OPTIMASI WELL SPACING PADA LIMA TITIK POLA STEAM FLOODING DENGAN MACHINE LEARNING
Aplikasi Steam flooding merupakan metode EOR termal konvensional yang telah terbukti memberikan perolehan yang signifikan di banyak reservoir minyak berat di seluruh dunia. Namun, ada banyak tantangan untuk mengoptimalkan proyek steam flood karena beberapa ketidakpastian. Studi ini akan mengkaji ske...
Saved in:
Main Author: | |
---|---|
Format: | Final Project |
Language: | Indonesia |
Subjects: | |
Online Access: | https://digilib.itb.ac.id/gdl/view/57877 |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Institution: | Institut Teknologi Bandung |
Language: | Indonesia |
Summary: | Aplikasi Steam flooding merupakan metode EOR termal konvensional yang telah terbukti memberikan perolehan yang signifikan di banyak reservoir minyak berat di seluruh dunia. Namun, ada banyak tantangan untuk mengoptimalkan proyek steam flood karena beberapa ketidakpastian. Studi ini akan mengkaji skenario jarak sumur optimum pada pola 5-spot steam flooding dengan mempertimbangkan parameter teknis dan aspek ekonomis.
Pengaruh setiap parameter pada performa proyek steam flooding ditentukan dengan membangun model proksi prediktif. Performa proyek steam flooding pola 5-spot ditentukan melalui fungsi objektif, dalam hal ini Profitability Index (PI) ditentukan sebagai fungsi objektif dengan mempertimbangkan aspek ekonomis. Dengan menggunakan CMG-CMOST, metode Latin Hyper Cube Sampling (LHS) digunakan untuk menghasilkan 2570 percobaan untuk membangun model proxy prediktif menggunakan Multi-Layer Neural Network. Kontrol kualitas data eksperimen juga dilakukan untuk membangun model proksi prediktif yang baik dengan mempertimbangkan nilai R-squared pada data verifikasi dan latih.
Dari data percobaan, dibuat model proksi yang reliabel dengan nilai akurasi yang tinggi (R-kuadrat sebesar 0,9495) yang dapat digunakan sebagai alat untuk menentukan jarak sumur yang optimal pada proyek steamflooding pola 5-spot dengan mempertimbangkan Profitability Index(PI). |
---|