Research Paper (Special Issue)

Journal of the Korean Society of Mineral and Energy Resources Engineers. 30 June 2024. 208-221
https://doi.org/10.32390/ksmer.2024.61.3.208

ABSTRACT


MAIN

  • 서 론

  • 본 론

  •   연구대상 와비스코 오일샌드 저류층 정보

  •   SAGD 시뮬레이션 모델

  •   SAGD 생산성 기반의 저류층 모델 분류 및 대표 모델 선정

  •   대표 모델 별 스팀 주입압력 최적화

  •   광구 규모의 SAGD 생산성 평가

  • 토 의

  • 결 론

서 론

Steam-assisted gravity drainage(SAGD) 공법은 오일샌드 저류층 개발을 위한 대표적인 지하회수 열공법으로 주로 캐나다 아사바스카 지역에서 적용되고 있다. 이 공법은 수평정 형태의 주입정과 생산정으로 구성된 유정 쌍(well-pair)으로 운영되며, 주입정과 생산정 사이의 열 교류(thermal communication)를 형성하는 예열단계를 거쳐 스팀 주입 및 비투멘을 생산한다(Butler et al., 1981). SAGD 공법의 생산성은 두께, 공극률, 오일 포화도, 투과도와 같은 저류층 물성에 영향을 받는다(Shin, 2008; Shin and Polikar, 2007).

캐나다 아사바스카 지역의 맨빌층군(Mannville Group)은 백악기 전기에 육상 및 연안환경에서 퇴적되었으며 주 암상은 사암, 이암이다(Hayes et al., 1994). 맨빌층군은 맥머리층(McMurray Formation), 클리어워터층(Clearwater Formation), 그랜드래피드층(Grand Rapids Formation)으로 구성되며, 맥머리층과 그랜드래피드층의 사암은 비투멘으로 포화된 오일샌드 저류층으로 알려져 있다(Cant, 1996; Glass, 1990). 클리어워터층은 대부분 셰일로 퇴적되어 있으나, 하부의 와비스코 층원(Wabiskaw Member)은 세립질 사암으로 구성된다(Glass, 1990). 와비스코 층원은 침식면에 의해 와비스코 B, C, D 베드(Bed)로 구분되는데(Hein and Cotterill, 2006; Wightman et al., 1997; Wynne et al., 1994), Shields and Strobl(2010)에 따르면 와비스코 D 베드는 조간대의 영향을 받은 조수로-충진체 및 만-충진체로써 공극률, 투과도가 높으므로 비투멘으로 포화된 경우 개발 유망성이 있다. 실제로 해당 지역의 West Ells 광구에서 와비스코 오일샌드 저류층을 대상으로 SAGD 공법을 운영하고 있다(Sunshine Oilsands Ltd., 2023).

오일샌드 광구 개발 계획 시 유망지역의 저류층에 대한 생산성 평가가 이루어지며, 이를 위해 저류층 시뮬레이션이 주로 사용된다(Gu et al., 2013; Ranjbar et al., 2020; Wang, 2016). 시뮬레이션 기반의 SAGD 생산 모사를 위해서는 고해상도의 격자 시스템에서 열전달을 고려하여 다상, 다성분 유체의 유동을 계산해야 하므로 상당한 시간이 소요된다(Card et al., 2014; Lee et al., 2015; Shin et al., 2012). SAGD 공법은 스팀 챔버가 확장하는 영역에 한해 비투멘을 회수할 수 있는데, 열효율 고려 시 배유영역의 폭은 일반적으로 100 m 정도에 불과하다(Jimenez, 2008). 이로 인해 개발 유망지역의 면적이 수 km2에 달하는 경우, 시추가능한 모든 위치에서 시뮬레이션 기반의 SAGD 생산성 평가를 수행하는 것은 상당한 시간이 소요된다. 또한, 광구 개발 계획 단계에서 3차원 저류층 모델이 제작되지 않으면 저류층 시뮬레이션을 통한 SAGD 생산성 평가는 불가능하다.

이와 같은 저류층 시뮬레이션의 한계로 인해 오일샌드 광구 내 수직정의 저류층 물성 또는 물리검층자료를 활용한 SAGD 생산성 평가 연구가 수행되었다. Ma et al.(2017)은 오일샌드 광구에서 SAGD 유정 쌍 인근의 수직정에서 해석된 공극률, 수포화도의 산술 평균값, 저류층 두께, net-to-gross 비, 주입정과 셰일층 간 거리를 사용하여 SAGD 생산성 평가 모델을 개발하였다. Kim et al.(2023)은 오일샌드 광구에서 SAGD 유정 쌍의 배유영역 내 존재하는 수직정을 선별하고, 수직정에서 측정된 물리검층자료로부터 SAGD 생산성과 연관된 주요 특징을 추출하였다. 추출된 특징을 인공신경망의 입력인자로 사용하여 장기간의 SAGD 운영에 따른 순현재가치와 누적오일생산량을 평가하였다. 그러나, 기존 문헌에서 제시된 수직정 정보를 활용한 SAGD 생산성 평가 방법은 수직정 인근에 위치한 SAGD 유정 쌍에 한해 적용할 수 있다. 또한, 오일샌드 광구 개발 시 수직정을 약 400 m 간격으로 시추하는데(Cenovus Energy Inc., 2021; Suncor, 2023a, 2023b), SAGD 공법의 배유영역 폭이 100 m인 점을 감안하면 수직정 위치에서의 생산성 평가 결과에 공간 보간법을 적용하여 광구 전역의 생산성 평가를 수행해야 한다. 하지만, 이와 같은 광구 규모의 SAGD 생산성 평가 방법은 기존 문헌에서 제시된 바 없다.

