WATERFLOOD MANAGEMENT AND RESERVOIR PERFORMANCE PREDICTION USING CAPACITANCE-RESISTANCE MODEL

• Main Author: Amar, Rosihul
• Format: Final Project
• Language: Indonesia
• Subjects: Pertambangan dan operasi berkaitan
• Online Access: https://digilib.itb.ac.id/gdl/view/61884
• Institution: Institut Teknologi Bandung

Pemerintah Indonesia bersama Satuan Kerja Khusus Pelaksanaan Kegiatan Usaha Hulu Minyak dan Gas Bumi (SKK Migas) terus berupaya meningkatkan produksi minyak dengan menargetkan produksi minyak nasional sebesar satu juta barel per hari (bopd) pada 2022 mendatang. Saat air diinjeksikan ke formasi, tidak ada cara untuk mengetahui ke mana ia akan pergi. Metode pelacakan saat ini mahal, memakan waktu, dan membutuhkan data yang kompleks. Oleh karena itu dalam rangka meningkatkan keputusan pengelolaan waduk dan optimasi dalam waterflooding, biasanya diperlukan karakterisasi waduk dan prediksi kinerja waduk sebagai proses pengambilan keputusan untuk meningkatkan produksi waduk secara ekonomis. Dalam makalah ini dibahas suatu metode yang mampu memberikan evaluasi kinerja waterflood secara cepat dengan menggunakan data historis injeksi dan produksi karena waterflood diterapkan di lapangan tanpa simulasi reservoir yang kompleks dan memakan waktu yang disebut Capacitance Resistance Model (CRM). Pertama, kecocokan model produksi total diperlukan untuk memanipulasi konektivitas injektor-produsen dan konstanta waktu produsen untuk mendapatkan kecocokan terbaik antara total produksi yang diprediksi dan total produksi yang diukur dari waktu ke waktu untuk setiap sumur. Output dari modul ini adalah konektivitas injektor-produser dan konstanta waktu produser. Ini, kesimpulan geologi reservoir, dapat digunakan untuk mengoptimalkan distribusi injeksi ke masa depan.Model produksi minyak sesuai dengan produksi minyak masing-masing produsen dari waktu ke waktu menggunakan dua konstanta empiris yang digunakan dalam pengoptimal/pemecah bersama dengan konektivitas dan konstanta waktu untuk memprediksi produksi masa depan (peramalan). Setelah kecocokan terbaik diperoleh, kami melakukan analisis sensitivitas untuk memprediksi laju injeksi optimal untuk setiap injektor secara ekonomis di masa mendatang.