에머슨, 총 불확실성 관리 프로그램 출시

 

[월간 무인화기술 2월호]

 

에머슨, 총 불확실성 관리(Total Uncertainty Management)

프로그램 출시
에머슨의 Roxar ENABLE 소프트웨어, 오일/가스 생산업체

 

에머슨의 Roxar ENABLE 소프트웨어, 오일/가스 생산업체가 더 나은 매장지 생산 시나리오를 개발할 수 있도록 도울 예정

 

 

에머슨 매니지먼트 프로세스는 총 불확실성 관리(Total Uncertainty Management) 프로그램을 위해 오일/가스 산업의 선도적인 탐사/생산 업체인 Statoil과 협력한다. 이 프로그램은 업계를 주도하고 있는 에머슨의 히스토리 매칭 및 불확실성 추정 소프트웨어 솔루션인 Roxar ENABLE을 사용하여 탐사/생산 기업들이 매장지(reservoir) 특성화 작업과정 전반에 걸쳐 히스토리 매칭 및 불확실성 관리/정량화를 개선할 수 있는 방법에 초점을 맞추고 있다. 그 결과 수많은 매장지 모델로부터 더욱 정확하고 현실적인 생산 시나리오를 개발할 수 있을 것으로 예상된다.

 

이 프로그램은 Statoil에서 에머슨이 수행하고 있는 많은 상업 구현 프로젝트 중 하나이다. 2013년 전반기에는, 총 불확실성 관리에 필수적인 층위(horizon) 및 단층(fault) 불확실성을 위한 혁신적인 솔루션이 제시될 것으로 기대된다.

 

Roxar ENABLE에 대한 프로그램의 개선은 에머슨의 Roxar RMS 매장지 모델링 소프트웨어의 불확실성 관리 능력과 결합되어 매장지 특성화 및 개발 과정 전반에 걸쳐 불확실성을 정량화할 수 있는 상업용 소프트웨어 애플리케이션으로 이어질 전망이다. 탐사/생산 업체들은 여러 가능한 실현들을 분석하고 해당 데이터를 의사결정에 반영하여 생산량 및 누계매장량에 대한 불확실성의 효과를 정량화하고 위험 관리를 개선할 수 있다.

 

3년 동안 개발된 총 불확실성 관리 프로그램의 주요 요소들에는 다음이 포함될 예정이다.
ㆍ Statoil의 연구 및 현장 시험을 통해, ‘프록시(proxy)’ 기반의 Roxar ENABLE 히스토리 매칭 기술의 개선. 프록시 기반의 히스토리 매칭 및 불확실성은, 생산량 예측 불확실성을 감소시키기 위한 히스토리 데이터 사용에 있어 매우 효과적인 수단으로 여겨져 왔다.
ㆍ Statoil의 혁신적인 알고리즘을 EnKF (Ensemble Kalman Filter) 유형 히스토리 매칭 및 불확실성에 대해 실행. EnKF는 강력한 히스토리 매칭 기법이며, 특히 4D seismic에 보여지는 생산 효과(production effect)를 처리하는데 있어 성공적인 결과를 보인다.
ㆍ 지질학적 모델링, 시뮬레이션, 지진파/히스토리 매칭의 포워드 모델링간의 통합 작업에 지속적으로 초점을 맞추며, 이는 프록시 기반 및 EnKF 유형 방법에 있어 공통의 작업과정이다.
ㆍ 히스토리 매칭 및 불확실성 관리에 있어 클러스터 및 클라우드 컴퓨팅 사용을 극대화하며, 이는 높은 생산량 및 작업 통합에 있어 필수적이다.

 

에머슨 Roxar 소프트웨어 솔루션 관리 감독자인 Kjetil Fagervik는 “그 목적이 매장지 개발이나 운영 계획을 위한 것이든, 또는 투자 제안이나 미래의 투자회수를 위한 것이든, 생산량을 정확하게 예측하고 불확실성을 정량화하며, 재정적 위험을 최소화하는 일은 업계 최대의 도전과제입니다”라고 말한다. “때문에 우리는 이런 중요한 프로젝트에서 Statoil와 함께 일하게 된 것, 그리고 Statoil이 각 매장지에서의 생산/회수를 극대화하기 위해 꼭 필요한, 불확실성 관리 목표를 달성하기 위해 Roxar ENABLE 및 에머슨의 통합 매장지 모델링을 선택한 것을 매우 기쁘게 생각합니다. 작업과정 통합에서 4D seismic, 새로운 수학적 알고리즘의 적용 및 층위(horizon)/단층(fault) 불확실성 분석에 이르기까지, 앞으로 3년 동안 많은 혁신적 발전이 있을 것으로 예상됩니다.”

 

현재 에머슨 매장지 엔지니어링 솔루션(reservoir engineering solution)인 Roxar Tempest의 일부분인 Roxar ENABLE는, 많은 운전자들이 생산 예측에 있어 불확실성을 이해하고 측정하는 일과 히스토리 매칭 프로세스 속도의 4배 이상 증가를 위해 사용되고 있다.