DETAIL KOLEKSI

Analisis ketidakpastian thd distribusi parameter reservoir lapangan ZZR dlm optimasi perolehan produksi menggunakan black oil model simulator


Oleh : Saskia Astika Zhafira

Info Katalog

Nomor Panggil : 976/TP/2018

Penerbit : FTKE - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2018

Pembimbing 1 : Mulia Ginting

Pembimbing 2 : Maman Djumantara

Subyek : Rock and fluid reservoir data;Oil well drilling

Kata Kunci : uncertainty analysis, reservoir parameter, recovery factor (RF)

Status Posting : Published

Status : Lengkap


File Repositori
No. Nama File Hal. Link
1. 2018_TA_TM_071001400152_Halaman-Judul.pdf 17
2. 2018_TA_TM_071001400152_Bab-1.pdf 4
3. 2018_TA_TM_071001400152_Bab-2.pdf
4. 2018_TA_TM_071001400152_Bab-3.pdf
5. 2018_TA_TM_071001400152_Bab-4.pdf
6. 2018_TA_TM_071001400152_Bab-5.pdf
7. 2018_TA_TM_071001400152_Daftar-pustaka.pdf 2
8. 2018_TA_TM_071001400152_Lampiran.pdf

L Lapangan ZZR terdiri dari dua blok, yaitu Blok Barat dan Blok Timur. Pada tahun2007 Blok Barat sudah diproduksikan gas cap-nya terlebih dahulu, kemudian diikutidengan produksi minyak sejak tahun 2010. Perolehan minyak (Np) dan recovery factor(RF) Blok Barat ini cukup kecil, yaitu hanya 18,17 MMSTB dan RF 6,75% (tahun 2017)sehingga hal ini merupakan masalah utama Lapangan ZZR. Dugaan penyebab masalah adadua, yaitu cara produksi yang salah dan nilai distribusi parameter reservoir Lapangan ZZRyang terlalu overconfidence menyebabkan nilai OOIP dan OGIIP terlalu besar(ketidakpastian pada parameter reservoir tinggi).Dalam penulisan tugas akhir ini, metode yang digunakan adalah simulasi reservoirdengan menggunakan Black Oil Simulator. Unuk membuktikan cara produksi yang salah,dilakukan simulasi Base Case yang terdiri dari 25 existing well (16 sumur minyak, 9 sumurgas) dengan produksi gas dan minyak sejak awal. Kemudian untuk membuktikanketidakpastian pada parameter reservoir dilakukan simulasi skenario ketidakpastian yangterdiri dari dua skenario, yaitu Skenario I dan Skenario II. Tiap skenario terdiri dari variasiparameter ketidakpastian, yaitu PVT, porositas, dan permeabilitas. Tiap parameter terdiridari 3 variabel (High, Medium, Low) dengan menggunakan multiplier yang berbeda.Tujuan pengelompokkan ini adalah untuk merepresentasikan nilai minimum, median, danmaksimum. Perbedaan Skenario I dan II adalah pada Skenario I hanya memperhatikan kxdan ky, sementara Skenario II memperhatikan kx, ky, kz. Tiap skenario menghasilkan 81kombinasi variasi, yang berarti total Skenario I dan II adalah 162 kombinasi variasi. Dariseluruh kombinasi ini dilihat perolehan RF maksimum sebagai kombinasi optimis dan RFminimum sebagai kombinasi pesimis. Kemudian dilakukan analisis ketidakpastian secarakualitatif dan kuantitatif menggunakan analisis regresi linier berganda.Hasil yang didapatkan dari Base Case adalah terdapat peningkatan Np (tahun 2017)menjadi 20,28 MMSTB (incremental 11,61%) dan RF menjadi 7,71% . Skenarioketidakpastian I dan II menghasilkan kombinasi optimis dan pesimis yang terdiri darivariasi yang sama, namun terdapat peningkatan nilai Np dan RF pada Skenario II. Hal inimenunjukkan bahwa permeabilitas arah sumbu Z (kz) mempengaruhi perolehan produksiLapangan ZZR. Kemudian, hasil dari analisis ketidakpastian (kualitatif) ditampilkan padatornado chart, sehingga dapat diketahui parameter reservoir yang paling sensitif(ketidakpastian tertingi) secara berurutan adalah: 1) porositas, 2) permeabilitas XYZ, 3)permeabilitas XY, 4) PVT. Untuk persamaan kuantifikasi ketidakpastian Lapangan ZZRadalah RF (%) = – (3,03 × ∅ multiplier) + (0,78 × kxky multiplier) – (0,12 × kz multiplier) +(14,36 × Bo multiplier) – (3,43 × Rs multiplier) + (0,79 × μo multiplier)

Z ZZR Field has two blocks, West Block and East Block. In 2007, West Block hasproduced its gas cap then followed by oil since 2010. The cummulative of oil production(Np) and Recovery Factor (RF) from West Block is relatively small, which is only 18,17MMSTB with RF 6,75% (in 2017). Therefore, this is become the main problem of ZZRField. There are two assumptions which causing this problem: incorrect productionmethod and the overconfidence of reservoir parameters, which impacted to OOIP andOGIP values are too big (high uncertainty of reservoir parameters).In this final project, the applicated method is reservoir simulation (Black OilSimulator). To prove the incorect method of production, Base Case simulation consists of25 existing wells (16 oil wells, 9 gas wells) that produce gas and oil from the beginning ofZZR Field. Then, to prove the uncertainty of reservoir parameters, simulation consists oftwo uncertainty scenarios. Each scenario consists of the uncertainty variations of reservoirparameters: PVT, porosity, and permeability. Each parameter consists of 3 variables(High, Medium, Low) with different multipliers. The purpose of this grouping is torepresent the minimum, median, and maximum values. The difference between twoscenarios is Scenario I focusing on kx and ky variables, while in Scenario II focusing on kx,ky, kz variables. From each scenario has 81 combinations of variation. Based on thesecombinations, the highest RF value (RFmax) will be the most optimisic combination, and thelowest RF value (RFmin) will be the most pesimistic combination. Then, the uncertaintyanalysis will be done by qualitative and quantitative using multiple linear regression.As the result, Base Case has increased in oil cummulative production (2017) to20,28 MMSTB (with incremental 11.61%) and Recovery Factor to 7.71%. And as theresults from two uncertainty scenarios are the most of optimistic and pesimisticcombinations consist of same variations however the higher values of oil cummulativeproduction and Recovery Factor are from Scenario II. This result shows that theZ-permeability (kz) affects the acquisition of ZZR Field production. The result from theuncertainty analysis shown in tornado chart, with the most sensitive reservoir parameters(with highest uncertainty) are: 1) porosity, 2) XYZ permeability, 3) XY permeability, 4)PVT. Therefore, the uncertainty quantification equation for ZZR Field is RF (%) = –(3,03 × ∅ multiplier) + (0,78 × kxky multiplier) – (0,12 × kz multiplier) + (14,36 × Bomultiplier) – (3,43 × Rs multiplier) + (0,79 × μo multiplier)

Bagaimana Anda menilai Koleksi ini ?