본 연구에서는 광구 전역을 모사한 3차원 저류층 모델 없이 광구 내 수직정에서 측정된 저류층 물성 정보만을 활용하여 광구 전역의 SAGD 생산성을 평가하고자 하였다. SAGD 공법은 배유영역의 폭이 좁으므로 저류층 모델의 불확실성을 낮추고자 수직정을 약 400 m 간격으로 조밀하게 시추한다. 따라서, 광구 전역의 SAGD 생산성 평가에 필요한 저류층 물성 분포를 파악할 수 있다. 이를 활용해 생산성 분포도를 작성하고 광구에서 경제적으로 운영가능한 SAGD 유정 쌍 개수 예측과 생산성 평가 방법을 개발한다. 기존의 SAGD 공법은 주로 맥머리층을 대상으로 적용되었으나, 앞서 서술하였듯이 와비스코 저류층은 SAGD 공법의 적용 유망성이 있다. 따라서, 캐나다 아사바스카 지역에 존재하는 광구 X의 수직정 정보를 기반으로 광구 전역에 걸쳐 와비스코 저류층에 대한 SAGD 생산성을 평가한다.

본 론

연구대상 와비스코 오일샌드 저류층 정보

캐나다 아사바스카 지역의 광구 X에 가로 3 km, 세로 5.5 km 영역 내 두께 20 m 미만의 와비스코 오일샌드 저류층이 존재한다(Fig. 1(a)). 해당 저류층은 미개발 상태이나 자산 평가를 위해 수십 여개의 수직정이 시추되었으며, 개별 수직정의 물리검층자료에 대한 와비스코 저류층 물성 해석결과가 존재한다. 경제적으로 SAGD 공법을 운영할 수 있는 저류층 영역에 한하여 광구를 평가하기 위해 저류층 두께가 10 m 이상이면서 저류층 물성 해석결과가 존재하는 수직정 28개를 선별하였다(Fig. 1(b)). 선별된 수직정 중 7개 구역(section A~F, H)에서 측정된 물리검층자료를 통해 해당 광구의 저류층은 셰일이 거의 존재하지 않으며 비투멘으로 포화됨을 확인하였다(Fig. 2). 또한, 깊이에 따른 검층값의 차이가 작으므로 28개 수직정의 생산구간 내 저류층 물성 해석결과(공극률, 오일 포화도)를 개별적으로 산술 평균하여 광구 평가에 활용하였다. 28개 수직정에 저류층 물성 평균값을 할당하여 저류층 두께 10 m 이상인 영역에 한해 크리깅(Kriging) 방법을 적용하여 공극률 및 오일 포화도 분포도를 작성하였다(Fig. 3). 크리깅 방법은 실측값이 존재하는 지점 간 공간을 보간(interpolation)하는 지구통계적 기법이며, 주위의 여러 실측값을 가중 선형조합하여 예측값을 산출한다(Oliver and Webster, 1990). 여러 크리깅 방법 중 단순 크리깅(Simple kriging) 방법을 적용하였으며, 모든 물성의 베리오그램은 너겟 효과(nugget effect) 0, 문턱값(sill) 1, 상관거리(range) 500 m, 등방성(isotropy)을 가정하였다. 공극률은 광구 전역에 걸쳐 유사한 값을 보였으나(최대값 0.35, 최소값 0.33), 오일 포화도는 위치에 따라 다른 양상을 보였다. 또한, Fig. 1(a)와 같이 광구 내 위치에 따라 저류층 두께가 다르기 때문에 SAGD 유정 쌍의 시추 위치에 따라 생산성이 다를 것으로 예측된다. 따라서, 선별된 28개 수직정의 저류층 물성 정보를 사용하여 저류층 모델링 및 SAGD 시뮬레이션을 수행하고 그 결과를 바탕으로 광구 전역에 걸친 생산성 분포도를 작성하고자 하였다.

https://static.apub.kr/journalsite/sites/ksmer/2024-061-03S/N0330610305/images/ksmer_61_03_05_F1.jpg
Fig. 1.

Pay thickness map and selected vertical wells in Field X (A~H indicates each section).

https://static.apub.kr/journalsite/sites/ksmer/2024-061-03S/N0330610305/images/ksmer_61_03_05_F2.jpg
Fig. 2.

Well log data of each section in Field X (A value beside well log indicates pay thickness).

https://static.apub.kr/journalsite/sites/ksmer/2024-061-03S/N0330610305/images/ksmer_61_03_05_F3.jpg
Fig. 3.

Distribution map of reservoir property.

SAGD 시뮬레이션 모델

앞서 선별한 28개 수직정 위치에서의 SAGD 생산성을 평가하기 위해 28개의 저류층 모델을 제작하였다. 저류층 모델 제작 시 모든 격자의 크기를 1 m×800 m×1 m(각각 I, J, K 방향)로 설정하였으며, 모델의 I, J 방향 격자 개수는 각각 101개, 1개이며, K 방향 격자 개수는 수직정에서 관측한 저류층 두께로 설정하였다(Fig. 4). Jimenez(2008)에 따르면 오일샌드 광구 개발 초기단계에서 3차원 저류층 모델이 부재한 경우, 2차원 모델에 대해 시뮬레이션을 수행하여 SAGD 생산성 평가가 가능하다. 또한, 수직정 위치에서의 생산성 평가를 위해 균질 저류층 모델을 사용하므로 J 방향에서 격자를 여러 개로 구성하지 않아도 무방하다. 다만, SAGD 시뮬레이션 수행 시 열전달에 따른 스팀 챔버 확장을 고해상도로 모사해야 하므로 격자의 I, K 방향 크기를 1 m로 설정하였다(Shin et al., 2012).

https://static.apub.kr/journalsite/sites/ksmer/2024-061-03S/N0330610305/images/ksmer_61_03_05_F4.jpg
Fig. 4.

Example of reservoir model with 17 m thickness and SAGD well-pair.

