ISSN 0216-6410
JTMGB
Jurnal Teknologi Minyak dan Gas Bumi Vol. : 3 No. : 2 Agustus 2012
Ikatan Ahli Teknik Perminyakan Indonesia Society of Indonesian Petroleum Engineers JTMGB
Vol. 3
No. 2
Hal. 77-137
Jakarta Agustus 2012
ISSN 0216-6410
Keterangan gambar cover: Sebuah kegiatan operasi di lapangan tua Bunyu yg dioperasikan oleh PERTAMINA EP masih produktif utk Indonesia.
JTMGB
Jurnal Teknologi Minyak dan Gas Bumi
ISSN 0216-6410
Vol. : 3 No. : 2 Desember 2012
Jurnal Teknologi Minyak dan Gas Bumi adalah majalah ilmiah yang diterbitkan sebagai kontribusi para professional ahli teknik perminyakan Indonesia yang tergabung dalam Ikatan Ahli Teknik Perminyakan Indonesia (IATMI) dalam menyediakan media komunikasi kepada anggota IATMI pada khususnya dan mensosialisasikan dunia industri minyak dan gas bumi kepada masyarakat luas pada umumnya. KEPUTUSAN KETUA UMUM IATMI PUSAT NO: 03/SK/ IATMI/I/2011 Penanggung Jawab : DR. Ir. Salis S. Aprilian Peer Review
: Prof. DR. Ir. Pudjo Sukarno (Integrated Production System) Prof. DR. Ing. Ir. HP Septoratno Siregar, DEA (EOR) Prof. Ir. Doddy Abdassah, PhD. (Teknik Reservoir) DR. Ir. Arsegianto (Ekonomi & Regulasi MIGAS) DR. Ir. Sudjati Rachmat, DEA (Well Stimulation and Hydraulic Fracturing) DR. Ir. Sudarmoyo,SE, MT (Penilaian Formasi) Ir. Aris Buntoro, MT (Teknik Pemboran) DR. Ir. Ratnayu Sitaresmi, MT (Teknik Reservoir) Ir. Syamsul Irham, MT (Ekonomi MIGAS) DR. Ir. Taufiq Fathaddin (EOR/Simulasi) DR. Ir. Andang Kustamsi (Teknik Pemboran)
Dewan Redaksi : DR. Ir. Taufan Marhaendrajana (Engineering Mathematics and Well Testing/Performances) Anggota : DR. Ir. Asep K. Permadi (Karakterisasi dan Pemodelan Reservoir) DR. Ir. Tutuka Ariadji (Production Optimization) DR. Ir. Bambang Widarsono (Penilaian Formasi) Redaktur Pelaksana : Ir. IGK. Budiartha Ir. Elly M.Jusuf, MSc. Ir. Ana Masbukhin Sekretariat : Ir. Bambang Pudjianto Layout Desain : Endy Hadianto, S.Kom Alief Syahru Sirkulasi : Abdul Manan Ketua
Alamat Redaksi: Patra Office Tower Lt.1 R.1C Jln. Jendral Gatot Subroto Kav. 32-34 Jakarta 12950 – Indonesia. Tel/Fax: +62-21-5203057 website: http://www.iatmi.or.id email:
[email protected] Jurnal Teknologi Minyak dan Gas Bumi (ISSN 0216-6410) diterbitkan oleh Ikatan Ahli Teknik Perminyakan Indonesia, Jakarta Didukung oleh Fakultas Teknik Pertambangan dan Perminyakan ITB
JTMGB
Jurnal Teknologi Minyak dan Gas Bumi
ISSN 0216-6410
Vol. : 3 No. : 2 Desember 2012
DAFTAR ISI
Pengembangan Prosedur Estimasi Profil Data Mekanika Batuan Bagi Sumur-sumur Migas Dengan Data Log Yang Minim Bambang Widarsono, Fakhriyadi Saptono ............................................................................. 77 - 91
Penentuan Gas Content Dengan Menggunakan Data Logging Pada Sumur Gas Metana Batubara (CBM) Asri Nugrahanti, Ratnayu Sitaresmi ................................................................................... 93 - 99
Studi Laboratorium Peningkatan Perolehan Gas Metana Batubara Melalui Pendekatan Kapasitas Adsorpsi Langmuir dari CO2 Utomo P. Iskandar, Kosasih, Usman Pasarai .................................................................... 101 - 110
Studi Laboratorium Peningkatan Perolehan Reservoir Minyak Dengan Injeksi Polimer Edward ML Tobing ............................................................................................................. 111 - 122
