MAIN

  • 서 론

  • 코어스케일 실험시스템

  • 실험시스템 조건을 반영한 전산수치 해석

  •   전산수치 모델 구축

  •   전산수치 해석 결과 및 실험결과 비교·검증

  • 감압율 및 GH포화율에 따른 전산수치 해석 결과

  •   감압율에 따른 전산분석 결과

  •   GH포화율에 따른 전산분석 결과

  • 결 론

서 론

가스하이드레이트(Gas Hydrate, GH)는 저온·고압 조건에서 물리적으로 물 분자와 천연가스가 결합하여 형성된 고체 상태의 결정이며, 메탄(CH4)이 주 구성 성분으로 연소 시 이산화탄소를 적게 배출하는 친환경적인 특징을 가지고 있다(Huh, 2005). GH는 주로 영구동토층(permafrost) 및 심해퇴적층(deep ocean sediments)에 분포하고 있으며(Fig. 1), 전 세계적으로 약 10조 톤 이상의 양이 부존되어 있다(Collett, 2002). 이러한 GH가 에너지원으로서 가치를 갖기 위해서는 안정성과 경제성이 확보된 생산기술 개발이 필요하며(Huh and Lee, 2017), 이를 위해 실험과 전산수치 해석을 연계한 연구들이 진행되고 있다(Janicki et al., 2014; Li et al., 2014; Feng et al., 2017).

http://static.apub.kr/journalsite/sites/ksmer/2019-056-04/N0330560403/images/ksmer_56_04_03_F1.jpg
Fig. 1.

Distribution map of gas hydrate (USGS, 2018).

국내의 경우 동해 울릉분지에서 한국지질자원연구원(Korea Institute of Geoscience and Mineral Resources, KIGAM), 한국가스공사, 한국석유공사가 공동으로 수행한 탄성파 탐사 및 시료채취를 통해 GH 부존 가능성과 에너지원으로서의 개발 잠재력을 인식하였다(Park, 2008; Lee et al., 2011). 이후 2차례에 걸친 심부시추를 통해 약 6.2억 톤의 사질형 GH가 부존되어 있는 것을 확인하였으며, 2차 심부시추지점에 대한 지질모델, 검층과 코어자료 등을 종합하여 현장 시험생산 위치를 UBGH(Ulleung Basin Gas Hydrate) 2-6으로 결정하였다. 2014년에 UBGH 2-6에서 감압법(depressurization method)을 적용한 현장 시험생산이 예정되어 있었으나, 낮은 생산량과 시추공 안정성 문제로 인하여 연기되었다(Huh and Lee, 2017).

감압법은 GH 함유층의 압력 감소를 통해 해리된 가스를 생산하는 기법이며, 해리에 의한 생산기법 중 적용 원리가 가장 간단하고 경제적인 생산기법이다(Boswell and Collett, 2011). 하지만 감압변수에 따라 생산경향 및 GH 해리거동이 상이할 수 있으며(Ruan et al., 2012; Wang et al., 2014), 현장 시험생산을 위해서는 후보지 조건에서 감압변수의 범위 및 영향을 파악하는 것이 필요하다. 따라서 감압법 적용 시 생산효과를 분석하고자 현장 시험생산 후보지 조건을 모사한 3D 중규모 생산모사 실험이 수행되었으며(Lee et al., 2017), 실험 조건을 반영한 전산수치 모델을 활용하여 감압법 적용에 따른 산출량 및 해리거동을 분석하고 높은 GH포화율에서 생산성이 급격히 감소하는 현상을 확인하였다(Lee, 2016; Gil et al., 2017). 이와 같이 가스 생산이 지연되기 시작하는 한계 GH포화율에 대한 파악을 위해 국내 현장 시험생산 후보지 조건을 반영하여 다양한 GH포화율에 따른 코어스케일의 GH 생산모사 실험이 수행되었으며, 실험 조건을 반영한 전산수치 모델을 구축하여 GH포화율이 50~60%인 경우에 가스 생산이 지연됨을 파악하였다(Gil et al., 2019). 파악한 한계 GH포화율 결과를 바탕으로 KIGAM은 동해 울릉분지 현장조건에서 다양한 감압율에 따른 코어스케일의 GH 생산모사 실험을 수행하였다.

