Research Paper

Journal of the Korean Society of Mineral and Energy Resources Engineers. April 2020. 195-204
https://doi.org/10.32390/ksmer.2020.57.2.195


ABSTRACT


MAIN

  • 서 론

  • 저류층 모델 구축

  • 저류층 모델의 생산운영조건 선정

  •   생산정 위치

  •   생산정 규격 및 생산 유량

  • 매장량 및 경제성 평가 결과

  •   매장량 평가

  •   경제성 평가

  • 천부가스전 특성의 영향 분석

  •   경제성 평가 영향 인자

  •   생산성에 대한 저류층 물성의 영향

  •   MEFS 분석 결과

  • 결 론

서 론

천부가스(shallow gas)는 1,500 m 이하의 심도에 부존되어 있는 천연가스로 정의하고 있으며, 전 세계적으로 광범위하게 분포하고 있다(Norwegian Polar Research Institute, 1987; Davis, 1992; Yang et al., 2011). 천부가스는 생성 기원에 따라 열기원 가스(thermogenic gas)와 생물기원 가스(biogenic gas)로 분류할 수 있으나, 대부분은 천부에서 생성되는 생물기원 가스로 이루어져 있다(Laier et al., 1992; Sheng et al., 2003). 일반적으로 천부가스는 심부가스에 비해 규모가 작고 저류층 압력이 낮으며, 과거부터 심부가스 개발 시 유정폭발(blowout)을 유발하는 위험요소로 분류되었다. 하지만 신규 가스전 발견이 감소하고 천연가스 수요가 증가함에 따라 천부가스 개발에 대한 관심이 높아지고 있으며, 현재 북미, 유럽, 아시아 등의 다양한 부존 지역에서 상업적 개발을 진행하고 있다(Fig. 1). 또한 2017년 3월 포항 대잠동의 지하수 시추과정에서 천부가스가 발견되어 국내에서의 개발 가능성에 대한 기대가 증가하고 있으며, 개발 연구에 대한 필요성이 부각되고 있다(Moon et al., 2018).

http://static.apub.kr/journalsite/sites/ksmer/2020-057-02/N0330570206/images/ksmer_57_02_06_F1.jpg
Fig. 1.

Distribution of global shallow gas fields (Moon et al., 2018).

일반적으로 가스전 개발 시 저류층 특성과 생산설비의 구성요소들을 상호 결합하여 생산량을 예측하고, 경제성 평가(economic analysis)를 수행하여 최적의 개발계획을 수립하는 것은 필수적이다(Kim and Huh, 1997; Tavakkolian et al., 2004; Park et al., 2010). 하지만 천부가스는 심부가스에 비해 개발 사례가 적고, 가스전 개발 사업의 경제적 타당성을 결정하는 저류층 물성과 경제성 평가 인자들의 불확실성에 대한 연구가 부족한 실정이다(Gunawan and Dyer, 1996; Alqahtani et al., 2012; Ding et al., 2019). 따라서 이 연구에서는 육상 천부가스 개발 시 경제성에 영향을 미치는 저류층 물성과 경제성 평가 인자들의 영향을 파악하고자 하였다. 이를 위해 심부가스전에 비해 원시가스부존량이 적고 저류층 압력이 낮은 천부가스 부존 지역의 특성을 반영한 저류층 모델을 구축하고, 생산운영조건에 따른 생산성 분석을 통해 매장량 및 경제성을 평가하고자 하였다. 또한 생산성(deliverability)에 대한 저류층 물성의 영향과 경제성에 대한 경제성 평가 인자들의 영향을 분석하고, 개발계획에 따라 순현재가치가 0이 되는 매장량인 MEFS(Minimum Economic Field Size)를 파악하여 육상 천부가스전 개발 시 저류층 물성의 불확실성을 고려하고자 하였다.

저류층 모델 구축

포항 대잠동 천부가스는 2017년 3월 지하수 시추 과정에서 천연가스 유출로 인해 화재가 발생하면서 존재가 확인되었다(Park et al., 2018; Moon et al., 2018). 이 연구에서는 현재까지 탐사를 통해 파악한 국내 천부가스 부존 지역의 형태 및 물성을 반영하여 심부가스전에 비해 원시가스부존량이 적고 저류층 압력이 낮은 천부가스 저류층의 특징을 적용한 모델을 구축하였다.

