Perpustakaan Digital ITB

Pemodelan reservoir merupakan suatu tahapan yang penting dalam mengevaluasi bawah permukaan. Meskipun demikian, keterbatasan data dan tingkat heterogenitas karbonat yang tinggi sering kali menjadi hambatan dalam menghasilkan karakterisasi yang akurat. Pada penelitian ini, keterbatasan data bawah permukaan dan keberadaan atribut seismik yang terdampak oleh efek gas yang menimbulkan bias secara signifikan terhadap interpretasi tren statis, sehingga pemodelan deterministik konvensional menjadi tidak memadai. Guna mengatasi tantangan tersebut, penelitian ini mengusulkan sebuah alur kerja terintegrasi yang memanfaatkan data dinamik sebagai pengontrol tren bagi model geologi statis. Dengan memanfaatkan data riwayat produksi selama beberapa tahun dan profil tekanan reservoir sebagai Objective Function (OF), metodologi dalam penelitian ini dialihkan menuju suatu kerangka kerja probabilistik yang komprehensif. Pendekatan ini dilakukan dengan mengintegrasikan pemodelan statis dengan history matching melalui bantuan Assisted History Matching (AHM) yang melibatkan desain eksperimen dan optimasi model. Tahap desain eksperimen diimplementasikan secara detail untuk mengevaluasi sensitivitas parameter serta menentukan tingkat konvergensi dari berbagai realisasi statis terhadap data produksi lapangan. Selanjutnya, proses optimasi dengan menggunakan algoritma Ensemble Smoother (ES) diterapkan untuk meningkatkan akurasi pada proses history matching. Dengan metode ini diharapkan dapat menghasilkan realisasi geologi yang dihasilkan tidak hanya baik secara geostatistik, tetapi juga konsisten secara dinamik terhadap perilaku fisik reservoir. Hasil penelitian menyajikan perbandingan komprehensif antara model prior dan posterior, yang menunjukkan penurunan ketidakpastian secara signifikan setelah integrasi dinamik dilakukan. Perhitungan Gas Initial In-Place (GIIP) pada kedua model menghasilkan perbedaan yang signifikan bersamaan dengan peningkatan akurasi. Metodologi ini berhasil menjembatani keterbatasan jumlah data, sekaligus menawarkan solusi yang kukuh untuk membangun model reservoir prediktif pada kasus karbonat yang kompleks.