Determination Of Reservoir Flow Connectivity By Use Of Production Data In Highly Faulted System Taufan Marhaendrajana .................................................................................................... 123 - 128 Metode Quick Look: Percepatan Persetujuan Plan Of Development (POD) Tutuka Ariadji, Hernansyah, I Made Rommy Permana ................................................... 129 - 137
KATA PENGANTAR
Para Pembaca JTMGB yang budiman, Dengan kesibukan kita maing-masing tak terasa waktu berjalan dengan cepat, bulan Agustus yang sangat barokah bagi bangsa Indonesia yang memperingati hari kemerdekaan RI yang ke 67 tahun dan melaksanakan ibadah puasa di bulan Ramadhan serta merayakan Idul Fitri 1 Syawal 1443 H. Bagi kaum muslimin/muslimat, kami atas nama Pengurus dan Segenap Anggota IATMI mengucapkan Selamat Idul Fitri 1433 H, Taqobalallohu minna wa minkum, mohon maaf lahir dan bathin. Maka melalui media ini, kami dengan senang hati bisa kembali menjumpai para pembaca dengan aneka materi bacaan ilmiah yang tersaji dalam JTMGB Edisi Agustus 2012 ini. Pada JTMGB edisi ini, kita juga ingin membahas persoalan-persoalan (parameter) yang sederhana tetapi yang memiliki implikasi signifikan terhadap hasilnya. Tulisan yang menyangkut pengembangan prosedur estimasi profil data mekanika batuan bagi sumur-sumur migas dengan data log yang Minim, di bidang CBM ada 2 tulisan yaitu Penentuan gas content dengan menggunakan data logging pada sumur gas metana batubara (CBM) dan Studi Laboratorium Peningkatan Perolehan Gas Metana Batubara . Tulisan lain dibidang reservoir ada 2 yaitu tentang Pendekatan Kapasitas Adsorpsi Langmuir dari CO2 dan Studi Laboratorium Peningkatan Perolehan Reservoir minyak dengan injeksi Polimer. Tulisan di bidang produksi adalah penggunaan data produksi dalam menentukan konektivitas aliran antar kompartemen dengan metode pengembangan aplikasi model. Dalam upaya membantu percepatan persetujuan POD, tulisan berikutnya sangat menarik yaitu penggunaan metode quick look: dalam percepatan persetujuan Plan Of Development (POD). Selamat menikmati bacaan edisi kali ini. !*** (SSA)
Pengembangan Prosedur Estimasi Profil Data Mekanika Batuan Bagi Sumur-Sumur Migas Dengan Data Log Yang Minim Bambang Widarsono(1) dan Fakhriyadi Saptono(2) (1,2) Researcher at PPPTMGB “LEMIGAS” Jl. Ciledug Raya, Kav 109, Cipulir, Kebayoran Lama. (1,2) Telp.: +62217394422, Fax: +62217246150, e-mail: (1)
[email protected] Sari Berbagai desain dan pelaksanaan operasi di industri perminyakan sektor hulu membutuhkan data sifat mekanis/elastik batuan seperti Young’s modulus, bulk modulus, dan Poisson ratio. Beberapa contoh adalah desain perekahan hidrolik, kestabilan sumur saat pemboran, dan pencegahan permasalahan terproduksinya pasir pada reservoir batupasir tidak kompak. Permasalahan yang timbul berkaitan dengan kebutuhan data tersebut adalah masih langkanya hasil survei yang dilakukan untuk mendapatkan data tersebut baik melalui survei log sumur maupun pengukuran langsung atas sampel batuan di laboratorium. Kelangkaan ini diperburuk lagi dengan sering terjadinya sumur-sumur yang ada memiliki data log yang minim sehingga menyulitkan dilakukannya estimasi atas data sifat elastik