ANALISA KURVA PENURUNAN TEROTOMASI: STUDI KASUS PADA LAPANGAN "A"

• Main Author: Putu Ari Putrawan, I
• Format: Final Project
• Language: Indonesia
• Subjects: Pertambangan dan operasi berkaitan
• Online Access: https://digilib.itb.ac.id/gdl/view/57801
• Institution: Institut Teknologi Bandung

Penentuan perkiraan cadangan merupakan salah satu aspek penting yang perlu ditentukan dengan baik karena secara tidak langsung mencerminkan seberapa besar nilai ekonomi lapangan tersebut. Cadangan dapat diperkirakan dengan banyak teknik selama tahap eksplorasi, pengembangan, dan produksi untuk terus memperbarui cadangan yang tersisa. Decline curve analysis (DCA) merupakan metode yang paling mudah untuk menentukan cadangan yang tersisa selama tahap produksi karena hanya menggunakan data produksi. Sayangnya, proses DCA secara tradisional sangat memakan waktu dan berulang, yang mungkin membutuhkan waktu berminggu-minggu untuk diselesaikan, terutama dalam menangani banyak sumur, dan sangat subjektif selama proses curve fitting secara manual. Teknologi digital, terutama machine learning sebagai bagian dari kecerdasan buatan (AI), dapat mengatasi kelemahan proses DCA tradisional. Proses DCA otomatis baru diusulkan, termasuk pembacaan dan persiapan data, rekayasa fitur, deteksi peristiwa, curve fitting, peramalan, dan penentuan kinerja. Pertama, deteksi peristiwa terdiri dari dua proses: pendeteksian laju nol dan tidak lagi laju nol dan deteksi produksi berdasarkan pendekatan statistik menggunakan regresi polinomial lokal untuk menemukan perubahan tren produksi yang tiba-tiba. Kedua, curve fitting dilakukan dengan regresi kuantil, yang kurang sensitif terhadap outlier dan dapat mengakomodasi kisaran ketidakpastian proses DCA tradisional yang subjektif. Ketiga, hasil EUR dari peramalan dinormalisasi dan diregresi secara linier untuk menentukan kinerja berdasarkan gradien tren yang mungkin mengindikasikan potensi EUR yang tersembunyi. Algoritma proses DCA otomatis diterapkan pada salah satu ladang minyak Indonesia yang memiliki kurang lebih 1000 sumur aktif berproduksi dari total sekitar 2000 sumur. Secara keseluruhan, semua alur kerja yang diusulkan menunjukkan hasil yang baik. Itu bisa mendeteksi tingkat nol dan tidak lagi produksi nol sebagai breakpoint dan mendeteksi perubahan mendadak selama transisi tren produksi ke bawah dan ke atas untuk deteksi peristiwa. Selain itu, hasil curve fitting konsisten dengan algoritma dan dapat mengakomodasi rentang ketidakpastian. Selain itu, kinerja lapangan "A" dan semua sumurnya ditentukan dengan baik dan menunjukkan adanya potensi tersembunyi EUR, terutama sumur yang diklasifikasikan sebagai sumur berkinerja buruk dan terburuk. Selain itu, dampak signifikan dari usulan DCA otomatis adalah semua proses mulai dari pembacaan data hingga penentuan kinerja hanya membutuhkan waktu sekitar 1 jam untuk diselesaikan, yang sangat efisien waktu dan dapat mengurangi biaya untuk proses DCA.