에너지시스템연구실
기후에너지시스템공학과 민배현
에너지시스템연구실은 기후에너지시스템공학과에 소속된 연구실로, 탄소 포집 및 저장(CCS), 향상된 석유 회수(EOR), 기계 학습을 활용한 저류층 공학, 기후 리스크 평가, 수소 에너지 등의 연구 분야에서 활발히 활동하고 있습니다. 최근 3년간 연구실은 다중모달 합성곱신경망과 진화 최적화 알고리듬을 결합한 유정 위치 선정 연구, CO2 지중저장 안전성 개선을 위한 듀얼튜빙 시스템 연구, 기계 학습 기반의 가스 하이드레이트 포화도 예측 모델 개발 등 다양한 프로젝트를 수행하였습니다. 또한, 한국의 탄소 배출 기업의 기후변화 이행리스크 평가와 같은 기후 리스크 평가 연구도 진행하고 있습니다. 연구실은 여러 국제 학술지에 논문을 게재하며, 다양한 국내외 기업과의 협력을 통해 실질적인 연구 성과를 도출하고 있습니다.
Hydrogen Energy
Machine Learning in Reservoir Engineering
Carbon Capture and Storage
지능형 심층 학습 기반 CO2 지중 저장 시스템 최적화 설계
기후에너지시스템공학과 에너지시스템연구실은 심층 학습 기반 자동화 의사 결정 지원 시스템을 활용하여 CO2 지중 저장 시스템의 최적화 설계를 연구합니다. 이 연구는 지질 데이터를 바탕으로 CO2 저장 효율성을 극대화하며, 저장 안전성을 향상시키기 위한 다양한 기술들을 개발하고 적용합니다. 이를 통해 지중 저장의 경제성을 높이고, 관련 비용을 절감하는 데 기여하고자 합니다.
기계 학습을 이용한 블루 수소 프로젝트의 스마트 예측 모델 개발
에너지시스템연구실은 CCUS(탄소 포집, 활용 및 저장) 기술을 적용한 블루 수소 프로젝트를 위한 지능형 프록시 모델 개발에 전념하고 있습니다. 기계 학습 알고리즘을 활용하여 프로젝트의 예측 정확도를 높이고, 최적의 운영 조건을 도출하는 데 필요한 데이터를 분석합니다. 이 모델은 미래의 수소 경제를 지원하기 위한 중요한 요소로 작용하며, 지속 가능한 에너지 솔루션을 제공하는 데 기여합니다.
기후 변화 금융 리스크 모델링 및 평가
기후 변화에 따른 금융 리스크를 평가하고 이를 모델링하는 연구를 통해 기후 변화가 기업의 재무적 불확실성에 미치는 영향을 분석합니다. 이를 바탕으로 기업들이 기후 변화에 효과적으로 대응할 수 있는 전략을 수립하도록 지원하며, 기후 변화에 따른 경제적 리스크를 최소화할 수 있는 방안을 제시합니다. 이러한 연구는 지속 가능한 경영과 환경 보호에 중요한 역할을 합니다.
1
Simulating and Assessing Carbon Markets: Application to the Korean and the EU ETSs.
M. Jang, S. Yoon, S. Jung, B. Min
Renewable & Sustainable Energy Reviews, 2024
2
Data-Driven Machine Learning Models for the Prediction of Hydrogen Solubility in Aqueous Systems of Varying Salinity: Implications for Underground Hydrogen Storage.
T.H. Vo, H. Zhang, Z. Dai, T. Zhang, S. Tangparitkul, B. Min
International Journal of Hydrogen Energy, 2024
3
Stochastic Lithofacies and Petrophysical Property Modeling for Fast History Matching in Heterogeneous Clastic Reservoir Applications.
W.J. Al-Mudhafar, T.H. Vo, D.A. Wood, B. Min
Scientific Reports, 2024
1
Machine Learning-based Analysis on Gas Hydrate
2
Intelligent Proxy Model Development for Smart Prediction in CCUS Enabled Blue Hydrogen Project