batuan yang diperlukan. Untuk mengatasi hal tersebut praktek yang selama ini dilakukan untuk memperoleh data tersebut adalah dengan melakukan perkiraan atau dengan memakai korelasi-korelasi yang tersedia meskipun seringkali tidak memuaskan. Untuk itu perlu dicari alternatif yang memberikan solusi yang baik tanpa perlu melakukan survei lagi secara langsung dan dengan menggunakan data-data yang secara minim tersedia. Metoda dan prosedur yang dibangun di dalam studi ini dapat dikategorikan sebagai kombinasi antara analisis empiris dan penggunaan model analitik sebagai dukungan. Model-model tersebut dipakai untuk memodelkan sifat elastik batuan yang dibutuhkan dan pemodelan (hard computing) dilakukan secara terintegrasi atas data laboratorium dan data sumur. Untuk sumur-sumur dengan data log yang minim, data log yang diperlukan oleh pemodelan diciptakan dengan bantuan soft computing (artificial neural network, ANN). Penerapan percobaan atas sebuah sumur dengan data log minim di lapangan ‘T’ menunjukkan hasil yang baik dimana data log akustik yang absen dapat diciptakan dan data sifat elastik batuan yang dibutuhkan dapat diperoleh. Kombinasi hard computing dan soft computing yang dipakai dalam studi ini terbukti dapat memenuhi kebutuhan data yang dibutuhkan untuk sumur dengan data log yang minim. Kata kunci: sifat elastik batuan, log sumur, estimasi, uji lab, soft computing. Abstract Various operational applications and designs in the upstream sector of petroleum industry require data of rock elastic/mechanical properties such as Young’s modulus, bulk modulus, and Poisson ratio. Some examples are designs of hydraulic fracturing, wellbore stability during drilling, and mitigation of sand problem in unconsolidated sandtone reservoir. Problem that arises is the data’s scarcity whether data obtained from well-log survey or directly from laboratory testing on rock samples. This data rarity is often worsened by the fact that many wells simply do not have sufficient data from which the needed elastic properties can be inferred. Practices that are often carried out to estimate the rock elastic property data include use of default (i.e assumed) values and utilisation of some empirical relationships derived from other fields or even from other region. Use of these approaches often produces unsatisfactory data estimates. An alternative solution is therefore needed. Method and procedure that is established in this study is essentially a combination between 77
78 empirical and analytical approaches. The models in these two approaches are used to model the needed elastic property data using combined well and laboratory data. In cases of wells with insuficient log data, the absent log data is generated through the support of soft computing method of artificial neural network (ANN). Application of the established method and procedure on a well in ‘T’ field exhibits good results in which missing acoustic log data can be subtituted and the needed rock elastic prperties can be calculated and obtained. Combination of hard computing (i.e conventional computing) and soft computing in this study has proved useful to estimate data in wells with very limited log data. Keywords: rock elastic properties, well log, estimation, lab test, soft computing.
I.