이 연구에서는 감압법 적용 시 GH 함유층 내 감압율의 영향을 파악하기 위해 국내 현장 시험생산 후보지 조건을 반영한 GH 생산모사 실험과 연계하여 전산수치 연구를 수행하고자하였다. 이를 위해 코어스케일 실험시스템 조건을 반영한 전산수치 모델을 구축하여 전산수치 해석 결과와 실험결과를 비교·검증하고자 하였다. 또한, 검증된 전산수치 모델을 이용하여 다양한 감압율과 GH포화율에 따른 가스·물 산출량과 GH 해리거동을 분석하고자 하였다.

코어스케일 실험시스템

KIGAM은 동해 울릉분지 현장 조건을 반영한 코어스케일 실험시스템을 제작하여 GH 생산모사 실험을 수행하였다. 실험시스템은 크게 시료장착부, 유체 주입부, 유체 배출부, X선 컴퓨터 단층촬영기(X-ray Computed Tomography, X-ray CT)로 구성되어 있다(Fig. 2). X-ray CT는 실험시스템 내 퇴적시료의 위치, GH 및 유체 분포를 가시화하기 위해 이용하였다(Suk et al., 2018). 또한 소형셀은 고압(20 MPa)조건에서도 충분히 견딜 수 있도록 설계되었으며, 감압율에 따른 실험을 효과적으로 진행하기 위해 총 10개의 실험셀을 구성하였다.

http://static.apub.kr/journalsite/sites/ksmer/2019-056-04/N0330560403/images/ksmer_56_04_03_F2.jpg
Fig. 2.

Core scale gas hydrate experimental production system (Suk et al., 2018).

GH 생산모사 실험은 현장 시험생산 후보지의 환경을 모사하기 위해 현장 퇴적 시료와 유사한 입도분포를 가진 모래 시료를 셀 내에 충진 한 후 진행하였으며, 실험셀 내 퇴적입자의 분포를 확인하기 위해 X-ray CT을 이용하였다(Suk et al., 2017). 이후 동해 울릉분지의 염농도를 고려하여 NaCl 3%의 염수와 메탄가스를 주입하고 가압을 통해 실험시스템 내 GH를 생성하였으며, GH 생성 후에는 퇴적층 공극 내에 물과 GH만 존재하도록 실험셀 내 남아있는 메탄가스를 물로 치환하였다. 이후 10개의 실험셀을 이용하여 초기 압력 및 온도가 최대한 일정한 상태에서 다양한 감압율(0.25, 0.50, 1.00, 1.50, 2.00 MPa/hr) 조건으로 GH 생산모사 실험을 수행하였다.

실험시스템 조건을 반영한 전산수치 해석

이 연구에서는 10개의 GH 생산모사 실험 중 감압이 진행됨에 따라 CT값 분포가 불균질하게 나타나는 8개 실험셀의 결과를 제외하였으며, 나머지 CT값 분포가 균질하게 나타나는 2개의 실험셀 중 계측된 압력 및 온도가 안정적으로 나타나는 1개의 실험셀 조건을 반영하여 전산수치 모델을 구축하였다. 또한 구축된 전산수치 모델을 검증하기 위하여 실험에서 측정된 실험시스템 내 밀도를 의미하는 CT값 변화와 전산수치 해석을 통해 파악한 유체밀도 변화를 비교·분석하였다.

전산수치 모델 구축

이 연구에서는 실험시스템 조건을 반영한 전산수치 모델을 구축하기 위해 GH 함유 퇴적층 내에서의 가스 생산 거동을 모사할 수 있는 TOUGH+HYDRATE(T+H) 시뮬레이터를 이용하였다. T+H는 영구동토층 및 심해 퇴적층에서 온도에 따른 GH 해리, 수화반응(hydration), 상거동(phase behavior)이나 유체유동(flow of fluids) 등의 해석이 가능하다(Moridis et al., 2008).