공극률, 오일 포화도는 수직정 별 생산구간 내 산술 평균값을 입력하였으며, 수평투과도와 수직-수평투과도 비는 5,000 mD, 0.72로 고정하여 할당하였다(Kim et al., 2018; Law et al., 2003; Meyer and Krause, 2006). 온도 변화에 따른 비투멘 점성도와 상대투과도 정보를 입력하였으며(Fig. 5), 알버타주 에너지 규제국(Alberta Energy Regulator)에서 공개한 광구 X의 정보를 참조하여 저류층 초기 압력, 온도를 1,860 kPa, 10°C로 설정하였다.

https://static.apub.kr/journalsite/sites/ksmer/2024-061-03S/N0330610305/images/ksmer_61_03_05_F5.jpg
Fig. 5.

Bitumen viscosity and relative permeability for reservoir simulation (Computer Modelling Group, 2021).

SAGD 공법을 모사하기 위해 800 m 길이의 수평정 2공(생산정, 주입정)을 저류층 모델 중앙 하부에 배치하였으며, 주입정은 생산정의 5 m 상부에 위치시켰다(Fig. 4). SAGD 운영 시작 전 3개월 간 예열을 통해 생산정과 주입정 사이의 열 교류(thermal communication)를 모사하였다. 예열 종료 후 주입정에서 214°C, 95% 품질의 스팀을 2,060 kPa의 공저압력으로 지속 주입하였으며, 생산정은 5°C sub-cool을 통해 steam trap을 모사하였다. Computer Modelling Group社의 STARS 시뮬레이터를 사용하여 28개 저류층 모델에 대해 SAGD 공법을 10년 간 운영하였다(Computer Modelling Group, 2021).

SAGD 생산성 기반의 저류층 모델 분류 및 대표 모델 선정

28개 저류층 모델에 대해 개별적으로 스팀 주입압력 최적화를 수행하는 것은 상당한 시간이 소요된다. 따라서, SAGD 생산성을 기준으로 저류층 모델을 여러 유형으로 분류하고 각 유형의 대표 모델에 대해 주입압력 최적조건을 탐색하고자 하였다. SAGD 생산성을 평가하기 위해 식 (1), (2)를 통해 SAGD 운영이익에 대한 순현재가치(net present value, NPV)를 산출하였다. 식 (1)에서 r은 할인율, t는 운영기간, n은 SAGD 공법의 경제성 한계 도달기간을 의미하며, 현금흐름(cash flow, CF) 및 NPV 산출을 위해 경제성 인자를 가정하였다(Table 1). 단위 배럴당 비투멘 가격은 스팀 비용의 4배이므로 steam-to-oil ratio(SOR)가 4를 초과한 시점부터 NPV는 감소한다. 따라서, SOR이 4에 도달한 시점까지의 NPV를 사용하여 SAGD 생산성을 평가하였다. 28개 모델에 대한 SAGD 생산성 평가 결과, 저류층 두께 및 오일 포화도는 NPV와 높은 상관성을 보였으며 저류층이 얇거나 오일 포화도가 낮은 경우에는 NPV가 SAGD 유정 쌍 시추비용인 $3MM(Prada and Cunha, 2008)도 회수하지 못하는 것으로 평가되었다(Fig. 6).

(1)
NPV=t=0nCFt(1+r)t
(2)
CFt=(Bitumenproductiont×Bitumenprice)-(Steaminjectiont×Steamcost)
Table 1.

Economic parameter assumptions for NPV calculation (Guevara et al., 2021; Nejadi et al., 2018)

Parameter Value
Steam cost 8 [$/cold water equivalent bbl]
Bitumen price 32 [$/bbl]
Discount rate 10 [%/year]

https://static.apub.kr/journalsite/sites/ksmer/2024-061-03S/N0330610305/images/ksmer_61_03_05_F6.jpg
Fig. 6.

NPV by reservoir thickness and oil saturation.

28개 저류층 모델을 오일 포화도 0.75 기준으로 분류 시 유형 별 오일 생산량과 SOR이유사한 양상을 보였다(Fig. 7(a)). 오일 포화도가 0.75 이하인 유형은 저류층 내 지층수 함량이 많아 스팀 주입이 원활하여 스팀 챔버가 빠르게 확장하기 때문에 운영 초기단계에서 오일 생산량이 크게 증가하였다. 하지만, 지층수로 유실되는 스팀 잠열이 많기 때문에 열효율이 떨어져 SOR은 증가하였다. 저류층 두께는 SAGD 생산성에 영향을 미치므로 두께에 대한 분류 기준을 설정하였다(Shin, 2008; Shin and Polikar, 2007). 앞서 결정한 오일 포화도 기준 0.75에 더하여 저류층 두께 14 m를 기준으로 오일 생산량과 SOR을 분류하였다(Fig. 7(b)).

https://static.apub.kr/journalsite/sites/ksmer/2024-061-03S/N0330610305/images/ksmer_61_03_05_F7.jpg
Fig. 7.

Classification result of SAGD performance.

그 결과, 저류층이 두꺼운 유형은 상대적으로 오일 생산량이 많고 SOR은 낮은 경향을 보였다. 따라서, 오일 포화도 0.75, 저류층 두께 14 m를 분류 기준으로 사용하여 4개의 유형으로 저류층 모델을 분류하였다(Type1: 오일 포화도 > 0.75, 두께 > 14 m; Type2: 오일 포화도 < 0.75, 두께 > 14 m; Type3: 오일 포화도 > 0.75, 두께 < 14 m; Type4: 오일 포화도 < 0.75, 두께 < 14 m). 각 유형에서 오일 생산량이 중앙값에 해당하는 저류층 모델을 대표 모델로 선정하고 해당 모델에 대해 스팀 주입압력을 최적화하였다.