Latar Belakang
Berbagai kegiatan pada sektor hulu industri minyak dan gas bumi membutuhkan data sifat elastik (sifat mekanika) batuan seperti Poisson ratio, Young’s modulus, dan bulk modulus untuk desain dan perhitungan-perhitungan yang harus dilakukan. Beberapa contoh yang memerlukan data tersebut adalah desain perekahan hidrolik (hydraulic fracturing), antisipasi kemungkinan terproduksinya pasir dari reservoar (sand problem), dan desain kestabilan dinding sumur (wellbore stability). Perkembangan teknologi seismik untuk karakterisasi reservoar akhirakhir ini bahkan menunjukkan bahwa data sifat mekanika batuan seperti Poisson ratio dapat dipakai untuk mendapatkan indikasi berkaitan dengan porositas batuan dan saturasi fluida di dalamnya. Hal yang menjadi permasalahan adalah data yang dibutuhkan tersebut umumnya tidak dapat diperoleh karena memang tidak adanya kesadaran untuk memperoleh data tersebut melalui survei langsung di sumur-sumur minyak dan gas. Telah umum diketahui bahwa jangankan untuk data sifat mekanika batuan, banyak sumur-sumur migas di Indonesia bahkan tidak memiliki data log sumur yang ‘standar’ dan mendasar (jenisjenis log yang dipakai untuk memperkirakan porositas dan saturasi air). Di Indonesia, untuk sebuah reservoar saja jarang sekali dilakukan pengukuran yang dapat menghasilkan sifat elastik batuan. (Survei yang dapat dipakai untuk memperoleh data tersebut adalah dalam bentuk log sumur (full waveform log, Mechpro dari Schlumberger misalnya) dan pengukuran statik yang berupa pengujian kompresi di laboratorium atas sampel batuan.) Disebabkan oleh kelangkaan data tersebut maka diperlukan suatu metoda yang dapat memberikan data tersebut tanpa perlu
melakukan pengujian secara khusus dan dengan memakai data masukan yang minim. Penelitian-penelitian dan studi-studi terdahulu telah mengusulkan berbagai metoda dan telah menghasilkan data investigasi dalam jumlah yang cukup besar yang mencakup dari survei sumuran sampai pengukuran langsung atas sampel batuan di laboratorium, dari pendekatan empiris penuh sampai model matematis, dan dari analisis atas sumber tunggal sampai pendekatan kombinasi dari metoda-metoda. Sebagai contoh, Charlez dkk (1987) mengusulkan metoda inversi untuk mengestimasi data-data yang diinginkan tersebut dengan memakai survei fracmeter langsung di sumur, Harrison dkk (1990) menyajikan suatu cara untuk mengekstrak kecepatan gelombang S dari kombinasi antara log akustik monopole dan dipole yang kemudian dapat dipakai mengestimasi sifat elastik batuan, sementara koleksi intensif hasil investigasi langsung atas sampel batuan disajikan oleh Ellis (1987) dan Gebrande dkk (1982) sebagai contohnya. Hubungan-hubungan empiris juga diambil sebagai pendekatan (mis: Birch, 1961; Gebrande dkk, 1982) disamping pengkombinasian hubungan-hubungan tersebut dengan aplikasi model kecepatan gelombang akustik (mis: Montmayeur and Graves, 1986). Seperti yang secara umum diakui, tidak ada satupun dari hubungan-hubungan empiris yang diusulkan memiliki validitas dan dapat diterapkan secara umum. II. Kajian Teoritis: Sifat Elastik batuan Berbagai studi di masa yang lalu telah memperlihatkan bahwa sifat-sifat fisik batuan (mis: porositas dan saturasi air) memiliki pengaruh yang sangat kuat atas sifat-sifat elastik batuan. Sebagai contoh, laporan-laporan yang termasuk awal untuk areanya yaitu King (1966) dan Domenico