저류층 모델의 면적은 9 km2이며, 저류층은 심도 74∼257 m 부근에 위치해 있다. 저류층의 심도는 남서쪽에서 북동쪽으로 점차 깊어지는 형태를 보이며, 4.2∼12 m의 두께로 남동쪽에서 북서쪽 방향으로 점차 얇아지는 양상을 보인다(Fig. 2). 현장자료 확보 및 정밀 측정이 이루어지지 않은 공극률, 유체투과도, 초기가스포화율 등의 저류층의 초기 물성은 개발이 이루어진 미국, 캐나다, 중국 천부가스 저류층의 특성을 참고하여 전체 저류층 모델에 균질하게 설정하였으며(Moon et al., 2018). 또한, 42.9°C/km의 포항지역 지열구배(geothermal gradient)를 이용하여 저류층 온도를 설정하였으며(Table 1), 천부가스전의 낮은 저류층 초기압력은 0.0981 bar/m의 압력구배(pressure gradient)를 이용하여 계산한 값을 입력하였다(Cannon, 2015). 격자 시스템은 Schlumberger의 Petrel을 이용하여 총 36,000개(60×60×10)의 격자로 구성하였다.

http://static.apub.kr/journalsite/sites/ksmer/2020-057-02/N0330570206/images/ksmer_57_02_06_F2.jpg
Fig. 2.

Reservoir model.

Table 1. Properties of reservoir model

Parameter Value
Gas initially in place 10.06 × 107SCM (3.5BSCF)
Reservoir thickness 4.2~12 m (13.8~39.3 ft)
Reservoir area 9 km2 (2,224 ac)
Reservoir depth 74~257 m (242.8~843.2 ft)
Reservoir initial pressure at top of domain 8 bar (116 psi)
Reservoir temperature 26.9°C (80.4°F)
Porosity 20%
Permeability 75 md
Initial gas saturation 90%

저류층 모델의 생산운영조건 선정

생산정 위치

이 연구에서는 구축한 저류층 모델에 대하여 적합한 생산운영조건(생산정 위치, 규격, 생산 유량)을 파악하기 위해 생산성을 분석하였으며, 이를 반영한 경제성 평가를 수행하였다. 먼저, 생산정 위치를 선정하고자 단계별로 격자시스템을 구성하여 누적가스생산량을 산출하는 계층적 격자시스템을 적용하였으며(Kang, 2018), 이를 활용하여 생산정 위치 별 누적가스생산량과 생산성 분포도를 도출하였다. 누적가스생산량을 동일한 조건에서 예측하기 위해 openflow 상태에서의 10년 간 누적가스생산량을 산출하였으며, 생산정 수가 1개인 경우의 위치를 결정한 후 2개인 경우의 위치를 파악하였다. 생산정 수가 1개일 때는 2단계의 계층적 격자 시스템, 생산정 수가 2개 일 때는 3단계의 계층적 격자 시스템을 거쳐 적합한 생산정 위치를 파악하였으며(Fig. 3), 이를 통해 생산정 수 별 누적가스생산량이 높았던 최종 후보지역을 선정하였다.

http://static.apub.kr/journalsite/sites/ksmer/2020-057-02/N0330570206/images/ksmer_57_02_06_F3.jpg
Fig. 3.

Final global solution for placement of single and double wells.

생산정 규격 및 생산 유량

일반적으로 가스전 개발 초기단계에는 저류층 평가(reservoir evaluation), 저류층 관리(reservoir management) 등을 위해 유정시험(well testing)을 수행하며, 이를 활용한 노달분석(nodal analysis)을 통해 생산정 규격 및 생산 유량을 설정한다(Nnadi and Onyekonwu, 2004; Back et al.,2019).

