석유회수증진을 위한 pH 민감성 폴리머의 인공신경망 점도 모델 개발 (Development of Artificial Neural Network Viscosity Model of pH-Sensitive Polymer for Enhanced Oil Recovery)

서지정보

· 발행기관 : 한국자원공학회
· 수록지 정보 : 한국자원공학회지 / 48권 / 2호 / 190 ~ 198페이지
· 저자명 : 강판상, 임종세

초록

석유회수를 증진시킬 수 있는 대표적인 방법 중 하나인 폴리머주입법은 낮은 폴리머 주입성, 물리적 분해 등의 문제점이 있어 이를 해결하기 위해 pH 민감성 폴리머인 HPAM에 대한 연구가 최근 수행되고 있다. pH 민감성 폴리머의 점도는 pH, 염도 등에 따라 수배 이상 변하기 때문에 그 추정이 어려워 HCS 모델이 개발되었으나 이 모델은 경험변수가 존재하고 염도가 높은 경우 정확도가 크게 낮아지는 단점이 있다. 이 연구에서는 인공신경망기법을 적용하여 pH 민감성 폴리머의 점도 변화를 추정하였다. 개발한 인공신경망 점도모델의 학습을 위해 실험으로 측정된 HPAM의 점도 자료를 사용하였고 인공신경망 점도 모델 구조는 4개의 층으로 구성하였다. 입력층에는 pH, 염도, 폴리머농도, 분자량, 가수분해정도, 전단율로 총 6개의 뉴런, 2개의 은닉층에는 각각 5개의 뉴런, 출력층에는 점도로 1개의 뉴런을 배치하였다. 점도 추정 결과 6개의 변수가 필요한 인공신경망 모델이 21개의 변수가 필요한 HCS 모델보다 정확도가 높았고 특히, 염도가 높은 조건에서 정확도를 크게 높일 수 있었다.

영어초록

Recently the use of HPAM which is a pH-sensitive polymer has been proposed for overcoming the problems of polymer flooding such as low injectivity and mechanical degradation. Since viscosity of pH-sensitive polymer could change up to several times depending on pH and salinity, commercial reservoir simulators could not estimate its viscosity variations. Huh-Choi-Sharma (HCS) model was proposed to compute the viscosity of HPAM solution. However, it has some problems such as necessary for empirical parameters and low accuracy in high salinity condition. In this study, artificial neural network (ANN) has been used to estimate viscosity of pH-sensitive polymer. The experimentally measured viscosity data of HPAM are used to train ANN viscosity model which is composed of four layers. As a result of this study, ANN viscosity model which has only 6 input parameters without empirical parameter can estimate viscosity more precisely than HCS model needed 21 parameters especially in high salinity condition.

참고자료

· 없음