79 (1977) memperlihatkan secara eksperimental efek dari saturasi air dan tekanan pada kecepatan gelombang akustik. Hasil investigasi tersebut belakangan didukung oleh hasil penelitian Wren (1984) yang memperlihatkan bahwa Poisson ratio (salah satu sifat elastik batuan; yaitu rasio antara deformasi pada lateral dan deformasi pada arah axial (tegak lurus terhadap arah lateral) akibat adanya kompresi pada arah axial) ternyata sensitif terhadap keberadaan fluida (atau saturasi fluida). Belakangan Munadi dan Saptono (2000) bahkan memperlihatkan potensi dari kompresibilitas dan impedansi akustik untuk mengestimasi saturasi air pada suatu reservoar batugamping dengan sistem fluida dua fasa gas-air. Sifat elastik sebagai bagian dari sifat mekanika batuan secara sederhana dapat didefinisikan sebagai respon dari suatu medium terhadap kompresi secara fisik. Respon dari kompresi tersebut adalah dalam bentuk deformasi atau strain (rasio antara deformasi dan dimensi awal). Secara umum sifat mekanika batuan dapat didefinisikan sebagai seluruh respon mekanis yang diberikan oleh suatu medium terhadap kompresi secara fisik dan langsung. Medium tersebut bisa berupa medium elastik maupun nonelastik. Pembahasan mengenai sifat elastik dan non-elastik batuan dapat dilihat pada berbagai buku referensi mekanika batuan (mis: Fjaer dkk, 1992). Logam-logam, batuan beku (igneous rocks), batuan metamorfik (methamorphic rocks), dan batuan sedimen seperti batupasir kompak dan batu gamping biasanya bersifat elastik. Dengan demikian, untuk studi ini perhatian hanya diberikan pada deformasi elastik saja karena untuk banyak hal data mengenai deformasi elastik inilah yang banyak dibutuhkan oleh berbagai kegiatan. Jika pada suatu uji kompresi atas percontoh batuan diperoleh suatu kurva hubungan antara stress dan deformasi maka dari kurva tersebut sifat elastik batuan percontoh diperoleh dengan menggunakan: dengan F
E= A ∆L L
v=
∆D ∆L dan
D L
G=
E 2(1 + v)
2 (1 + v) K= G 3 (1 − 2v) .... (1)
= = = = = = = = =
Young’s modulus Poisson ratio shear modulus bulk modulus deformasi aksial panjang sampel silindris batuan deformasi radial diameter sebenarnya sampel gaya aksial yang diaplikasikan pd sampel ∆L/L = strain aksial ∆D/D = strain radial E ν G K ∆L L ∆D D F
Dalam pengertian secara fisik sifat-sifat elastik batuan memiliki arti sendiri-sendiri. Young’s modulus mewakili kekerasan dari batuan, makin tinggi harganya makin keras medium yang diuji. Poisson ratio adalah rasio antara strain radial dan strain aksial. Tergantung sistem isotropinya, makin keras suatu batuan, ia cenderung akan menunjukkan harga Poisson ratio yang mengecil. Shear modulus merefleksikan kekakuan (rigidity) dari medium terhadap gaya yang bersifat menyobek. Sedangkan bulk modulus adalah resistensi terhadap tekanan yang mengungkung (confining pressure). Bulk modulus adalah kebalikan dari kompresibilitas. Pengujian kompresi di laboratorium dan penggunaan persamaan (1) untuk menurunkan sifat-sifat elastik batuan disebut sebagai pendekatan statik. Getaran akustik yang merupakan penjalaran energi mekanis di dalam tubuh medium yang dilaluinya pada dasarnya adalah penjalaran gelombang tekanan (pressure wave) yang berwujud penjalaran deformasi elastik. Untuk kategori gelombang badan (body waves) ada dua jenis gelombang yaitu gelombang primer (primary wave) atau gelombang P dan gelombang sekunder (secondary wave) atau gelombang S. Gelombang P dicirikan dengan arah deformasi yang searah dengan arah rambat gelombang sedangkan gelombang S dicirikan dengan arah deformasi yang tegak lurus terhadap arah rambat gelombang. Untuk suatu jenis medium, kecepatan rambat gelombang P selalu lebih tinggi dibanding kecepatan rambat gelombang S. Gambar 1 memperlihatkan penggambaran singkat dari kedua jenis gelombang badan. Seperti halnya dengan kompresi statik, mekanisme yang bekerja pada penjalaran gelombang akustik adalah deformasi sebagai
