BUILDING A PREDICTIVE MODEL FOR ECONOMIC FEASIBILITY: OPTIMIZING OPERATING PARAMETERS FOR INVERTED 5-SPOT PATTERN CO2 CONTINUOUS INJECTION USING MACHINE LEARNING APPROACH

• Main Author: Chohid Husyen, Zalbi
• Format: Final Project
• Language: Indonesia
• Subjects: Pertambangan dan operasi berkaitan
• Online Access: https://digilib.itb.ac.id/gdl/view/82290
• Institution: Institut Teknologi Bandung

Teknologi carbon capture, utilization, and storage (CCUS) memainkan peran penting dalam mengurangi emisi gas rumah kaca dengan menangkap CO2 dari sumber industri dan menginjeksikannya ke dalam tanah untuk penyimpanan atau enhanced oil recovery (EOR). CCUS dapat secara signifikan mengurangi emisi CO2 sambil secara bersamaan meningkatkan tingkat pemulihan minyak hingga 30% (Smith et al., 2019). Namun, meskipun penting, CCUS menghadapi banyak tantangan yang memerlukan pemahaman yang lebih mendalam. Salah satu tantangan utama adalah mengoptimalkan parameter operasional dan reservoir untuk memaksimalkan kelayakan ekonomi. Oleh karena itu, penelitian ini bertujuan untuk menentukan kriteria parameter reservoir optimal untuk menerapkan pola injeksi CO2 inverted 5-spot dan mengembangkan model prediktif untuk meramalkan kelayakan ekonomi proyek tersebut. Pendekatan studi literatur digunakan untuk memilih parameter untuk proses optimasi, dengan fokus pada kasus inverted 5-spot dengan model kotak homogen. Menggunakan CMG-CMost, 500 skenario disimulasikan dengan memvariasikan 7 parameter reservoir dan operasional untuk membangun model prediktif menggunakan metode jaringan saraf tiruan. Jaringan saraf tiruan dengan arsitektur 7-7 mencapai nilai R² sebesar 0.989 dan 0.945 untuk data pelatihan dan verifikasi, masing-masing. Ini menunjukkan bahwa model ini dapat diandalkan untuk aplikasi praktis. Optimasi model ini, yang dilakukan dengan lebih dari 500 eksperimen dalam perkiraan 20 tahun, mengidentifikasi skenario terbaik dengan NPV sebesar 3.082 MMUSD, yang merupakan peningkatan sebesar 272% dari NPV kasus dasar. Porositas dan ketebalan yang tinggi mendukung penyimpanan CO2 yang substansial. Berdasarkan studi ini, dapat disimpulkan bahwa jaringan saraf tiruan dengan arsitektur 7-7 telah terbukti berhasil dalam memprediksi parameter operasional dan reservoir yang paling optimal untuk injeksi CO2 inverted 5-spot. Hasilnya menunjukkan nilai R² sebesar 0.989 untuk set pelatihan dan 0.945 untuk set verifikasi. Nilai R² yang tinggi ini menunjukkan bahwa model prediktif sangat andal untuk diterapkan dalam kasus lain. Model ini dianggap berhasil karena, dari perhitungan NPV menggunakan model proxy pada skenario terbaik, diperoleh sekitar 2.942 MMUSD, yang memiliki kesalahan hanya 4.6% dari perhitungan simulasi.