내부 직경이 2.54 cm(1in)이며 길이가 5.08 cm(2in)인 원통형 모양의 코어스케일 실험시스템을 모사하기 위하여 실험셀과 동일한 크기의 2D 전산수치 모델을 구성하였다. 또한 코어스케일 GH 생산모사 실험 중 셀 내 온도를 유지하기 위해 설치된 순환시스템은 격자시스템 바깥경계에 가상격자를 만들어 모사하였다. 전산수치 모델의 입력변수는 실험셀의 GH포화율, 실험에서 측정된 공극률, 염농도, 절대유체투과도, 초기온도 등을 활용하였으며(Table 1), 실험시스템 왼쪽 경계면 중간에 생산지점을 설정하였다. 실험셀의 초기압력을 반영하여 감압을 수행하기 전 전산수치 모델의 초기압력은 20 MPa로 설정하였으며, 실험셀에서 적용한 감압율을 이용하여 전산수치 모델의 감압 조건을 설정하였다.

Table 1. Input parameters of T+H simulation

Parameters Value
Porosity (%) 35.00
Absolute permeability (md) 1,200
NaCl concentration (%) 3.00
Rock grain density (kg/m3) 2,695
Rock grain specific heat (J/kg/°C) 800
Thermal conductivity of fully saturated rocks (Wm-1K-1) 1.45
Thermal conductivity of dry rocks (Wm-1K-1) 1.00
Initial pressure (MPa) 20.00
Initial temperature (°C) 16.70
Gas hydrate saturation (%) 54.30
Depressurization rate (MPa/hr) 2.00

전산수치 해석 결과 및 실험결과 비교·검증

코어스케일 실험시스템을 모사하여 구축한 전산수치 모델을 검증하기 위하여 실험에서 측정된 CT값과 전산수치 해석을 통해 도출한 유체밀도 변화를 비교·분석하였으며, 실험시스템 내 유체의 유동과 관련 있는 가스 및 물 상대유체투과도 곡선을 변화시켜 CT값과 유체밀도에 대한 히스토리 매칭을 수행하였다. 실험을 통해 측정된 가스 및 물 상대유체투과도의 끝점(end point) 값을 참조하여 상대유체투과도 곡선을 도출하였다(Fig. 3). 이 때 가스 상대유체투과도 곡선은 Modified Stone 모델(Stone, 1970), 물에 대한 상대유체투과도 곡선은 van Genuchten-Mualem 모델(Mualem, 1976; van Genuchten, 1980)을 이용하였다.

http://static.apub.kr/journalsite/sites/ksmer/2019-056-04/N0330560403/images/ksmer_56_04_03_F3.jpg
Fig. 3.

Relative permeability curves of gas and water with history matching.

GH 해리 압력조건 및 GH 해리가 완료되는 시점에서의 CT값과 유체밀도에 대한 정규화를 수행하였으며, 감압이 진행됨에 따라 실험에서 측정된 CT값 변화와 전산수치 해석을 통해 얻어진 유체밀도의 변화가 일치하였다(Fig. 4). 또한 실험시스템 내 감압에 따른 GH 해리 양상을 파악하기 위해 X-ray CT를 통해 파악된 CT값 분포와 감압에 따라 전산수치 해석을 통해 얻어진 유체밀도 분포 변화를 비교하였으며, GH 해리 시작 및 완료 시점의 압력이 실험결과와 전산수치 해석 결과와 동일한 것을 확인하였다(Fig. 5)

http://static.apub.kr/journalsite/sites/ksmer/2019-056-04/N0330560403/images/ksmer_56_04_03_F4.jpg
Fig. 4.

Comparison of experimental and simulation results.

http://static.apub.kr/journalsite/sites/ksmer/2019-056-04/N0330560403/images/ksmer_56_04_03_F5.jpg
Fig. 5.

Normalized CT value and fluid density distributions.

감압율 및 GH포화율에 따른 전산수치 해석 결과

이 연구에서는 실험결과로부터 검증된 전산수치 모델을 활용하여 감압율(0.25, 0.50, 1.00, 1.50, 2.00 MPa/hr) 및 GH포화율(40, 45, 50, 55%)에 따른 산출량과 GH 해리거동을 분석하였다.

감압율에 따른 전산분석 결과

이 연구에서는 한계 GH포화율 범위를 고려하여 GH포화율 50%에서 감압율에 따른 분석을 수행하였다. 가스 및 물 생산량을 비교한 결과, 감압율이 클수록 생산 시작 시점이 앞당겨지며, 가스 생산 속도가 빨라지는 것을 확인하였다(Fig. 6).

http://static.apub.kr/journalsite/sites/ksmer/2019-056-04/N0330560403/images/ksmer_56_04_03_F6.jpg
Fig. 6.

