Article Details

PEMBANGUNAN MODEL PROKSI PADA INJEKSI CO2 HUFF-N-PUFF DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK

Oleh   Yudhi Prayoga [22217002]
Kontributor / Dosen Pembimbing : Zuher Syihab, S.T., Ph.D.;
Jenis Koleksi : S2 - Tesis
Penerbit : FTTM - Teknik Perminyakan
Fakultas : Fakultas Teknik Pertambangan dan Perminyakan (FTTM)
Subjek : Petrology
Kata Kunci : CO2, huff-n-puff, artificial neural network, proksi, prediksi, laju produksi.
Sumber :
Staf Input/Edit : Alice Diniarti   Ena Sukmana
File : 8 file
Tanggal Input : 2020-04-17 21:27:12

Proses pengembangan lapangan minyak perlu dilakukan secara optimum untuk dapat meningkatkan produksi terutama pada sumur yang sudah berproduksi lama. Penggunaan gas CO2 dinilai memberikan efek yang bagus pada peningkatan produksi. Penggunaan CO2 sebagai metode stimulasi CO2 huff-n-puff telah dikembangkan untuk meningkatkan produksi pada satu sumur dengan cara menurunkan viskositas minyak dan terjadinya proses oil swelling. Evaluasi dari penggunaan injeksi CO2 huff-n-puff perlu dilakukan secara cepat untuk memprediksi peningkatan produksi. Model artificial neural network (ANN) merupakan salah satu model prediksi yang digunakan untuk memodelkan suatu sistem yang tidak linear dan dimensi yang tinggi. Model dibangun dengan menggunakan sejumlah data eksperimen yang ditentukan berdasarkan desain eksperimen. Penelitian ini menggunakan model artificial neural network untuk melakukan prediksi dari laju produksi reservoir dengan injeksi CO2 huff-n-puff berdasarkan 22 parameter reservoir dan batasan injeksi. Pembangunan model dilakukan dengan menyimulasikan 3.575 data eksperimen untuk mendapatkan nilai dari produksi kumulatif minyak, puncak laju produksi minyak, waktu saat puncak laju produksi minyak, tekanan reservoir, dan saturasi air berdasarkan hasil simulasi dengan jumlah model proksi sebanyak 44 model. Pembentukan profil laju produksi dilakukan dengan mengasumsikan peningkatan laju produksi secara linear sebelum puncak produksi dan penurunan laju produksi secara eksponensial setelah puncak produksi. Model dari neural network dapat memprediksi hasil simulasi dengan galat yang kecil dengan nilai MSE pada model produksi kumulatif minyak sebesar 0,01, 2,21E-06 pada model puncak laju produksi minyak, dan 4,15E-10 pada model waktu saat puncak produksi. Prediksi laju produksi menggunakan model proksi menghasilkan bentuk dengan tren yang mirip dengan hasil simulasi.