80 Dengan menggunakan persamaan (2) di atas dan dengan mengasumsikan kondisi isotropik maka shear modulus (G) dan bulk modulus (K) dapat ditentukan dengan menggunakan kedua persamaan di atas jika Vp, Vs, dan ρ diketahui. Young’s modulus (E) ditentukan dengan menggunakan persamaan isotropik berikut : E=
Gambar 1. Penggambaran singkat dari kedua jenis gelombang badan. respon terhadap kompresi yang diberikan oleh gelombang akustik. Hal yang membedakannya dari kompresi statik adalah deformasi yang terjadi sangat kecil, dengan amplitudo yang kecil, tapi dengan frekuensi tinggi (frekuensi ultrasonik bisa mencapai sekitar sejuta penerapan gaya kompresi (compression force application) dalam satu detik. Berlainan halnya dengan uji kompresi dimana deformasi yang terjadi mencapai maksimum (sampai mencapai puncak kekuatan batuan) dengan frekuensi yang dikatakan sebagai nol. Hal ini yang menyebabkan timbulnya istilah bahwa proses uji kompresi sebagai pengujian statis sedangkan pengujian dengan menggunakan gelombang akustik sebagai pengujian dinamik. Pengujian dinamik dengan menggunakan gelombang akustik pada dasarnya adalah mengukur waktu yang dibutuhkan gelombang akustik untuk merambat sepanjang tubuh sampel medium/batuan (transit time). Waktu rambat ini kemudian dikonversikan ke kecepatan rambat jika panjang dari sampel diketahui. Untuk mendapatkan elastik modulus, hubungan berikut diperlukan : Vp =
K +1, 33G ρ
dan V8 =
G ρ
........... (2)
dimana K = bulk modulus (1/kompresibilitas), psi atau MPa G = shear modulus (kekakuan), psi atau MPa ρ = rapat massa, lb/cuft atau kg/m3
ρVs2 ( 3V p2 − 4Vs2 ) V p2 − Vs2
.................................. (3)
Rasio antara strain dengan arah tegak lurus terhadap arah kompresi dan strain dengan arah searah dengan kompresi, yang disebut Poisson ratio (V), ditentukan dengan menggunakan persamaan : 2 (1 + v) K= G 3 (1 − 2v)
.................................. (4)
Seperti yang dinyatakan sebelumnya, kecepatan gelombang akustik berhubungan erat dengan modulus elastik; jadi dengan mengetahui data rapat massa (misalnya dari log densitas) maka jika diperoleh data dari log full waveform seharusnya modulus elastik yang diinginkan akan dengan mudah dapat dihitung dengan menggunakan persamaan-persamaan (2) sampai (4). Namun kenyataannya tidak semudah itu karena meskipun log full waveform dapat diperoleh untuk suatu sumur (dan itu jarang sekali di Indonesia) tetap ada suatu permasalahan konseptual yang tidak bisa diabaikan begitu saja. Sebuah gelombang akustik memiliki amplitudo yang kecil dengan frekuensi tertentu, sementara parameter-parameter yang diperlukan untuk menganalisis aplikasi-aplikasi mekanika batuan (perekahan hidrolik misalnya) adalah statik sifatnya dan harus bisa dianggap valid untuk berbagai variasi amplitudo stres. Berbagai bukti eksperimental memperlihatkan bahwa ada perbedaan yang cukup besar (berkisar dari beberapa sampai beberapa ratus persen) antara modulus statik dan dinamik. Secara umum, perbedaan terbesar terjadi pada batuan yang tidak begitu keras, dan berkurang dengan bertambahnya tekanan (King, 1970). Untuk batupasir kering yang tidak begitu kompak rasio antara modulus dinamik dan statik dapat mencapai 5 – 10 bahkan lebih.