Cumulative productions of 50% gas hydrate saturation.

실험시스템 내 감압에 따른 GH 해리거동을 파악하고자 압력, 온도, GH포화율 분포를 확인하였다. 압력 분포를 통해 감압율이 높을수록 실험시스템 내 압력 전파 속도가 빨라지는 것을 파악하였다(Fig. 7). 감압율이 0.25, 0.50 MPa/hr인 경우에는 압력 전파가 지연되지 않았으나 1.00 MPa/hr 이상인 조건에서는 감압 적용 1~4시간 사이에서 압력 전파가 지연되어 실험시스템 내 압력차이가 발생하였으며, 감압율이 클수록 실험시스템 내 압력차이는 더 크게 발생하였다. GH 해리 시 흡열반응에 따라 실험시스템 내 온도가 저하되었으며, 감압율이 0.25 MPa/hr인 경우에는 약 0.1°C, 2.00 MP/hr인 경우에는 약 1°C까지 감소하여 감압율이 클수록 온도감소가 크게 나타나는 것을 확인하였다(Fig. 8). 이와 같은 온도 감소는 GH 재형성의 원인이 될 수 있으므로 현장 시험생산에 있어서는 감압율에 따른 함유층 내 온도 감소 정도를 파악하는 것이 중요하다. 또한 감압율이 클수록 압력 전파 속도가 빨라져 GH 해리 시작 시점이 앞당겨지고, 해리 완료까지 소요되는 시간이 단축되었다. 이로 인해 실험시스템 내 최대 누적가스 생산량에 도달하는 시간이 짧아지는 것을 확인하였다(Fig. 9).

http://static.apub.kr/journalsite/sites/ksmer/2019-056-04/N0330560403/images/ksmer_56_04_03_F7.jpg
Fig. 7.

Pressure distributions depending on depressurization rate.

http://static.apub.kr/journalsite/sites/ksmer/2019-056-04/N0330560403/images/ksmer_56_04_03_F8.jpg
Fig. 8.

Temperature distributions depending on depressurization rate.

http://static.apub.kr/journalsite/sites/ksmer/2019-056-04/N0330560403/images/ksmer_56_04_03_F9.jpg
Fig. 9.

Gas hydrate saturation distributions depending on depressurization rate.

감압에 따른 산출량 및 실험시스템 내 유동분포를 통해 GH 해리 속도에 대한 감압율의 영향을 확인할 수 있었으며, 특정 감압율 이상에서는 압력 전파가 지연됨으로써 감압율에 따른 생산 속도 변화에 차이가 발생하는 것을 파악하였다. 또한 코어스케일 실험시스템 규모에서는 각 감압율에서 실험시스템 내 압력 전파가 모두 이루어져 총 가스 생산량이 동일하게 나타났다. 하지만 현장 시험생산을 수행할 경우, 감압율에 따른 압력 전파 속도 차이로 인하여 단기간의 누적 가스 생산량이 상이해질 수 있을 것으로 사료된다.

GH포화율에 따른 전산분석 결과

다양한 GH포화율(40, 45, 50, 55%)에서 감압율에 따른 전산수치 해석을 수행하였으며, 실험시스템 오른쪽 경계면 중간지점에서 시간에 따른 GH 해리율을 나타내었다(Fig. 10). 이를 통해 GH 해리 시작 및 완료 시점을 파악하였으며, 그 결과 감압율이 크고 GH포화율이 낮을수록 GH 해리 속도가 빨라지고 GH 해리가 완료되는 시간이 감소하였다. GH포화율이 40, 45, 50, 55%일 때 0.25 MPa/hr와 2.00 MPa/hr의 감압율에서 해리 완료 시간의 차이가 최대 8.8, 9.8, 10.4, 10.5 시간 발생하였다. 또한, 1.00 MPa/hr 이상에서는 생산 초기 압력 전파가 지연됨에 따라 모든 GH포화율 조건에서 감압율 증가에 따른 GH 해리 시작 시점의 변화가 지수적으로 감소하였다.