이 연구에서는 앞서 파악한 최종 후보 생산정 위치에 대해 유정시험 시뮬레이션을 수행하였으며, 유정시험 결과를 반영한 노달분석을 통해 생산정 규격별 운영점을 파악하고자 하였다. 유정시험 시뮬레이션에는 유동 시간을 6시간으로 동일하게 설정하였으며, 유동 단계는 4단계에 걸쳐 진행하였다. 노달분석은 유정시험 결과를 Schlumberger의 Pipesim 시뮬레이터에 입력하여 수행하였으며, 이때 압력은 생산정 내 압력 손실을 고려하여 3.4 bar로 설정하였다. 또한, 생산정 규격은 시추공 규격을 고려하여 1.049 in, 1.610 in, 2.441 in로 입력하였다.

노달분석을 수행한 결과, 생산정 위치 별 생산정 규격에 따른 IPR(Inflow Performance Relationship)과 TPR(Tubing Performance Relationship)을 파악하였으며(Figs. 4, 5), 이를 통해 절대개방유동(Absolute Open Flow, AOF)과 생산정 규격에 따른 운영점을 파악하였다(Table 2).

http://static.apub.kr/journalsite/sites/ksmer/2020-057-02/N0330570206/images/ksmer_57_02_06_F4.jpg
Fig. 4.

Results of nodal analysis in single well.

http://static.apub.kr/journalsite/sites/ksmer/2020-057-02/N0330570206/images/ksmer_57_02_06_F5.jpg
Fig. 5.

Results of nodal analysis in double wells.

Table 2. Operating point according to well location

Gas production rate (MSCF/d) Bottom-hole pressure (bar)
Tubing size 1.049 in 1.610 in 2.441 in 1.049 in 1.610 in 2.441 in
Single well 313 635 836 7.3 5.5 4.0
Double wells 1st well 336 650 818 7.1 5.3 3.9
2nd well 310 622 810 7.2 5.5 4.0

매장량 및 경제성 평가 결과

매장량 평가

일정기간 동안 지정된 물량을 공급해야하는 가스전 계약상의 특징을 고려하고(Kim et al., 2005), 저류층 모델에 적합한 개발계획을 수립하기 위해 앞서 파악한 Table 3의 생산운영조건을 반영하여 생산 유량 유지기간 및 매장량을 분석하였다. 이를 위해 운영점 유량의 10∼100%로 생산 유량을 설정하였으며, 유동 공저압은 생산정 내 압력 손실을 고려하여 3.4 bar로 입력하였다. 이때, 생산운영조건에 따라 유량이 유지되는 기간 동안의 누적가스생산량을 매장량이라 가정하였다.

Table 3. Parameter for production operating conditions

Well number Well location (m) Tubing inside diameter (in) Operating point
Gas production rate (MSCF/d) Flowing BHP (bar)
Single well X : 2,534 Y : 1,029 1.049 313 7.3
1.610 635 5.5
2.441 836 4.0
Double wells 1st well X : 2,083 Y : 527 1.049 336 7.1
1.610 649 5.3
2.441 818 3.9
2nd well X : 2,083 Y : 1,882 1.049 310 7.2
1.610 622 5.5
2.441 810 4.0

그 결과 생산 유량 유지기간은 특정 유량 조건 이상에서 공저압이 한계유동공저압에 빠르게 도달하여 지정한 생산 유량을 유지하지 못하는 것을 파악하였으며, 생산정 규격 별 생산유량이 증가할수록 짧아지는 경향을 확인하였다(Fig. 6). 또한, 생산운영조건 별 매장량은 생산정 수에 상관없이 2.441 in 규격의 생산정을 적용하였을 때 가장 높게 나타났으며, 생산정 수 별 최대 매장량 간의 차이는 생산정 수가 2개일 때 1.44배 많은 것을 확인하였다(Fig. 7).

http://static.apub.kr/journalsite/sites/ksmer/2020-057-02/N0330570206/images/ksmer_57_02_06_F6.jpg
Fig. 6.

Production rate maintain period according to operating conditions.

http://static.apub.kr/journalsite/sites/ksmer/2020-057-02/N0330570206/images/ksmer_57_02_06_F7.jpg
Fig. 7.

