WATER BREAKTHROUGH TIME DETERMINATION OF BOTTOM WATER AQUIFER RESERVOIR USING ARTIFICIAL NEURAL NETWORK (ANN)

• Main Author: Higuita Pinem, Riantana
• Format: Final Project
• Language: Indonesia
• Subjects: Pertambangan dan operasi berkaitan
• Online Access: https://digilib.itb.ac.id/gdl/view/64216
• Institution: Institut Teknologi Bandung

Reservoir dengan bottom water-aquifer mendapatkan energi tambahan dari aquifer. Reservoir ini cenderung menyebabkan fenomena kerucut air. Fenomena kerucut air terjadi ketika air dari zona air di bawah lapisan oil mengalir ke atas sampai ke lubang perforasi dan bentuk kerucut air. Fenomena ini menyebabkan berkurangnya produktivitas sumur karena mengurangi produksi minyak, meningkatkan kadar air, biaya produksi semakin meningkat dan perlu fasilitas permukaan tambahan untuk mengatasi air yang menghasilkan bersama dengan minyak. Fenomena kerucut air dapat dihindari dengan memproduksi minyak di bawah laju alir kritik tetapi hal ini proses produksimenjadi tidak ekonomis karena laju alir yang sangat rendah dan pada akhirnya sumur harus ditutup. Teknologi komplesi Downhole Water Sink (DWS) terbukti dapat mencegah fenomena kerucut air pada sumur vertikal. Komplesi DWS memiliki perforasi di zona air dan memprodukskan air dari akuifer, sehingga menciptakan drawdown tandingan di dalam akuifer dan menjaga kontak air minyak (WOC) mejadi lebih stabil. Tugas akhir ini menganalisis kinerja bottom water drive reservoir menggunakan komplesi Downhole Water Sink (DWS). Tujuan dari penelitian ini adalah untuk memperkirakan waktu tembus air. Penulis mengamati parameter yang mempengaruhi waktu tembus air dan pemodelan komplesi DWS pada sumur vertikal dilakukan menggunakan simulator CMG-IMEX. Penelitian ini menghasilkan program kecerdasan buatan menggunakan metode Artificial Nerural Network (ANN) yang dapat memperkirakan waktu tembus air lebih cepat, lebih mudah dan memiliki akurasi yang cukup baik dengan mempertimbangkan beberapa parameter yang mempengaruhi waktu tembus air.