와 더불어, 생산정 위치 최적화, 플로우라인 네트워크 설계 등 생산 시스템 전체의 효율성 향상을 위한 통합 솔루션도 연구의 중요한 축을 이루고 있습니다.
이러한 연구는 국내외 다양한 유·가스전 현장에 적용되어 생산성 향상과 운영비 절감에 기여하고 있습니다. 또한, 데이터 기반 예측 및 최적화 기술은 디지털 오일필드, 스마트 시추 시스템 등 차세대 에너지 개발 패러다임을 선도하는 핵심 기술로 자리매김하고 있으며, 관련 특허와 소프트웨어 개발을 통해 산업적 파급효과도 확대되고 있습니다.
탄소 포집 및 저장(CCS)과 지하유체공학
연구실은 탄소중립 실현을 위한 탄소 포집 및 저장(Carbon Capture and Storage, CCS) 기술 개발에도 선도적인 역할을 하고 있습니다. CCS는 대기 중의 이산화탄소를 포집하여 지하의 안정적인 저류층에 영구적으로 저장하는 기술로, 기후변화 대응과 에너지 산업의 지속가능성 확보에 필수적입니다. 권순일 교수 연구팀은 국내외 다양한 가스전, 대염수층, 석탄층 등 다양한 지하 구조를 대상으로 CO2 저장의 타당성 분석, 주입량 산정, 격리 메커니즘 규명 등 실질적인 현장 적용 연구를 수행하고 있습니다.
특히, CO2 주입정의 운영 설계, 부식 억제제 개발, 주입량 최적화 등 현장 실무에 직접 연결되는 기술 개발에 집중하고 있습니다. TOUGH2/ECO2N 등 첨단 시뮬레이션 도구와 실험 데이터를 결합하여, 장기적인 CO2 이동 및 격리 거동을 예측하고, 구조트랩, 용해트랩, 잔류트랩 등 다양한 격리 메커니즘의 변화 양상을 정량적으로 분석합니다. 또한, 머신러닝 기반의 주입정 운영 설계, 부식 방지 기술, 실시간 모니터링 시스템 등 혁신적인 솔루션을 통해 CCS의 안전성과 경제성을 동시에 확보하고 있습니다.
이와 같은 연구는 탄소중립 시대에 필수적인 기술적 기반을 제공할 뿐만 아니라, 블루수소 생산, 에너지 채굴 등 다양한 산업 분야와의 융합을 통해 새로운 부가가치를 창출하고 있습니다. 국내외 정부 및 산업체와의 협력 프로젝트를 통해 CCS 기술의 실증과 상용화에도 적극적으로 기여하고 있습니다.
비전통 가스자원(셰일가스, 석탄층 메탄 등) 개발 핵심기술
권순일 연구실은 셰일가스, 석탄층 메탄(CBM) 등 비전통 가스자원의 개발 및 생산 평가를 위한 핵심기술 연구에 집중하고 있습니다. 비전통 자원은 기존의 전통적 석유·가스전과는 다른 지질학적, 공학적 특성을 지니고 있어, 상업적 생산을 위해서는 첨단 기술의 도입이 필수적입니다. 연구실은 수평시추, 다단계 수압파쇄, 저류공학, 생산성 평가, 저류층 특성화 등 비전통 자원 개발에 요구되는 전 주기 기술을 체계적으로 연구하고 있습니다.
특히, 생산자료 분석, 감퇴곡선법, 머신러닝 기반 생산성 예측, 저류층 시뮬레이션 등 다양한 방법론을 결합하여, 셰일가스정 및 석탄층 메탄가스전의 생산거동을 정밀하게 예측하고 있습니다. 또한, 현장 실측 데이터와 실험 데이터를 통합 분석하여, 저류층의 불균질성, 천이유동, 압력 의존 투과도 등 복잡한 현상을 정량적으로 규명하고, 생산성 향상 및 경제성 평가에 실질적으로 기여하고 있습니다.
이러한 연구는 국내외 비전통 자원 개발 현장에 직접 적용되어, 자원 확보와 에너지 안보 강화에 중요한 역할을 하고 있습니다. 또한, 관련 특허와 소프트웨어 개발, 산업체와의 협력 프로젝트를 통해 비전통 자원 개발의 상용화와 기술 고도화에 앞장서고 있습니다.
1
Pore Pressure Diffusion Waves Transmission in Oil Reservoir
권순일, Mohammed Bashir Abdullahi, Shiferaw Regassa Jufar, Jang Hyun Lee, Tareq Mohammed Alshami, Minh Duc Le
Journal of Advanced Research in Fluid Mechanics and Thermal Sciences, 2023
2
Chitin nanocrystals: A promising alternative to synthetic surfactants for stabilizing oil-in-water emulsions
Haithm Salah Hagar, Shiferaw Regassa Jufar, Jang Hyun Lee, Najib Al-mahbashi, Basheer Alameen, Ahmad Hussaini Jagaba, Upaka Rathnayake, 권순일
Case Studies in Chemical and Environmental Engineering, 2023
3
Application of Machine Learning Method of Data-Driven Deep Learning Model to Predict Well Production Rate in the Shale Gas Reservoirs
권순일, 한동권
ENERGIES, 2021
1
에너지 채굴 및 블루수소 생산을 위한 CCS용 고온고압 부식억제제 개발
2
[2차년도]동남아시아 고갈 유·가스전 대상 CO2 저장 유망 후보지 선정 및 해외 저장 사업 추진 모델 개발
3
[1차년도]머신러닝을 이용한 굴진율 예측 시스템