대표 모델 별 스팀 주입압력 최적화

일반적으로 SAGD 공법의 스팀 주입압력은 저류층 초기압력 대비 200~300 kPa 높게 설정하여 운영한다. 스팀 주입압력을 이보다 높게 설정하면 저류층에 더 많은 열에너지를 전달하여 스팀 챔버가 빠르게 확장되므로 오일 증산이 가능하다. 하지만, 운영 기간이 길어질수록 넓게 확장된 스팀 챔버의 압력을 유지하기 위해 필요한 스팀 주입량이 증가하므로 열효율이 점차 낮아진다. 비투멘 가격이 높은 경우에는 열효율이 비교적 낮더라도 스팀 주입압력을 높여 운영하면 많은 양의 비투멘을 초기에 회수하여 NPV를 높일 수 있다. 또한, 앞서 서술한 바와 같이 저류층 물성에 따라 열효율이 다르므로 스팀 주입압력에 대한 민감도 분석을 수행하여 비투멘 가격 별 대표 모델의 최적 주입압력 조건을 결정하였다(Edmunds and Chhina, 2001; Shin and Polikar, 2005).

4개 대표 모델에 대해 스팀 주입압력을 광구 X의 최대 운영압력(maximum operating pressure) 보다 낮은 2,060, 2,860, 3,860 kPa으로 설정하여 SAGD 공법을 운영하였다(Liu et al., 2022). 비투멘 가격을 두 가지 경우($32/bbl, $40/bbl)로 가정하였으며(Nejadi et al., 2018), 각 가격의 경우 SOR이 4, 5에 도달하고 나면 운영을 지속할수록 NPV는 감소한다. 따라서, SOR이 4, 5에 도달하는 시점에서 NPV, 평균 오일 생산량(calendar day oil rate, CDOR), SOR, cSOR, 오일 회수율(recovery factor, RF), 누적 오일 생산량(cumulative oil production, COP)을 산출하였다(Table 2, 3, 4, 5). 비투멘 가격이 $32/bbl인 경우, 대표 모델의 유형에 관계없이 스팀 주입압력을 2,060 kPa로 운영 시 NPV가 가장 높았다. 주입압력이 높으면 스팀 주입량이 증가하여 짧은 운영기간 동안 오일 생산량이 증가하지만 과도한 스팀 주입량으로 인해 NPV는 감소하였다. 비투멘 가격이 $40/bbl인 경우, 대표 모델 유형1, 2, 3은 스팀 주입압력을 2,860 kPa로 운영 시 NPV가 가장 높았다. 이는 높은 주입압력으로 운영하여 열효율이 감소해도 비투멘 가격이 높기 때문에 SOR이 5에 도달할 때까지 경제적으로 운영가능하기 때문이다. 하지만, 대표 모델 유형4는 저류층 품질이 좋지 않으므로 주입압력을 2,060 kPa로 운영해야 NPV가 가장 높았다. 따라서, 대표 모델 별 최적 주입압력은 비투멘 가격이 $32/bbl일 때 2,060 kPa이며, 비투멘 가격이 $40/bbl일 때 유형1~3은 2,860 kPa, 유형4는 2,060 kPa이다.

Table 2.

SAGD performance by injection pressure: Representative model of Type 1

Bitumen price
(Economic
limit)
Injection
pressure
[kPa]
NPV
[$MM]
Operation
period
[month]
CDOR
[m3/day]
SOR cSOR RF
[%]
COP
[103m3]
$32/bbl (SOR 4) 2,060 9.0 79 57 4.0 2.5 37 137
2,860 8.7 56 85 4.0 2.7 40 145
3,860 7.9 41 119 4.0 2.9 40 148
$40/bbl (SOR 5) 2,060 15.1 151 41 5.0 3.1 51 188
2,860 15.8 112 61 5.0 3.2 56 207
3,860 15.6 79 89 5.0 3.3 58 213
Table 3.

SAGD performance by injection pressure: Representative model of Type 2

Bitumen price
(Economic
limit)
Injection
pressure
[kPa]
NPV
[$MM]
Operation
period
[month]
CDOR
[m3/day]
SOR cSOR RF
[%]
COP
[103m3]
$32/bbl
(SOR 4)
2,060 3.4 28 60 4.0 2.6 21 51
2,860 3.1 22 81 4.0 2.8 22 54
3,860 2.9 15 119 4.0 2.9 22 54
$40/bbl
(SOR 5)
2,060 6.1 59 41 5.0 3.2 31 74
2,860 6.2 42 61 5.0 3.3 32 78
3,860 6.0 32 87 5.0 3.5 35 85
Table 4.

SAGD performance by injection pressure: Representative model of Type 3

Bitumen price
(Economic
limit)
Injection
pressure
[kPa]
NPV
[$MM]
Operation
period
[month]
CDOR
[m3/day]
SOR cSOR RF
[%]
COP
[103m3]
$32/bbl
(SOR 4)
2,060 6.2 41 93 4.0 2.8 40 116
2,860 5.6 32 131 4.0 3.1 44 127
3,860 4.0 20 177 4.0 3.2 37 107
$40/bbl
(SOR 5)
2,060 11.7 60 76 5.0 3.1 47 138
2,860 11.9 49 107 5.0 3.4 55 159
3,860 10.6 42 134 5.0 3.7 58 170
Table 5.

