WATERFLOOD OPTIMIZATION IN MATURE WATERFLOODED FIELD USING CAPACITANCE-RESISTIVE MODEL

• Main Author: Muhammad, Umarul
• Format: Final Project
• Language: Indonesia
• Subjects: Pertambangan dan operasi berkaitan
• Online Access: https://digilib.itb.ac.id/gdl/view/66502
• Institution: Institut Teknologi Bandung

Waterflooding merupakan salah satu metode yang banyak digunakan dan terbukti mampu meningkatkan nilai recovery dari reservoir. Pada kasus lapangan yang sudah lama beroperasi, optimisasi dan manajemen dalam proses waterflood menjadi tugas yang penting dengan tujuan untuk memaksimalkan produksi minyak dengan mempertimbangkan keekonomiannya. Hal tersebut dikarenakan nilai water cut pada lapangan tersebut umumnya tinggi sehingga biaya untuk air yang terproduksi menjadi besar. Oleh karena itu, diperlukan metode yang cepat dan tepat dalam proses pengambilan keputusan dalam manejemen waterflood ini. Banyak studi telah membuktikan kemempuan CRM untuk menentukan konektivitas antar sumur dan model yang digunakan untuk memprediksi laju produksi cairan menggunakan data historis produksi dan injeksi yang sudah ada. Digabungkan dengan model Gentil sebagai persamaan empiris yang digunakan untuk memprediksi nilai water cut, CRM dapat memprediksi produksi minyak tanpa mempertimbangkan kompleksitas model geologi reservoir dan propertinya. Menjadikan CRM sebagai alat/model yang dapat diggunakan untuk pengambilan keputusan dalam proses waterflooding. Sebelum CRM dapat digunakan untuk memprediksi produksi masa depan, parameter yang tidak diketahui dalam persamaan CRM harus diestimasi terlebih dahulu. Parameter yang tidak diketahui, termasuk ????, ????, ????????(????0), dan ????, diperkirakan dengan meminimalkan kesalahan kuadrat antara data produksi aktual dan data prediksi. Dalam program Python, pengoptimal SLSQP (Sequential Least-Squares Programming) digunakan untuk memperkirakan parameter ini dengan mempertimbangkan batasan-batasan pada CRM. Produksi minyak selanjutnya dimodelkan menggunakan model Gentil karena kemampuannya untuk memprediksi water cut di mature field yang melebihi 70% lebih baik. Menggunakan regresi linier antara rasio minyak – air dan kumulatif air yang diinjeksi, parameter yang tidak diketahui pada model Gentil dapat diperkirakan. Oleh karena itu, CRM yang digabungkan dengan Gentil dapat digunakan untuk memprediksi produksi minyak dengan input rate injeksi. Kemampuan dari model gabungan ini kemudian di tes untuk memprediksi produksi dimasa depan. Oleh karena itu, data simulasi dibuat untuk berbagai kasus menggunakan simulasi reservoir komersial untuk membandingkan hasil prediksi antara model CRM – Gentil dengan simulator. Hasilnya adalah kemampuan dari model CRM – CRM dapat memprediksi produksi minyak yang mirip dengan hasil simulator dengan ????2 datas 0.95. Setelah data prediksi dari model CRM – Gentil dan data simulasi mirip, selanjutnya akan ditentukan laju injeksi optimum. Karena laju injeksi optimum digunakan untuk menentukan NPV maksimum, maka penentuan laju injeksi optimuml akan bergantung pada parameter ekonomi. Hasil menunjukkan bahwa untuk kasus dengan harga minyak tinggi, waktu untuk laju injeksi maksimum lebih lama dibandingkan dengan skenario dengan harga minyak yang lebih rendah. Ketika harga minyak minimum, laju injeksi cenderung pada laju minimum untuk meminimalkan biaya.