DETAIL KOLEKSI

Penilaian formasi dan prediksi permeabilitas dengan metode hydraulic unit pada lapangan X

0.0


Oleh : Yoshua Pandapotan

Info Katalog

Nomor Panggil : 1187/TP/2019

Penerbit : FTKE - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2019

Pembimbing 1 : Ratnayu Sitaresmi

Pembimbing 2 : Puriwijayanti

Subyek : Petroleum engineering;Hydraulics

Kata Kunci : artificial, intelligence, neural, network, ANN, hydraulic flow unit, prediction, permeability, forma


File Repositori
No. Nama File Ukuran (KB) Status
1. 2019_TA_TM_071001500154_Halaman-Judul.pdf 1703.61
2. 2019_TA_TM_071001500154_Bab-1.pdf 531.64
3. 2019_TA_TM_071001500154_Bab-2.pdf 2078.34
4. 2019_TA_TM_071001500154_Bab-3.pdf 598.99
5. 2019_TA_TM_071001500154_Bab-4.pdf 3054.39
6. 2019_TA_TM_071001500154_Bab-5.pdf 479.8
7. 2019_TA_TM_071001500154_Daftar-Pustaka.pdf 567.42
8. 2019_TA_TM_071001500154_Lampiran.pdf 2069.77

S Salah satu tantangan pada pengembangan oil and gas field adalah diperlukannya karakteristik reservoir yang representatif yang dapat menggambarkan sifat reservoir untuk merencanakan serangkaian rencanapengembangan lapangan. Dengan semakin representatifnya suatu data-data reservoir maka berbagai ketidakpastian dan risiko dalam merencanakan dan dalam pengambilan keputusan dapat dicegah. Kunci dari perencanaan pengembangan lapangan yang efektif dan ekonomis terletak pada pengenalan awal atas karakteristik reservoir yang mengendalikan mekanisme pendorong, efisiensi penyapuan, dan well spacing. Variabel utama yang mempengaruhi sweep efisiensi adalah nilai permeabilitas.Penelitian ini dimaksudkan untuk mempelajari petrofisika reservoir dengan melakukan penilaian formasi. Salah satu sifat petrofisika batuan yang penting adalah permeabilitas, nilai ini representatif terhadap kemampuan suatu lapisanuntuk diproduksikan, sehingga penting untuk dapat memprediksi nilaipermeabilitas dengan suatu metode yang memanfaatkan data yang ada sehinggasuatu proyek tetap dapat ekonomis tanpa memgeluarkan biaya lebih untukmelakukan coring berlebih untuk mengetahui nilai permeabilitas pada lapisantertentu. Selain itu didapatkan distribusi properties reservoir, permeabilitas, Vclay,dan Hydraulic Unit. Distribusi nilai ini sangat diperlukan untuk memperolehakumulasi nilai yang akurat dari reservoir, sebab pada titik tertentu di reservoirmungkin saja suatu lapisan baik yang dianggap menerus ternyata terpotong olehbatuan impermeabel yang seharusnya mengurangi kualitas reservoir tersebut.Data-data yang mendukung studi ini antara lain porositas, permeabilitas daridata 300 data core dan data logging, data analisa petrofisika, spesific surface area,data tekanan kapiler, dan data informasi dari kedalaman top dan bottom darimasing-masing lapisan di lapangan X.Hubungan antar porositas dan permeabilitas dapat dimanfaatkan untukmelihat ciri khusus tubuh batuan yang membedakannya dengan tubuh batuan yanglain. Memahami kompleks variasi sifat pada geomotri pori dalam lithofasies yang berbeda-beda adalah kunci utama untuk meninngkatkan deksripsi dan ekploitasireservoir. Data core memberikan informasi mengenai berbagai jenis kontroldiagenesis dan lingkungan pengendapan pada batuan. Variasi pada atribut geometriinilah yang dapat digunakan untuk membedakan zona-zona (hydraulic units)dengan pola liran yang sama.Penentuan rock type pada masa awal hanya dilakukan dengan observasisubjektif dari sudut pandak geologi dan hubungan empiris antara log permeabilitasdan porositas. Akan tetapi, untuk nilai porositas pada suatu rock type tertentu, nilaipermeabilitas dapat bervariasi beberapa kali lipat yang menandakan bagwa adanyalapisan-lapisan dengan beberapa flow unit.Pada studi kali ini, suatu studi yang praktikal dan secara teori dapat diterimadilakukan untuk mengidentifikasikan dan mengkarakteristikkan hydraulic units.Teknik ini didasarkan pada persamaan Kozeny-Carmen dan konsep mean hydraulicradius. Nilai FZI menjadi titik berat hubungan antara data porositas danpermeabilitas yang diukur pada sampel core. FZI kemudian dikorelasikan dengankombinasi respon alat log tertentu untuk membentuk model regresi untuk prediksipada sumur dan interval yang tidak dilakukan pengambilan core. Hasil prediksimenunjukkan ada hubungan yang sangat kuat antara nilai permeabilitas yangdiprediksi dengan nilai permeabilitas yang sebenarnya.Dari studi yang sudah dilakukan, maka diperoleh kesimpulan bahwaterdapat setidaknya 8 flow unit yang teridentifikasi dari data core di 3 sumur yangada. Prediksi permeabilitas yang dilakukan menunjukkan angka permeabilitasdengan rentang yang luas hingga 4000 mD. Keakuratan hasil prediksi permeabilitasditandai dengan nilai koefisien regresi hingga 80%.Dalam kondisi informasi yang terbatas, karakteristik resevoir manapun akanmelibatkan penggunaan statistik. Keterbatasan data dan penyebaran prediksi nilaiterutama pada studi ini, permeabilitas, dilakukan dengan menggunakan ArtificialNeural Network. ANN adalah sebuah metode pemodelan data statistik non-linier.ANN dapat digunakan untuk memodelkan hubungan yang kompleks antara inputdan output untuk menemukan pola-pola pada data.