SAGD performance by injection pressure: Representative model of Type 4

Bitumen price
(Economic
limit)
Injection
pressure
[kPa]
NPV
[$MM]
Operation
period
[month]
CDOR
[m3/day]
SOR cSOR RF
[%]
COP
[103m3]
$32/bbl
(SOR 4)
2,060 3.1 22 93 4.0 2.9 28 62
2,860 2.5 15 130 4.0 3.1 26 59
3,860 1.9 9 169 4.0 3.2 20 46
$40/bbl
(SOR 5)
2,060 6.6 38 74 5.0 3.4 38 85.4
2,860 6.1 31 102 5.0 3.6 43 96
3,860 4.8 21 133 5.0 3.8 38 84.7

광구 규모의 SAGD 생산성 평가

유형별 대표 모델에 대해 결정한 최적 주입압력을 해당 유형에 속한 모델에 적용하여 SAGD 시뮬레이션을 수행하였다. 이를 통해 28개 수직정 위치에 경제성 한계 기준이 SOR 4, 5일 때의 생산성 지표(NPV, COP, RF)를 할당하고 저류층 두께가 10 m 이상인 영역(Fig. 1(a)) 내에서 생산성 분포도를 작성하였다(Fig. 8, 9). 생산성 분포도는 앞서 서술한 저류층 물성의 분포도 작성 시 사용된 크리깅 방법을 적용하였으며, 베리오그램에 대한 가정도 동일하게 설정하였다.

생산성 분포도에서 광구 내 위치에 따라 SAGD 생산성의 차이가 존재함을 확인 가능하며, 이는 저류층 두께와 오일 포화도 차이에 기인한다(Fig. 1(a), 3(b), 6). 경제성 한계 기준이 SOR 4인 경우, 북쪽지역(구역 A~C, E~G)에서 남쪽 방향으로 갈수록 저류층 두께가 얇아지고 오일 포화도가 감소하므로 생산성도 감소하는 경향을 보였다(Fig. 8). 또한, 북쪽지역의 중심에서 서쪽과 동쪽으로 갈수록 저류층 두께가 얇아지고 오일 포화도가 감소하여 생산성이 감소하였다. 특히, 서쪽과 동쪽 경계의 인근지역은 NPV가 $3MM보다 낮아 SAGD 유정 쌍 시추비용 만큼의 운영이익도 얻기 어려운 것으로 평가되었다. 구역 A와 E의 경계 인근은 광구 X에서 저류층 두께가 가장 두껍고 오일 포화도가 높아 상대적으로 생산성이 좋은 것으로 평가되었으며, 구역 C는 타 구역에 비해 오일 포화도가 매우 낮으므로 생산성이 가장 낮게 평가되었다. 광구 X의 남쪽지역(구역 D, H)은 모든 위치에서 오일 포화도가 0.75 보다 높지만, 구역 D와 H의 경계에서 멀어질수록 저류층 두께가 감소하므로 생산성도 감소하는 경향을 보였다.

https://static.apub.kr/journalsite/sites/ksmer/2024-061-03S/N0330610305/images/ksmer_61_03_05_F8.jpg
Fig. 8.

Distribution map of SAGD performance (Economic limit: SOR 4).

경제성 한계 기준이 SOR 5인 경우는 SOR 4 일 때의 위치에 따른 생산성 분포 변화와 비슷한 양상을 보였다(Fig. 9). 다만, 모든 위치에서 NPV가 $4MM 이상이므로 어느 위치에서 생산을 하더라도 시추비용보다 더 높은 운영이익을 얻을 수 있는 것으로 평가되었다.

https://static.apub.kr/journalsite/sites/ksmer/2024-061-03S/N0330610305/images/ksmer_61_03_05_F9.jpg
Fig. 9.

Distribution map of SAGD performance (Economic limit: SOR 5).

광구 X 개발 시 $3MM보다 높은 NPV를 얻을 수 있는 영역에 한하여 SAGD 유정 쌍을 시추함을 가정하고 광구 규모 생산성을 평가하였다. 광구를 북부지역(구역 A~C, E~G)과 남부지역(구역 D, H)으로 분할하여 평가하였으며(Fig. 8(a)), 각 지역의 넓이를 산출하고 식 (3)을 사용하여 지역별 SAGD 유정 쌍 개수를 산출하였다. 이를 위해 다음 사항을 가정하였다: (1) 생산성 분포도에서 NPV가 $3MM보다 낮은 위치는 시추비용을 회수하지 못하므로 개발하지 않는다; (2) 단일 SAGD 유정 쌍의 배유 영역 넓이는 80,000 m2 이다(수평정 길이 800 m, 유정 쌍 간격 100 m); (3) NPV가 $3MM보다 높은 위치는 모두 개발 가능하다.

경제적으로 운영가능한 SAGD 유정 쌍 개수를 산출한 결과, 경제성 한계 기준이 SOR 4인 경우에는 북부와 남부지역에서 각각 83, 10쌍을 운영할 수 있으며, SOR 5인 경우에는 각각 91, 10쌍을 운영할 수 있다(Table 6). 경제성 한계 기준이 완화되면 북부지역의 서쪽과 동쪽 경계 인근의 저품질 저류층에서도 SAGD를 경제적으로 운영할 수 있으므로 유정 쌍 개수가 증가하였다. 남쪽지역은 경제성 한계 기준이 SOR 4인 경우에 저류층 두께가 10 m 이상인 위치에서 NPV가 $3MM 이상이다. 따라서, 경제성 한계 기준이 완화되어도 남쪽지역은 경제적으로 생산가능한 면적이 동일하여 유정 쌍 개수는 10쌍으로 유지되었다.

(3)
NumberofSAGDwellpair=Areaofregion[m2]÷80,000[m2/wellpair]
Table 6.