Results of reserve estimation according to operating conditions.

경제성 평가

생산운영조건의 경제적 타당성을 파악하기 위해 운영조건에 따른 순현재가치(Net Present Value, NPV)를 예측하였다. NPV는 운영조건 별 매장량을 누적가스생산량으로 고려하였으며, Table 4의 경제성 평가 인자를 식 (1)에 대입하여 산출하였다. 또한, 가스 가격은 LNG 형태로 가스를 수입하는 국내 가스거래의 특징을 고려하여 2019년 1월부터 12월까지의 평균 LNG 거래가격을 이용하였다(Ycharts, 2020). 기간을 1년, 3년, 5년, 7년, 9년으로 설정하여 NPV를 예측하였으며, 각 생산 기간보다 유량 유지기간이 짧은 경우의 누적가스생산량은 생략하였다.

$$NPV=\sum_{t=0}^n\frac{CF_t}{(1+r)^t}$$ (1)

Table 4. Parameters for economic analysis (EIA, 2016; Ychart, 2020)

Parameter Value
Drilling cost ($/ft) 150
Completion cost ($million) 1
Gas price ($/MSCF) 11.9
Operating cost ($/MSCF) 2
Discount rate (%) 10

위 과정을 통해 운영조건 별 유량 유지기간 동안의 NPV를 예측하였으며, 운영조건에 따라 매장량이 차이나는 영향으로 인해 최대 NPV는 생산정 수에 관계없이 2.441 in 규격의 생산정을 적용하였을 때 나타났다(Fig. 8). 또한 1.049 in 규격의 생산정 설치 시 운영점의 10%로 생산할 때 NPV가 0 이하로 예측되어 경제적 타당성이 없는 것을 확인하였으며, 2.441 in 생산정 2개를 설치하여 운영점의 20%로 9년간 생산할 때 NPV가 가장 높은 것을 확인하였다.

http://static.apub.kr/journalsite/sites/ksmer/2020-057-02/N0330570206/images/ksmer_57_02_06_F8.jpg
Fig. 8.

Results of economic analysis according to operating conditions at production maintain period.

천부가스전 특성의 영향 분석

경제성 평가 영향 인자

NPV가 가장 높았던 생산운영조건을 이용하여 천부가스전 개발 시 경제성 평가 변수들의 불확실성을 고려하고자 하였으며, 이를 위해 운영조건 적용 시 NPV에 대한 변수들의 민감도 분석을 수행하였다. 민감도 분석은 가스가격, 운영비용(Operating Expenditure, OPEX) 자본비용(Capital Expenditure, CAPEX), 할인율의 NPV에 대한 민감도를 예측하였으며, 변수들의 범위는 NPV 산출 시 적용했던 변수를 기준으로 Fig. 9와 같이 –50%에서 +50%으로 변화되는 범위로 설정하여 결과를 도출하였다.

http://static.apub.kr/journalsite/sites/ksmer/2020-057-02/N0330570206/images/ksmer_57_02_06_F9.jpg
Fig. 9.

Description of economic parameters used in sensitivity analysis.

천부가스전 개발 시 운영조건에 대한 변수들의 영향은 Fig. 10과 같이 나타났으며, 운영조건의 경제성에는 가스가격, 할인율, CAPEX, OPEX 순으로 영향을 미치는 것을 파악하였다(Fig. 10). 민감도가 가장 높은 가스가격의 경우 CAPEX, OPEX보다 민감도가 4.1배, 5.9배 높은 것을 확인하였다.

생산성에 대한 저류층 물성의 영향

http://static.apub.kr/journalsite/sites/ksmer/2020-057-02/N0330570206/images/ksmer_57_02_06_F10.jpg
Fig. 10.

NPV results of sensitivity analysis of economic parameters.

