MODEL PREDIKTIF LANJUTAN UNTUK LIQUID LOADING DI SUMUR GAS:PENDEKATAN MACHINE LEARNING DAN ANALISIS KURVA PENURUNAN

• Main Author: Fadhilah Setiawan, Aryo
• Format: Final Project
• Language: Indonesia
• Subjects: Pertambangan dan operasi berkaitan
• Online Access: https://digilib.itb.ac.id/gdl/view/82228
• Institution: Institut Teknologi Bandung

Liquid loading dalam sumur gas secara signifikan menghambat operasi ekstraksi gas, mengurangi produksi hingga 50% dan menyebabkan sumur mati. Metode tradisional seperti Persamaan Turne dan Li mengandalkan observasi empiris dan intervensi manual yang sering memakan waktu dan tidak akurat. Prediksi yang akurat tentang liquid loading sangat penting untuk memungkinkan insinyur mengambil tindakan pencegahan sebelum terjadi dampak yang parah pada produksi. Identifikasi dini terhadap potensi liquid loading memungkinkan insinyur untuk menerapkan strategi guna mengurangi efeknya, mempertahankan aliran gas yang konsisten, dan mengoptimalkan kinerja sumur. Penelitian ini bertujuan untuk mengembangkan model prediktif canggih untuk liquid loading dengan menggunakan teknik machine learning yang dikombinasikan dengan Decline Curve Analysis (DCA). Dengan memanfaatkan data produksi historis, model ini akan menentukan status liquid loading dalam sumur gas, memprediksi laju kritis liquid loading, dan memproyeksikan waktu terjadinya peristiwa liquid loading, sehingga meningkatkan kinerja sumur gas dan memungkinkan tindakan pencegahan tepat waktu. Model yang dikembangkan ini menggunakan total 391 data dari 309 sumur, yang bersumber dari literatur dan data lapangan. Gradient boosting dipilih sebagai algoritma terbaik, dengan akurasi 92.9% untuk model klasifikasi dan R-square 0.869 dengan MAE 603.25 untuk model regresi. Model final diterapkan pada sumur TMO-1, menentukan statusnya sebagai "unloaded" dengan laju kritis 9047.22 Mscfd. Liquid loading pada sumur TMO-1 diproyeksikan akan terjadi dalam 70 hari (eksponensial), 95 hari (hiperbolik), dan 108 hari (harmonik).