Economically viable area and number of SAGD well-pairs

Economic
limit
Northern region Southern region Total
Area
[103m2]
No. SAGD
well-pair
Area
[103m2]
No. SAGD
well-pair
Area
[103m2]
No. SAGD
well-pair
SOR 4 6,667 83 833 10 7,500 93
SOR 5 7,316 91 833 10 8,150 101

생산성 분포도를 기반으로 북부, 남부지역의 SAGD 생산성을 평가하였다. 앞서 제작한 생산성 분포도(Fig. 8, 9)의 각 위치에 할당된 지표로부터 도수 분포를 작성하고(Fig. 10, 11), 식 (4), (5), (6)을 통해 지역 별 생산성을 평가하였다(Table 7). 식 (4), (5), (6)N은 생산성 지표 도수 분포의 계급구간 개수를 의미한다. 광구 X에 대한 SAGD 생산성 평가 결과는 다음과 같다. 경제성 한계 기준이 SOR 4일 때, 광구 전 지역에서 93개 유정 쌍을 운영하면 NPV $542MM, COP 8,860 103m3(약 56MM bbl), RF 30%의 생산성을 보였다. 경제성 한계 기준이 SOR 5일 때, 101개 유정 쌍 운영 시 NPV $1,055MM, COP 13,837 103m3(약 87MM bbl), RF 45%의 생산성을 보이는 것으로 평가되었다.

(4)
RegionalNPV=i=1NNPVi80,000×Areaofregion×Proportioni100
(5)
RegionalCOP=i=1NCOPi80,000×Areaofregion×Proportioni100
(6)
RegionalRF=i=1NRFi×Proportioni100

https://static.apub.kr/journalsite/sites/ksmer/2024-061-03S/N0330610305/images/ksmer_61_03_05_F10.jpg
Fig. 10.

Histogram of SAGD performance with $3MM cut-off (Economic limit: SOR 4).

https://static.apub.kr/journalsite/sites/ksmer/2024-061-03S/N0330610305/images/ksmer_61_03_05_F11.jpg
Fig. 11.

Histogram of SAGD performance with $3MM cut-off (Economic limit: SOR 5).

Table 7.

Result of field-scale SAGD performance evaluation in Field X

Economic
limit
Northern region Southern region Total
NPV
[$MM]
COP
[103m3]
RF
[%]
NPV
[$MM]
COP
[103m3]
RF
[%]
NPV
[$MM]
COP
[103m3]
RF
[%]
SOR 4 480 7,891 31 62 970 30 542 8,860 30
SOR 5 940 12,372 46 115 1,466 44 1,055 13,837 45

토 의

토의에서는 방법론에 대한 한계점과 향후 개선 방안에 대해 서술한다. 본 연구에서는 저류층 물성 분포도와 생산성 분포도 작성 시 단순 크리깅 방법을 적용하여 공간 보간을 하였으며, 이때 사용되는 베리오그램의 인자는 모두 동일하며 등방성을 가정하였다. 생산성 지표는 저류층 물성에 영향을 받으므로 생산성 분포도에 이를 반영하기 위해 두 분포도를 동일한 방법으로 작성하였다. 하지만, 실제 오일샌드 광구에서 저류층 물성 분포가 등방성을 갖는다고 가정하기 어려우며, 저류층 물성별 베리오그램의 인자가 서로 다를 수 있다. 이와 같은 조건을 반영하여 생산성 분포도를 작성하기 위해서는 저류층 두께, 공극률, 오일 포화도와 생산성 지표 간 관계식 도출이 선행되어야 한다. 그 후 저류층 두께, 공극률, 오일 포화도의 분포도를 기반으로 위치 별 생산성을 예측하여 광구 전역의 생산성 분포도를 작성하는 것이 더욱 합리적인 방법으로 사료된다.

실제 광구 개발에 필요한 각종 비용 중 스팀 비용만 반영하여 SAGD 운영이익을 NPV로 산출하였으나, 광구 개발에 필요한 시추비용, 지상 설비 및 기타 운영비용을 추가적으로 반영하여 생산성 평가를 수행할 필요가 있다. 이와 같은 추가 비용 반영 시 앞서 작성된 생산성 분포도에서 경제적으로 운영가능한 영역이 축소되어 생산성 지표는 전반적으로 감소할 것으로 예상된다. 또한, 광구 전역에 대한 NPV 평가 시 분포도의 값을 모두 합산하는데, 이는 경제적으로 운영가능한 모든 SAGD 유정 쌍을 동시에 운영하는 것을 전제로 한다. 이와 같은 전제조건은 지상 설비의 생산유체 처리 용량에 따라 실현 불가능할 수 있다. 또한, NPV는 시간별 현금흐름에 영향을 받는 평가 지표이므로 시간에 따른 SAGD 유정 쌍 시추 및 생산 계획을 세워 광구 개발에 따른 NPV를 평가해야 한다.

광구 X의 와비스코 저류층은 물성 분포가 비교적 균질하기 때문에 본 연구에서 제시한 광구 평가 방법론을 적용할 수 있다. 투과도가 낮은 이암 또는 셰일이 다수 존재하는 불균질 저류층에서는 수직정의 물성 정보만으로 그 분포를 특정할 수 없으므로 불확실성 평가에 기반한 광구 평가 방법론 개발이 필요하다.

결 론

본 논문에서는 광구 X 내 와비스코 오일샌드 저류층에서 측정한 수직정 물성 정보를 활용하여 생산성 분포도를 작성하고 광구 전역에 걸쳐 SAGD 생산성을 평가하였다. 두께 10 m 이상의 저류층에 시추된 28개 수직정의 물성 정보를 개별적으로 산술 평균하여 28개의 균질 저류층 모델을 제작하였다. 오일 생산량과 SOR의 변화 양상을 관찰하여 오일 포화도 0.75와 저류층 두께 14 m를 기준으로 28개 저류층 모델을 4개 유형으로 분류하였다. 각 유형의 대표 모델에 대해 스팀 주입압력에 대한 민감도 분석을 수행하였으며, 이를 통해 경제성 한계 기준이 SOR 4인 경우, 모델 유형에 관계없이 주입압력을 2,060 kPa로 운영 시 운영이익의 NPV가 가장 높았으며, SOR 5일 때 유형 1, 2, 3은 2,860 kPa, 유형 4는 2,060 kPa로 운영 시 NPV가 가장 높았다. 이는 주입압력이 높을수록 많은 양의 스팀이 주입되는데 비투멘 가격이 낮거나 저류층 품질이 좋지 않으면 스팀의 효용성이 낮아지기 때문이다.

