A NOVEL APPROACH TO DETERMINE LOG-DERIVED CEC MIXED WITH MACHINE LEARNING IN LOW SALINITY WATER INJECTION DESIGN AT “T” STRUCTURE IN “S” FIELD

• Main Author: Bhima Prajna I, Martinus
• Format: Final Project
• Language: Indonesia
• Subjects: Pertambangan dan operasi berkaitan
• Online Access: https://digilib.itb.ac.id/gdl/view/66444
• Institution: Institut Teknologi Bandung

Injeksi air salinitas rendah adalah salah satu teknik peningkatan perolehan minyak yang yang memanfaatkan salinitas air injeksi yang lebih rendah yang menghasilkan teknik yang hemat biaya dan ramah lingkungan. Peningkatan perolehan dipimpin oleh mekanisme pertukaran ion ganda (MIE) yang mengarah pada perubahan keterbasahan. Mekanisme MIE dipengaruhi oleh beberapa reaksi dalam sistem minyak-air-batuan (COBR), salah satunya adalah reaksi pertukaran kation yang dikendalikan oleh sifat lempung, yaitu kapasitas pertukaran kation (CEC). Namun, data CEC biasanya harus diperoleh dengan data batuan inti sehingga reservoir diasumsikan memiliki distribusi yang homogen untuk setiap grid. Selain itu, CEC adalah salah satu parameter yang paling mempengaruhi peningkatan perolehan minyak. Oleh karena itu, distribusi CEC yang heterogen harus dimodelkan untuk mendapatkan peningkatan perolehan yang akurat. Untuk membuat distribusi model CEC yang heterogen, data log sumur akan digunakan sebagai input untuk model pembelajaran mesin. Menggunakan Python, pra-pemrosesan data dan rekayasa fitur harus dilakukan sebelum model akan dilatih. Setelah memprediksi CEC dalam tipe data interval, CEC harus dikorelasikan dengan sifat statik misalnya porositas, volume serpih, atau sifat statik lainnya untuk memodelkan distribusi 3D CEC. Simulasi LSWI 3 menggunakan CMG GEMTM akan dilakukan pada tiga kasus CEC yaitu (1) CEC homogen sebesar 381 eq/m3, (2) CEC homogen sebesar 1316 eq/m3, dan (3) CEC heterogen yang telah ditentukan sebelumnya. Konsentrasi salinitas dalam skenario pengembangan dirancang pada 1980 ppm. Hasilnya akan dianalisa pengaruh makroskopis dan mikroskopis yaitu produksi minyak kumulatif, saturasi minyak, dan fraksi natrium dalam pertukaran ion Dengan pembelajaran mesin, CEC dapat diprediksi menggunakan data log sumur dan menghasilkan RMSE yang dapat diterima sebesar 0,178. Ditemukan bahwa indikator zona aliran (FZI), yang diusulkan oleh Amafuele et al., dikalikan dengan volume serpih (Vsh) memiliki korelasi yang baik dengan CEC, sehingga CEC dapat diformulasikan dalam distribusi 3D. Hasil simulasi menunjukkan bahwa injeksi air salinitas rendah dengan distribusi kapasitas pertukaran kation homogen dan distribusi heterogen memberikan perbedaan yang signifikan dengan aliran alami dalam produksi minyak kumulatif sebesar 1,22%. Perbedaan yang jelas diidentifikasi secara mikroskopis terutama dalam saturasi minyak dan pertukaran ion natrium. Namun perbedaan hasil factor perolehan antara distribusi CEC homogen dengan nilai 318, 1316 dan heterogen memiliki perbedaan yang sangat kecil yaitu 0,03%-0,1%.