감압이 시작되는 실험시스템의 생산지점과 실험시스템 오른쪽 경계면 중간지점에서 시간에 따른 압력 변화를 비교하였다(Fig. 11). GH 해리가 발생하는 시간부터 두 지점에서 압력차가 발생하였으며, GH 해리가 완료된 이후에는 두 지점의 압력은 동일하게 감소하였다. 두 지점의 압력차는 감압율 및 GH포화율이 클수록 크게 나타났으나, 1.00 MPa/hr 이상인 감압율 조건에서는 생산 초기 실험시스템 내 압력전파가 지연됨에 따라 GH 해리 시작 시점 이전부터 두 지점에서의 압력차가 발생함을 파악하였다. 한계 GH포화율로 예측되는 범위에 해당하는 55%에서는 높은 GH포화율로 인하여 실험시스템 내 유체투과도가 감소하여 모든 감압율 조건에서 생산 시작 직후부터 두 지점에서 압력 차이가 발생하였으며, 감압율이 2.00 MPa/hr인 경우에는 두 지점의 압력이 최대 4 MPa까지 차이가 발생하였다.

http://static.apub.kr/journalsite/sites/ksmer/2019-056-04/N0330560403/images/ksmer_56_04_03_F10.jpg
Fig. 10.

Gas hydrate dissociation rate depending on depressurization rate.

http://static.apub.kr/journalsite/sites/ksmer/2019-056-04/N0330560403/images/ksmer_56_04_03_F11.jpg
Fig. 11.

Pressure difference according to depressurization rate.

결 론

이 연구에서는 코어스케일 실험시스템을 바탕으로 구축한 전산수치 모델의 해석 결과와 실험결과를 비교·검증하였다. 감압율 및 GH포화율에 따른 전산수치 해석을 통해 가스·물 산출량과 GH 해리거동을 분석하여 감압율의 영향을 파악하였다.

다양한 조건에서의 전산수치 해석을 통해 감압법 적용 시 감압율과 GH포화율이 가스·물 생산 시작 시점 및 GH 해리 속도에 영향을 미치는 것을 확인하였으며, 특정 감압율 이상 조건에서는 생산 초기에 실험시스템 내 압력 전파가 지연되는 것을 파악하였다. 또한 실험시스템 내 온도는 감압율이 클수록 더 낮은 온도까지 감소하였으며, 감압율이 크고 GH포화율이 낮을수록 GH 해리 속도가 빨라져 GH 해리 완료까지 소요되는 시간이 단축되는 것을 파악하였다.

향후 이 연구결과를 통해 확장된 규모의 실험시스템 내 감압율에 따른 GH 생산모사 실험 시 적정 감압율 범위 및 실험결과에 대한 예측이 가능할 것이다. 또한 감압법을 적용한 국내 현장 시험생산 계획 수립 시 감압율의 영향 파악을 위한 기초자료로 활용할 수 있을 것이다.

Acknowledgements

이 연구는 산업통상자원부 산하 가스하이드레이트 개발사업단에서 지원하는 한국지질자원연구원의 연구과제 “가스하이드레이트 탐사 및 개발연구(18-1143)”의 지원에 의해 수행되었습니다.

References

1 

Boswell, R. and Collett, T.S., 2011. Current perspectives on gas hydrate resources. Energy and Environmental Science, 4(4), 1206-1215.

10.1039/C0EE00203H
2 

Collett, T.S., 2002. Energy resource potential of natural gas hydrate. AAPG Bulletin, 86(11), 1971-1992.

10.1306/61EEDDD2-173E-11D7-8645000102C1865D
3 

Feng, J.C., Wang, Y., and Li, X.S., 2017. Large scale experimental evaluation to methane hydrate dissociation below quadruple point by depressurization assisted with heat stimulation. Energy Procedia, 142, p.4117-4123.

10.1016/j.egypro.2017.12.334
4 

Gil, S.M., Shin, H.J., Lee, S.M., Lim, J.S., and Lee, J., 2017. Numerical analysis of dissociation in gas hydrate experimental production system using depressurization. J. the Korean Society of Mineral and Energy Resources Engineers, 54(3), 233-241.

10.12972/ksmer.2017.54.3.233
5 

Gil, S.M., Shin, H.J., Lim, J.S., and Lee, J., 2019. Numerical analysis of dissociation behavior at critical gas hydrate saturation using depressurization method. J. Geophysical Research: Solid Earth, 124(2), 1222-1235.