28개 저류층 모델에 대해 각 유형별 최적 주입압력을 적용하여 SAGD 시뮬레이션을 수행하고, 산출된 생산성 지표(NPV, COP, RF)를 상응하는 수직정 위치에 할당하였다. 크리깅 방법을 적용하여 각 생산성 지표에 대한 분포도를 작성하였으며, 생산성 분포도에 대한 도수 분포 분석결과를 활용하여 광구 내 저류층 두께 10 m, 운영이익의 NPV가 $3MM 이상인 영역에 한해 생산성 평가를 수행하였다. 그 결과, 경제성 한계 기준이 SOR 4일 때, 광구 전 지역에서 93개 유정 쌍 운영 시 NPV $542MM, COP 8,860 103m3(약 56MM bbl), RF 30%의 생산성을 보였다. 경제성 한계 기준이 SOR 5일 때, 101개 유정 쌍 운영 시 NPV $1,055MM, COP 13,837 103m3(약 87MM bbl), RF 45%의 생산성을 보였다. 이 결과를 통해 광구 X의 와비스코 오일샌드 저류층은 비록 두께가 얇지만 공극률과 오일 포화도가 높은 사암이 균질하게 퇴적되어 있으므로 SAGD 공법을 최적 조건으로 운영 시 개발 유망성이 높은 것으로 평가되었다.

하지만, 오일샌드 광구 전역의 생산성을 더욱 합리적으로 평가하기 위해서는 생산성 분포도 작성 방법이 개선되어야 하며, 지상 설비의 생산유체 처리 용량을 고려한 SAGD 유정 쌍 시추 및 생산 계획을 반영하여 생산성 평가가 수행되어야 한다. 또한, 본 연구에서 제시된 생산성 평가 방법을 이암 또는 셰일이 존재하는 불균질 저류층에 적용하기 위한 방안이 마련되어야 한다. 이와 같이 광구 규모 생산성 평가 방법을 개선 시 오일샌드 미개발 지역에 대한 주요 생산성 지표와 필요한 SAGD 유정 쌍 개수를 예측하여 광구 개발 의사결정에 활용할 수 있을 것으로 기대된다.

Acknowledgements

본 연구는 국토교통부/국토교통과학기술진흥원의 지원(RS-2022-00143541)과 산업통상자원부/해외자원개발협회의 지원(2021060002, 디지털 오일필드 전문인력 양성)으로 수행되었습니다. 본 연구 수행에 도움을 주신 한국지질자원연구원의 김광현 선임연구원과 Petrel 소프트웨어 대학용 라이센스를 제공해주신 SLB에 감사드립니다.

References

1

Butler, R.M., Mcnab, G.S., and Lo, H.Y., 1981. Theoretical studies on the gravity drainage of heavy oil during in-situ steam heating, The Canadian Journal of Chemical Engineering, 59(4), p.455-460.

10.1002/cjce.5450590407
2

Card, C.C., Kumar, A., Close, J.C., Kjosavik, A., Agustsson, H., and Picone, M.M., 2014. A new and practical workflow for large multipad SAGD simulation-an oil-sands case study, Journal of Canadian Petroleum Technology, 53(1), p.14-31.

10.2118/165511-PA
3

Cenovus Energy Inc., 2021. 2020 Christina Lake In-situ Performance Report, Calgary, Alberta, Canada, 49p.

4

Computer Modelling Group, 2021. STARS User Guide (2021.10), Computer Modelling Group Ltd., Calgary, Alberta, Canada.

5

Cant, D.J., 1996. Sedimentological and sequence stratigraphic organization of a foreland clastic wedge, Mannville Group, Western Canada Basin, Journal of Sedimentary Research, 66, p.1137-1147.

10.1306/D42684C3-2B26-11D7-8648000102C1865D
6

Edmunds, N. and Chhina, H., 2001. Economic optimum operating pressure for SAGD projects in alberta, Journal of Canadian Petroleum Technology, 40(12), p.13-17.

10.2118/01-12-DAS
7

Glass, D.J., 1990. Lexicon of Canadian stratigraphy. 4, Western Canada, including Eastern British Columbia, Alberta, Saskatchewan and Southern Manitoba, Canadian Society of Petroleum Geologists.

8

Gu, F., Laplante, H., Bergen, D., Tachet, E., and Ferrarella, F., 2013. Improve economy of oil sands reservoir development by integrating reservoir simulation with economic evaluation, SPE Heavy Oil Conference Canada, SPE, Calgary, Alberta, Canada.

10.2118/165564-MS
9

Guevara, J.L., Patel, R., and Trivedi, J., 2021. Optimization of steam injection in SAGD using reinforcement learning, Journal of Petroleum Science and Engineering, 206, 108735.

10.1016/j.petrol.2021.108735
10

Hayes, B.J.R., Christopher, J.E., Rosenthal, L., Los, G., McKercher, B., Minken, D., Tremblay, Y.M., Fennell, J., and Smith, D.G., 1994. Cretaceous Mannville Group of the Western Canada Sedimentary Basin, In: Geological atlas of the Western Canada Sedimentary Basin, the Canadian Society of Petroleum Geologists and the Alberta Research Council, p.317-334.

11

Hein, F.J. and Cotterill, D.K., 2006. The Athabasca oil sands - A regional geological perspective, Fort McMurray area, Alberta, Canada, Natural Resources Research, 15(2), p.85-102.

10.1007/s11053-006-9015-4
12

Jimenez, J., 2008. The field performance of SAGD projects in Canada, International Petroleum Technology Conference, IPTC, Kuala Lumpur, Malaysia, IPTC-12860-MS.