천부가스전 개발 시 생산성에 대한 저류층 물성의 불확실성을 고려하고자 물성에 대한 민감도를 분석하였다. 이를 위해 NPV가 가장 높았던 생산운영조건을 적용하여 가스 생산율 및 누적가스생산량을 예측하였으며, 물성은 가스전 개발 시 생산성 및 경제성에 영향을 미치는 것으로 알려진 공극률, 유체투과도, 저류층 초기압력을 달리하여 생산성을 분석하였다. 물성의 범위는 모델 구축에 적용한 각 물성에 대한 현장자료 확보 및 정밀 측정이 이루어지지 않은 것을 고려하여 Table 1 물성의 –30%와 +30% 값으로 설정하여 저류층 규모를 고려하고자 하였다(Fig. 11).

http://static.apub.kr/journalsite/sites/ksmer/2020-057-02/N0330570206/images/ksmer_57_02_06_F11.jpg
Fig. 11.

Description of reservoir properties used in sensitivity analysis.

이때, 누적가스생산량 및 가스생산율을 이용하여 민감도를 분석할 경우 저류층 물성에 따라 변하는 규모의 영향을 반영하지 못하므로 식 (2)와 같이 특정 물성 i에 대해 정규화 된 누적가스생산량 값을 이용하여 산출한 영향치(impact value)를 통해 민감도 분석을 수행하였다(Khan et al., 2014). 그 결과, 천부가스전 개발 시 생산성에 대한 각 저류층 물성들의 민감도를 산출하였으며, 생산성에는 저류층 초기압력, 유체투과도, 공극률 순으로 영향을 미치는 것을 파악하였다(Fig. 12).

$$IV_i=\frac{CV_{max_i}-CV_{min_i}}{CV_{max_{}}-CV_{min_{}}}$$ (2)
http://static.apub.kr/journalsite/sites/ksmer/2020-057-02/N0330570206/images/ksmer_57_02_06_F12.jpg
Fig. 12.

Impact value of reservoir properties on productivity.

MEFS 분석 결과

천부가스전 개발에는 생산운영조건에 대한 저류층 규모의 불확실성이 존재하며, 이 연구에서는 저류층 규모의 불확실성을 고려하고자 Table 5와 같이 생산정 수 별 NPV가 가장 높았던 2개의 생산운영조건을 선정하여 MEFS 분석을 수행하였다. 이를 위해 운영조건 별 NPV가 0이 될 것으로 예상되는 매장량을 선정하여 선정된 매장량에 대해 NPV 예측을 반복해서 수행하였다. 이때, 매장량은 누적가스생산량과 같다고 가정하였다.

Table 5. Production operating conditions with the highest NPV

Well number Tubing inside diameter (in) Operating point NPV ($million)
Gas production rate (MSCF/d) Flowing BHP (bar)
Single well 2.441 250 3.4 3.8
Double wells 2.441 329 4.9

그 결과, 생산운영조건에 따라 NPV가 0 $million와 유사한 매장량을 파악할 수 있었으며(Fig. 13), 이에 대한 회귀선을 그려 MEFS를 산출하였다. MEFS는 생산정이 2개일 경우보다 1개일 때 48% 낮게 나타나는 것을 파악하였다.

http://static.apub.kr/journalsite/sites/ksmer/2020-057-02/N0330570206/images/ksmer_57_02_06_F13.jpg
Fig. 13.

Results of MEFS analysis according to operating conditions.

앞서 산출한 MEFS는 경제성 평가 변수에 따라 값이 바뀔 수 있으며, 이 연구에서는 MEFS 분석 시 경제성 평가 변수들의 불확실성을 고려하고자 NPV가 가장 높았던 생산운영조건의 MEFS에 대한 민감도 분석을 수행하였다. 민감도 분석은 가스가격, OPEX, CAPEX, 할인율에 대해 수행하였으며, 각 변수의 범위는 NPV 산출 시 적용한 변수를 기준으로 –50%에서 +50%로 설정하였다(Fig. 9).

이를 통해 천부가스전 개발 시 운영조건의 MEFS에는 가스가격, CAPEX, 할인율, OPEX 순으로 영향을 미치는 것을 파악하였으며, 영향이 가장 높았던 가스가격의 경우 할인율과 OPEX에 비해 민감도가 6.5배, 9.4배 높게 나타나는 것을 확인하였다(Fig. 14).

http://static.apub.kr/journalsite/sites/ksmer/2020-057-02/N0330570206/images/ksmer_57_02_06_F14.jpg
Fig. 14.