10.1029/2018JB015847
6 

Huh, D.G., 2005. Status of gas hydrate research in korea. J. the Korean Society for Geosystem Engineering, 42(3), 206-213.

7 

Huh, D.G. and Lee, J.Y., 2017. Overview of gas hydrate R&D. J. the Korean Society of Mineral and Energy Resources Engineers, 54(2), 201-214.

10.12972/ksmer.2017.54.2.201
8 

Janicki, G., Schlüter, S., Henning, T., and Deerberg, G., 2014. Simulation of subsea gas hydrate exploitation. Energy Procedia, 59, p.82-89.

10.1016/j.egypro.2014.10.352
9 

Lee, J., Shin, H.J., Gil, S.M., and Lim, J.S., 2017. Numerical simulation of dissociation behavior in gas hydrate experimental production system using depressurization method. The 9th International Conference on Gas Hydrate, Colorado School of Mines, Denver, USA, 1p.

10 

Lee, S.M., 2016. Numerical Analysis of Dissociation Behavior in Mesoscale Gas Hydrate Production Experimental System, MS Thesis, Korea Maritime and Ocean University, Korea, 50p.

11 

Lee, S.R., Kim, D.S., Ryu, B.J., Bahk, J.J., Yoo., D.G., Kim, G.Y., Lee, J.Y., Yi, J.S., Collett, T.S., Riedel, M., and Torres, M.E., 2011. Recent developments of gas hydrate program in korea: ulleung basin gas hydrate drilling expedition 2. Proc. of the 7th International Conference on Gas Hydrate, Scotland, United Kingdom, 7p.

12 

Li, G., Li, X.S., and Wang, Y., 2014. Gas production from methane hydrate in cubic hydrate simulator using depressurization method by experimental and numerical studies. Energy Procedia, 61, p.803-807.

10.1016/j.egypro.2014.11.969
13 

Moridis, G.J., Kowalsky, M.B., and Pruess, K., 2008. TOUGH +HYDRATE v1.0 User's Manual:A code for the Simulation of System Behavior in Hydrate-Bearing Geological Media. LBNL-149E, Lawrence Berkely National Laboratory, California, USA, 279p.

10.2172/927149
14 

Mualem, Y., 1976. A new model for predicting the hydraulic conductivity of unsaturated porous media. Water Resources Research, 12(3), 513-522.

10.1029/WR012i003p00513
15 

Park, K.P., 2008. Gas hydrate exploration: overview and status. J. the Korean Society for Geosystem Engineering, 45(5), 590-600.

16 

Ruan, X., Song, Y., Zhao, J., Liang, H., Yang, M., and Li, Y., 2012. Numerical simulation of methane production from hydrate induced by different depressurizing approaches. Energies, 5(2), 21p.

10.3390/en5020438
17 

Stone, H.L., 1970. Probability model for estimating three-phase relative permeability. J. Petroleum Technology, 22(2), 214-218.

10.2118/2116-PA
18 

Suk, H., Ahn, T., Lee, J., Lee, M., and Lee, J.Y., 2018. Development of gas hydrate experimental production system combined with X-ray CT. J. Korean Society of Mineral and Energy Resources Engineers, 55(3), 226-237.

10.32390/ksmer.2018.55.3.226
19 

Suk, H., Lee, J., Ahn, T., and Lee, J.Y., 2017. Experimental study of reservoir properties based on packing-methods in unconsolidated sediment. 2017 Fall Joint Conference of KSMER, KSRM, and KSEG, KSMER, Busan, Korea, p.200.

20 

USGS, 2018. Gas Hydrate in Nature, Fact Sheet 2017-3080, Reston, Virginia, USA, 4p.

21 

van Genuchten, M.Th., 1980. A closed-form equation for predicting the hydraulic conductivity of unsaturated soils. Soil Science Society of America Journal, 44(5), 892-898.

10.2136/sssaj1980.03615995004400050002x
22 

Wang, D., Ma, X., and Qiao, J., 2014. Impact factors of natural gas hydrate dissociation by depressurization: a review. Advanced Materials Research, 868, p.564-567.

10.4028/www.scientific.net/AMR.868.564
페이지 상단으로 이동하기