10.3997/2214-4609-pdb.148.iptc12860
13

Kim, K.H., Lee, K., Lee, H.S., Rhee, C.W., and Shin, H.D., 2018. Lithofacies modeling by multipoint statistics and economic evaluation by NPV volume for the early Cretaceous Wabiskaw Member in Athabasca oilsands area, Canada, Geoscience Frontiers, 9(2), p.441-451.

10.1016/j.gsf.2017.04.005
14

Kim, N., Shin, H., and Lee, K., 2023. Feature engineering process on well log data for machine learning-based SAGD performance prediction, Geoenergy Science and Engineering, 229, 212057

10.1016/j.geoen.2023.212057
15

Law, D.H.S., Nasr, T.N., and Good, W.K., 2003. Field-scale numerical simulation of SAGD process with top-water thief zone, Journal of Canadian Petroleum Technology, 42(8), p.32-38.

10.2118/03-08-01
16

Lee, H., Jin, J., Shin, H., and Choe, J., 2015. Efficient prediction of SAGD productions using static factor clustering, Journal of Energy Resources Technology, Transactions of the ASME, 137(3), 032907.

10.1115/1.4029669
17

Liu, J.G., Xu, B., Sun, L., Li, B., and Wei, G.J., 2022. In situ stress field in the Athabasca oil sands deposits: Field measurement, stress-field modeling, and engineering implications, Journal of Petroleum Science and Engineering, 215, 110671.

10.1016/j.petrol.2022.110671
18

Ma, Z., Leung, J.Y., and Zanon, S., 2017. Practical data mining and artificial neural network modeling for steam-assisted gravity drainage production analysis, Journal of Energy Resources Technology, Transactions of the ASME, 139(3), p.1-10.

10.1115/1.4035751
19

Meyer, R. and Krause, F.F., 2006. Permeability anisotropy and heterogeneity of a sandstone reservoir analogue: An estuarine to shoreface depositional system in the Virgelle Member, Milk River Formation, Writing-on-Stone Provincial Park, southern Alberta, Bulletin of Canadian Petroleum Geology, 54, p.301-318.

10.2113/gscpgbull.54.4.301
20

Nejadi, S., Hubbard, S.M., Shor, R.J., Gates, I.D., and Wang, J., 2018. Optimization of placement of flow control devices under geological uncertainty in steam assisted gravity drainage, SPE Thermal Well Integrity and Design Symposium, SPE, Banff, Alberta, Canada.

10.2118/193364-MS
21

Oliver, M.A. and Webster, R., 1990. Kriging: A method of interpolation for geographical information systems. International Journal of Geographical Information Systems, 4(3), p.313-332.

10.1080/02693799008941549
22

Prada, J.W.V. and Cunha, L.B., 2008. Prediction of SAGD performance using response surface correlations developed by experimental design techniques, Journal of Canadian Petroleum Technology, 47(9), p.58-64.

10.2118/08-09-58
23

Ranjbar, E., Nourozieh, H., and Kumar, A., 2020. Optimization strategies and impact of low oil price on long term SAGD projects, The Canadian Journal of Chemical Engineering, 98(7), p.1580-1592.

10.1002/cjce.23720
24

Shields, D.J. and Strobl, R., 2010. The wabiskaw d member, clearwater formation: a world class oil sands reservoir hosted in an incised valley complex, GeoCanada 2010 - Working with the Earth, 5.

25

Shin, H. and Polikar, M., 2005. Optimizing the SAGD process in three major Canadian oil-sands areas, SPE Hydrocarbon Economics and Evaluation Symposium, SPE, Dallas, Texas, USA.

10.2523/95754-MS
26

Shin, H. and Polikar, M., 2007. Review of reservoir parameters to optimize SAGD and Fast-SAGD operating conditions, Journal of Canadian Petroleum Technology, 46(1), PETSOC-07-01-04.

10.2118/07-01-04
27

Shin, H., 2008. A reservoir economic indicator to evaluate a SAGD project, Canadian International Petroleum Conference, Petroleum Society, Calgary, Alberta, Canada.

10.2118/2008-072
28

Shin, H., Hwang, T., and Chon, B., 2012. Optimal grid system design for SAGD simulation, SPE Heavy Oil Conference Canada, SPE, Calgary, Alberta, Canada.

10.2118/157900-MS
29

Suncor, 2023a. 2022 Firebag In-situ Performance Report, Calgary, Alberta, Canada, 49p.

30

Suncor, 2023b. 2022 MacKay River In-situ Performance Report, Calgary, Alberta, Canada, 46p.

31

Sunshine Oilsands Ltd., 2023. 2022 West Ells In-situ Performance Report, Calgary, Alberta, Canada, 45p.

32

Wang, Z., 2016. Reservoir modeling and production performance analysis to investigate the impacts of reservoir properties on steam-assisted gravity drainage in cold lake oil sands, alberta, SPE Improved Oil Recovery Conference, SPE, Tulsa, Oklahoma, USA.

10.2118/179609-MS
33

Wightman, D.M., Strobl, R.S., Cotterill, D.K., Berhane, H., and Attalla, M.N., 1997. Stratigraphy, depositional modelling and resource characterization of the McMurray/Wabiskaw deposit, western portion of the Athabasca oil sands area, northeastern Alberta. In: Petroleum geology of the Cretaceous Mannville Group, Western Canada, Canadian Society of Petroleum Geologists, 18, p.345-374.

34

Wynne, D.A., Attalla, M., Berhane, H., Cotterill, D.K., Strobl, R., and Whiteman, D.M., 1994. Athabasca Oil Sands Database: McMurray/Wabiskaw Deposit, Alberta Geological Survey Open File Report 1994-14, Edmonton, Alberta, Canada, 51p.

페이지 상단으로 이동하기