MEFS results of sensitivity analysis of economic parameters.

결 론

이 연구에서는 천부가스 부존 지역의 형태 및 물성을 반영한 저류층 모델을 구축하여 생산운영조건에 따른 생산성 분석 및 경제성 평가를 수행하였으며, 생산성에 대한 저류층 물성의 영향과 경제성에 대한 경제성 평가 변수들의 영향을 파악하였다. 또한, 순현재가치가 0이 되는 매장량인 MEFS를 예측하여 천부가스전 개발 시 저류층 특성의 불확실성을 고려하였다.

그 결과, 생산운영조건에 따라 유량 유지기간 및 매장량이 상이하게 나타나는 것을 파악하였으며, 특정 유량 조건 이상에서는 공저압이 한계유동공저압에 빠르게 도달하여 지정한 생산 유량을 유지하지 못하는 것을 확인하였다. 운영조건의 NPV에 대한 경제성 평가 변수들의 민감도를 파악하였으며, 천부가스전의 생산성에는 저류층 초기압력, 유체투과도, 공극률 순으로 영향을 미치는 것을 확인하였다. 또한, 천부가스 개발 시 저류층 규모의 불확실성을 고려하기 위해 운영조건에 대한 MEFS 분석을 수행하여 생산정 수 별 NPV가 높게 나타나는 운영조건에 대한 MEFS를 파악하였으며, 경제성 평가 변수들에 대한 민감도 분석을 수행하여 운영조건의 MEFS에는 가스가격, CAPEX, 할인율, OPEX 순으로 영향을 미치는 것을 확인하였다.

이 연구는 생산운영조건에 대한 생산성 및 경제성을 분석하여 천부가스전 개발 시 운영조건 선정에 영향을 미치는 저류층 물성 및 경제성 평가 변수들의 영향을 파악하였으며, 이는 국내 천부가스전 개발을 위한 운영조선 선정 시 기초자료로 활용할 수 있을 것으로 사료된다. 향후, 천부가스 부존지역의 물성 정보를 추가한 생산성 및 경제성 분석을 통해 생산 기간, 공급량 등 다양한 상황에 적절한 생산운영조건을 수립할 수 있을 것으로 판단된다.

기호설명

CVmax : Maximum normalized cumulative production

CVmin : Minimum normalized cumulative production

CVmaxi : Maximum normalized cumulative production for parameter i

CVmini : Minimum normalized cumulative production for parameter i

CF : Cash flow ($)

IVi : Impact value for parameter i

NPV : Net Present Value ($)

r : Discount rate (%)

t : Production time (year)

Acknowledgements

이 연구는 산업통상자원부(MOTIE)와 한국에너지기술평가원(KETEP)의 지원을 받아 수행한 연구 과제입니다(No. 20172510102160).

References

1

Alqahtani, G., Vadapalli, R., Siddiqui, S., and Bhattacharya, S., 2012. Well optimization strategies in conventional reservoirs, Proc. of the SPE Saudi Arabia Section Technical Symposium and Exhibition, Al-Khobar, Saudi Arabia, 13p.

10.2118/160861-MS
2

Back, S.Y., Lee, J.Y., K, O.K., and Lim, J.S., 2019. Estimation of wellhead and bottomhole pressures in offshore natural gas production system using transient multiphase pipe flow model, Journal of the Korean Society of Mineral and Energy Resources Engineers, 56(6), p.622-630.

10.32390/ksmer.2019.56.6.622
3

Cannon, S., 2015. Petrophysics: A practical guide, Wiley Blackwell, New Jersey, USA, 224p.

10.1002/9781119117636
4

Davis, A.M., 1992. Shallow gas : an overview, Continental shelf research, 12(10), p.1077-1079.

10.1016/0278-4343(92)90069-V
5

Ding, S., Lu, R., Xi, Y., Wang, S., and Wu, Y., 2019. Well placement optimization using direct mapping of productivity potential and threshold value of productivity potential management strategy, Computers & Chemical Engineering, 121(1), p.327-337.

