DETAIL KOLEKSI

Rock typing dan prediksi permeabilitas shaly sand pada formasi cibulakan atas lapangan ASR


Oleh : Anditya Sapta Rahesthi

Info Katalog

Nomor Panggil : 1164/TP/2019

Penerbit : FTKE - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2019

Pembimbing 1 : Ratnayu Sitaresmi

Pembimbing 2 : Sigit Rahmawan

Subyek : Petroleum engineering - Rock mechanics

Kata Kunci : permeability prediction, rock type, FZI method, MICP, FZI propagation.

Status Posting : Published

Status : Lengkap


File Repositori
No. Nama File Hal. Link
1. 2019_TA_TM_071001500017_Halaman-Judul.pdf
2. 2019_TA_TM_071001500017_Bab-1.pdf 3
3. 2019_TA_TM_071001500017_Bab-2.pdf
4. 2019_TA_TM_071001500017_Bab-3.pdf
5. 2019_TA_TM_071001500017_Bab-4.pdf
6. 2019_TA_TM_071001500017_Bab-5.pdf
7. 2019_TA_TM_071001500017_Daftar-Pustaka.pdf
8. 2019_TA_TM_071001500017_Lampiran.pdf

K Karakterisasi reservoir memiliki peran yang sangat penting dalammerancang strategi pengembangan dan pengelolaan suatu lapangan. Hal inidilakukan untuk mendorong tingkat keakuratan dari kegiatan pemodelan reservoirterutama dalam memprediksi nilai permeabilitas yang sangat berpengaruh dalammembangun suatu model dinamik. Selain itu, nilai permeabilitas batuan merupakansalah satu sifat batuan yang penting karena dapat membantu menentukan lajuproduksi fluida. Permeabilitas hanya dapat ditentukan dengan pengukuranlangsung terhadap sampel core di laboratorium. Walaupun coring memberikanhasil yang baik, namun kelemahannya adalah memakan banyak waktu dan biayayang besar sehingga tidak mungkin dilakukan coring pada semua sumur. Sehinggadilakukan well log untuk memprediksi tingkat permeabilitas secara tidak langsung.Akan tetapi, pada perhitungan prediksi permeabilitas menggunakan data well logmemiliki nilai ketidakpastian yang tinggi, sehingga dilakukan rock typing agarperhitungan prediksi permeabilitas menjadi lebih detail. Pada penelitian inidigunakan data RCAL dan data SCAL yang diambil dari Formasi Cibulakan Ataspada zona 28 sampai zona 32. Data Routine Core Analysis (RCAL) berupa dataporositas dan data permeabilitas sebanyak 239 data. Sedangkan pada data SpecialCore Analysis (SCAL) berupa data tekanan kapiler dan data Mercury InjectionCapillary Pressure (MICP) sebanyak 57 data. Dalam penelitian ini data yangdigunakan terdiri dari 4 sumur (AS-16, ASJ-1, ASL-1, dan ASM-2) dan metoderock type yang cocok digunakan yaitu dengan metode Flow Zone Indicator (FZI).Berdasarkan metode ini, maka pada data RCAL menghasilkan 6 rock type. Dimanasetelah dilakukan rock type dan propagasi nilai FZI pada keseluruhan intervalreservoir didapatkan hasil korelasi nilai prediksi permeabilitas antara data coredengan data log sebesar 81%. Setelah dilakukan perhitungan di setiap zona, makadapat diketahui nilai prediksi rata-rata permeabilitas terkecil terdapat pada zona 28-2 sedangkan nilai prediksi rata-rata permeabilitas terbesar terdapat pada zona 29B.

R Reservoir characterization has a very important role in field developmentand management strategies. This is done to encourage the accuracy of reservoirmodeling activities in predicting the value of permeability which is very challengingin building dynamic models. Rock permeability is one of the properties of rock.Rock permeability is an important rock characteristic because it can help determinethe rate of fluid production. Permeability can only be determined by directmeasurement of core samples in the laboratory. Although coring produces goodresults, the disadvantage is that it takes a lot of time and costs, so it is not possibleto do coring on all wells. So that the well log is done to predict the level ofpermeability indirectly. However, the calculation of permeability prediction usingwell log data has a high uncertainty value, so rock typing is done so that thecalculation of permeability prediction becomes more detailed. In this study RCALdata and SCAL data were taken from the Upper Cibulakan Formation in zones 28to zone 32. The Routine Core Analysis (RCAL) data is porosity and permeabilitydata of 240 data. Whereas in the Special Core Analysis (SCAL) data in the form ofcapillary pressure data and 57 Mercury Injection Capillary Pressure (MICP) data.In this study the data used consisted of 4 wells (AS-16, ASJ-1, ASL-1, and ASM-2)and the rock type method that was suitable for use, namely the Flow Zone Indicator(FZI) method. Based on this method, the RCAL data produces 6 rock types. Whereafter rock type and propagation of the value of FZI in the whole reservoir interval,the correlation of the predicted value of permeability between core data and logdata is 81%. After calculating in each zone, it can be seen that the predictive valueof the smallest permeability is found in zone 28-2 while the prediction value of thehighest average permeability is in zone 29B.

Bagaimana Anda menilai Koleksi ini ?