프록시 모델 기반 관정 배치 최적화 연구

Proxy-model-based well placement optimization

연구 내용

CNN 기반 프록시 모델과 PSO 또는 물리 기반 샘플링을 활용하여 관정 배치의 전역 최적화를 효율적으로 수행하는 연구

관정 배치 최적화는 국소해가 다수 존재하여 전역 탐색 시 계산비용이 크게 증가하는 문제가 있습니다. 본 연구는 저류층 시뮬레이션을 직접 반복하는 대신 CNN 기반 프록시 모델로 목적함수의 근사치를 구성하고, PSO와 같은 탐색 알고리즘을 결합해 탐색 효율을 확보합니다. 또한 최적화 과정에서 성능 저하가 발생하는 구간을 줄이기 위해 2단계 샘플링 또는 retraining을 포함한 데이터 선택 전략을 설계합니다. 더 나아가 drainage area와 투수성 등 정적·동적 정보를 결합한 quality map 기반의 physics-informed sampling으로 필요한 표본 수를 줄이면서도 최적화 결과를 유지하는 방법을 개발합니다.

관련 프로젝트

4건

연구 흐름

초기에는 well patterns 또는 배치 결정을 프록시 모델로 대체하여 PSO 기반 최적화를 수행하는 형태로 연구가 시작되었습니다. 이후 2023~2024년에는 CNN 프록시의 학습 데이터 구성을 효율화하기 위한 2단계 샘플링 체계를 도입하여, 제한된 시뮬레이션 횟수에서 최적화 성능을 유지하려는 방향으로 확장되었습니다. 동시에 최적화 수행 중 프록시 성능이 저하되는 문제를 완화하기 위해 physics-informed 품질지도를 활용한 초기 샘플링 전략을 제안했습니다. 최근에는 현장 기반 디지털 오일필드 과제와 연계하여 실제 의사결정에 적용 가능한 운영 관점의 최적화 워크플로로 발전시키는 연구를 수행하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

생산 최적 관정 위치 산정
경제성 기반 개발 의사결정
시뮬레이션 횟수 절감
프록시 모델 성능 안정화
배치 설계용 자동화 알고리즘
현장 조건 반영 샘플링 전략
다중 목적 함수 최적화
CCUS 운영 최적 관정 배치
불확실성 하의 배치 후보 생성
개발 계획의 민감도 분석