81 Tidak ada penjelasan yang memuaskan berkaitan dengan problem perbedaan antara modulus statik dan dinamik ini. Beberapa penyebab yang diperkirakan memiliki peran dapat dilihat pada Johnston dkk (1979). Dalam studi ini yang dimaksud dengan profil modulus elastik di sumur masih terbatas pada modulus elastik yang diperoleh melalui proses dinamik (akustik) karena memang tulisan ini memberikan usul mengenai suatu cara untuk menghasilkan data sifat elastik batuan dari perangkat data yang minim. Pencarian suatu cara untuk mengkonversi data modulus dinamik ke modulus statik adalah suatu hal yang lain dan dapat dianggap sebagai penyempurnaan lebih lanjut dari metoda yang diusulkan ini. Ide utama yang melandasi metoda dan pendekatan yang dipakai dalam studi adalah menggunakan model kecepatan gelombang akustik untuk menentukan modulus elastik dengan data masukan utama adalah data log akustik dan didukung data-data lain baik dari sumur maupun dari laboratorium. Untuk keperluan tersebut model yang dipakai adalah model yang diciptakan oleh Gassmann (Gassmann, 1951) yang meskipun telah berumur lebih dari setengah abad masih dianggap sebagai model klasik yang bisa menerangkan hal-hal fundamental yang berkaitan dengan pengaruh modulus elastik atas kecepatan gelombang akustik. Teori Gassmann yang didasarkan atas penerapan teori deformasi elastik pada sebuah medium yang dibentuk oleh bola-bola ini adalah merupakan ekspresi teoritis yang pertama untuk menerangkan kelakuan elastik dari medium berpori yang tersaturasi fluida. Kecepatan rambat gelombang P pada zero-frequency (frekuensi rendah) menurut teori ini dapat diekspresikan secara sederhana, seperti yang tersaji pada persamaan (5) sebagai V p2 =
Pd + f ( K f rb
)
..................................... (5)
rongga pori batuan. Modulus gelombang P secara fisik dapat diartikan sebagai sifat mekanis yang merepresentasikan tingkat kekerasan dari batuan pada keadaan kering, sedangkan inkompresibilitas fluida pori yang merupakan variabel utama dalam f(Kf ) adalah gambaran resistensi dari fluida terhadap tekanan/stress yang diberikan oleh gelombang P pada saat merambat. Makin tinggi harga kedua variabel tersebut makin tinggi kecepatan gelombang P untuk menjalar melewatinya. Sedangkan Pd pada persamaan (5), modulus gelombang P untuk medium pada keadaan kering dapat diekspresikan sebagai (pada Timur, 1987): 4 Pd = K d + Gd 3
.................................. (6)
dan fungsi f(Kf ), sebagai 2 Kd 1 − Km ..... (7) f (K f ) = K f Kf Kf 1 − φ + ( Km − Kd ) Km Km dimana K adalah inkompresibilitas (atau sering juga disebut sebagai ‘modulus bulk’), G adalah modulus shear, dan notasi d, f , dan m menandakan masing-masing untuk sistem kerangka batuan, fluida yang terkandung di dalam pori, dan matriks batuan. Untuk batuan yang mengandung air dan hidrokarbon, rapat massa batuan diekspresikan sebagai:
ρb = φ ρ f + (1 − φ ) ρ m
................................ (8)
dimana
ρ f = S w ρ w + (1 − S w ) ρ hc ................................ (9) dan inkompresibilitas fluida, Kf, yang sesungguhnya merupakan kebalikan dari kompresibilitas, cf, adalah
1 dimana Pd adalah modulus gelombang P untuk K f = 1 = ................... (10) c f S wcw + (1 − S w ) chc kerangka matriks batuan (atau dapat juga disebut sebagai modulus gelombang P dalam keadaan kering atau tidak mengandung cairan apapun di dimana S adalah simbol dari saturasi dan w dan dalam sistem porinya), dan f(Kf ) adalah fungsi hc menandakan masing-masing saturasi air dan dari inkompresibilitas dari fluida yang ada pada saturasi hidrokarbon.
82 Inkompresibilitas kerangka batuan, Kd, pada persamaan (11), yang merupakan inversi dari kompresibilitas batuan kering, cd, memiliki hubungan dengan kompresibilitas volume pori melalui Kd =
1 1 = cd φ c p + cm
........................... (11)
berkaitan dengan harga porositas 12%. Dengan demikian semua zona-zona batupasir di lapangan tersebut yang diinterpretasikan sebagai memiliki harga-harga porositas di bawah 12% bukanlah dianggap sebagai zona-zona produktif dan tidak diikutkan dalam pemetaan reservoar. Untuk keperluan studi ini 4 sumur dari area yang berdekatan yaitu TX – 4, TX – 7ST, TX – 9, dan TX – 12. Dari keempat sumur tersebut, TX – 9 memiliki data sampel batuan (core), sementara TX – 7ST, TX – 9, dan TX – 12 memiliki data log sumur ‘standar’ (log – log SP, gamma ray, resistivity, neutron - CNL, density - FDC, dan akustik – Sonic) yang dapat dipakai untuk memperoleh data-data kandungan lempung, porositas, saturasi air, dan impedansi akustik. (Sumur TX – 12 bahkan memiliki log PEF yang surveinya dilaksanakan bersamaan dengan alat density – LDL.) Ketiga sumur tersebut juga memiliki log akustik yang merupakan masukan utama bagi estimasi profil sifat mekanika batuan (yang dalam studi ini akan lebih difokuskan pada poisson ratio saja). Sedangkan sumur TX – 4 memiliki data yang relatif lebih minim yaitu tidak memiliki log akustik sehingga perlu dihasilkan log akustik sintetik sehingga estimasi profil sifat mekanika batuan juga bisa dilakukan untuk sumur tersebut.
