Perpustakaan Digital ITB

Injeksi uap, dikenal dapat menurunkan viskositas minyak, merupakan metode yang terkenal untuk meningkatkan perolehan minyak berat. Meskipun efektif, permasalahan utama yang mennyertai implementasi metode tersebut biasanya adalah biaya. Untuk mengatasi permasalahan biaya, jumlah kumulatif produksi yang cukup. Dengan strategi ekskekusi yang tepat, metode Steamflood dapat berujung pada peniingkatan perolehan yang lebih besar dari metode siklik karena kematangan temperatur reservoir. Meskipun menarik, metode peningkatan perolehan termal memiliki ketidakpastian yang tinggi, terutama dalam aspek sifat reservoir. Hal tersebut membuat prediksi performa melalui simulasi reservoir menjadi sangat penting. Masalah yang seringkali ditemui pada simulasi termal adalah waktu pengolahan simulasi yang panjang karena integrasi kompleks antara aspek perpindahan panas dengan aliran fluida dalam pori. Tulisan ini menyediakan pendekatan praktis prediksi performa reservoir Steamflood yang mempertimbangkan tantangan yang sudah disebutkan. Sebuah model prediktif telah dibangun dengan memadukan simulasi reservoir eksperimental dengan teknologi machine learning. Pengembangan model tersebut menggunakan data lapangan sungguhan sebagai kumpulan kasus simulasi yang realistis. Untuk menghasilkan parameter keluaran, model tersebut membutuhkan parameter masukan antara lain oil gravity, kedalaman, dan kondisi operasi. Setelah membandingkan dengan hasil simulasi, model prediktif menunjukkan tingkat akurasi yang dapat diterima dan waktu perhitungan yang lebih singkat. Model yang telah dibangun dapat digunakan lebih jauh unuk studi kelayakan dan estimasi proyek.