10.1016/j.compchemeng.2018.11.013
6

Energy Information Administration (EIA), 2016. Trends in U.S. oil and natural gas upstream costs, Washington, DC, 141p.

7

Gunawan, R. and Dyer, G.R., 1996. Tubing size optimization in gas depletion drive reservoirs. Proc. of the SPE Asia Pacific Oil & Gas Conference, Adelaide, Australia, 11p.

10.2118/37001-MS
8

Kang, H.J., 2018. Optimization of Multi-well Placement using Artificial Intelligence. MS Thesis, Chosun University, Korea, 106p.

9

Khan. W.A., Ali, H., Shah, A.R., Ahmad, A., Jibran, A., and Baig, Z., 2014. Production forecast scenarios for shale gas and tight gas: How do they differ in terms of simulation?, Proc. of the PAPG/SPE Pakistan section Annual Technical Conference, Islamabad, Pakistan, 23p.

10.2118/174709-MS
10

Kim, S.J. and Huh, D.G., 1997. An optimization analysis of gas reservoir development, Proc. of the 1997 Korean institute of gas Conference, Bundang, Korea, p.154-161.

11

Kim, S.J., Huh, D.G., Kim, H.T., Lee, W.S., and Lee, J.H., 2005. Optimized production schemes in a gas field of apprasial for feasibility study, Journal of the Korean Society of Mineral and Energy Resources Engineers, 42(3), p.160-172.

12

Laier, T., Buchardt, B., Cederderg, T., Jorgensen, N.O., and Kuijpers, A., 1992. Accumulation and seepages of biogenic gas in northern denmark, Continental Shelf Research, 12(10), p.1173-1186.

10.1016/0278-4343(92)90077-W
13

Moon, Y.J., Choi, Y.I., Shin, H.J., and Lim, J.S., 2018. Current Status of Shallow Gas Field Development, Journal of the Korean Society of Mineral and Energy Resources Engineers, 55(5), p.491-499.

10.32390/ksmer.2018.55.5.491
14

Nnadi, M. and Onyekonwu, M., 2004. Numerical welltest analysis. Proc. of the SPE International Technical Conference and Exibition, Abuja, Nigeria, 13p.

10.2118/88876-MS15244338
15

Norwegian Polar Research Institute, 1987. Seismic indications of shallow gas in the Northern Barents Sea, NORSK POLARINSTITUTT Rapportseris 36, Oslo, Norway, 66p.

16

Park, H.J., Lim, J.S., Roh, J.Y., Kang, J.M., and Min, B.H., 2010. Production-system optimization of gas fields using hybrid fuzzy/genetic approach, SPE Journal, 15(2), p.417-425.

10.2118/100179-PA
17

Park, S.S., An, G.M., Kang, N.K., Kim, Y.W., and Oh, K.T., 2018. A study on onshore natural gas in dae-jam, Pohang, Proc. of the 110th Korean Society of Mineral and Energy Resources Engineers (KSMER) Conference, Seoul, Korea, 50p.

18

Sheng, R., Li., Z., Liu, H., and Xiang, X., 2003. Review of case histories of two shallow-gas reservoirs in china, Proc. of the SPE Latin American and Caribbean Petroleum Engineering Conference, Port-of-Spain, Trinidad, West Indies, 8p.

10.2118/81047-MS
19

Tavakkolian, M., Jalali, F.F., and Emadi, M.A., 2004. Production optimization using genetic algorithm approach, Proc. of the 28th Annual SPE International Technical Conference and Exhibition, Abuja, Nigeria, 6p.

10.2118/88901-MS
20

Yang, H., Zhang, Y., Wen, B., Yu, S., Qi, X., Ma, D., and Xu, Z., 2011. Exploring shallow biogenic gas with high-precision gravity data, Proc. of the 2011 Society of Exploration Geophysicists Annual Meeting, Texas, USA, September 6p.

10.1190/1.3628217PMC3176435
21

Ycharts, 2020.02.14., https://ycharts.com.

10.1055/s-0040-1710423
페이지 상단으로 이동하기