O One of the challenges in the development of oil and gas fields is the need for representative reservoir characteristics that can describe the nature of the reservoir to plan a series of field development plans. With the more representativerepresentation of reservoir data, various uncertainties and risks in planning anddecision making can be prevented. The key to effective and economic fielddevelopment planning lies in early recognition of those reservoir characteristicsthat control drive mechanisms, sweep efficiency, and consequently, well spacingrequirements and possible need for pressure supportThis study is intended to study reservoir petrophysics by conductingformation evaluation. One of the most important petrophysical properties of rockis permeability, this value is representative of the ability of a rock layer to beproduced, so it is important to be able to predict the value of permeability with amethod that utilizes existing data so that a project can still be economical withoutcosting more to coring in aim to know the value of permeability in certain layers.The purpose of this research is to get the distribution of reservoir properties,permeability, Vclay, and Hydraulic Unit. The distribution value is very necessaryto obtain accurate accumulation of values from the reservoir, because at some pointin the reservoir it is possible that a good layer which is considered continuous turnsout to be cut off by impermeable rocks which should reduce the quality of thereservoir.The data supporting this study include porosity, permeability from core dataand data logging, petrophysical analysis data, specific surface area, capillarypressure data, and information data from the top and bottom depth of each layeron field X. Reservoir characterization is part of the study of the development of areservoir model.The relationship between porosity and permeability can be used to see thespecial characteristics of rock bodies that distinguish them from other rock bodies.Understanding the complex variations in the nature of the pore geometry indifferent lithofasies is the key to increasing reservoir description and exploitation.Data cores provide information on various types of diagenesis and depositionalenvironments in rocks. This variation in geometry attributes can be used todistinguish zones (hydraulic units) with the same flow pattern. Determination of rock type in the early period was only carried out bysubjective observations from the geological perspective and empirical relationshipbetween log permeability and porosity. However, for the porosity value of aparticular rock type, the permeability value can vary several folds which indicatesthat there are layers with several flow units.In this study, a practical and theoretically acceptable study was carried outto identify and characterize hydraulic units. This technique is based on the Kozeny-Carmen equation and the concept of mean hydraulic radius. The FZI value is theemphasis of the relationship between porosity and permeability data measured inthe core sample. FZI was then correlated with a combination of response of certainlog tools to form a regression model for predictions on wells and intervals that werenot taken by the core. The result o fthe study shows a very strong relationshipbetween the predicted permeability with actual permeability.From the studies that have been done, it can be concluded that there are atleast eight flow units identified from core data in the three existing wells. Thepermeability prediction performed shows the number of permeability with a widerange of up to 6000 md. The accuracy of predicted permeability is marked by theregression coefficient up to 80%.In conditions of limited information, any reservoir characteristics will involvethe use of statistics. Data limitations and the spread of value predictions, especiallyin this study, permeability is carried out using Artificial Neural Network. ANN is anon-linear statistical data modeling method. ANN can be used to model complexrelationships between input and output to find patterns in the data.

Bagaimana Anda menilai Koleksi ini ?