Hubungan antara kecepatan rambat gelombang P (Vp) dan saturasi air (Sw) terlihat jelas dari persamaan-persamaan (5) sampai (11). Dengan jelas terlihat adanya dua variabel, yang dianggap sangat berpengaruh pada persamaan (5), yang terpengaruh oleh variasi dari Sw. Meskipun kedua variabel pada persamaan (5) tersebut adalah pada dasarnya berbanding terbalik tetapi naiknya Sw cenderung untuk menaikkan harga Vp, terutama pada sistem dua fasa minyak-air. Teori Gassmann dengan jelas menunjukkan pengaruh nilai porositas dan saturasi air terhadap kecepatan rambat gelombang akustik, meskipun dari orde relasinya dengan kecepatan rambat terlihat bahwa porositas lebih berpengaruh atas kecepatan rambat dibandingkan dengan saturasi air. Meskipun demikian, berhubung kedua parameter petrofisika tersebut adalah merupakan variabel yang sangat penting secara umum dan dapat dianggap sebagai mempengaruhi setiap properti dari batuan maka keduanya akan Pengukuran Akustik atas Percontoh Batuan memainkan peran yang penting dalam pemodelan Di laboratorium yang akan dilakukan kemudian. Untuk kebutuhan pengukuran sebanyak delapan sampel batuan (plug) yang diambil III. Studi Kasus dari sumur TX – 12. Sampel-sampel batu pasir Sebagai contoh penerapan, suatu lapangan tersebut dari tipe yang cukup kompak dengan minyak di Jawa Timur diambil. Litologi utama ukuran butir yang tergolong halus dan sedikit yang membentuk zona-zona produktifnya adalah kasar. Sebelum pengukuran atas kecepatan batupasir dengan tipe porositas intergranular rambat gelombang akustik dilakukan, dilakukan yang merupakan karakter sistem pori klastik. pencucian, pengeringan dan pengukuran untuk Untuk lapangan tersebut secara keseluruhan memperoleh sifat-sifat petrofisika dasarnya pada umumnya zona-zona produktif memiliki (porositas, permeabilitas, dan densitas matriks). porositas yang berkisar antara 7% sampai 35% Pada tahap berikutnya, pengujian cepat dengan permeabilitas yang berkisar, untuk selang rambat gelombang akustik dilakukan atas porositas tersebut, dari 3 mD sampai sekitar kedelapan sampel batuan tersebut. (Kedelapan 320 mD. Sebagai catatan, harga pancung untuk sampel batuan tersebut mewakili spektrum porositas dan permeabilitas yang dipakai untuk porositas 7% - 30%). Pengukuran dilakukan memisahkan zona produktif dari zona yang tidak dibawah temperatur ruang dan tekanan overburden produktif masing-masing adalah 5 mD untuk efektif 1800 psia (12,36 MPa), sesuai dengan permeabilitas yang mana menurut evaluasi perkiraan untuk reservoar yang bersangkutan. petrofisika yang kami lakukan harga tersebut Pengukuran dilakukan baik dalam keadaan
83 kering dan tersaturasi yang bervariasi antara Sw = 0 % sampai Sw = 100 %. Proses pensaturasian dilakukan dengan kombinasi proses pendesakan dan pengvakuman. Pada setiap pergantian tekanan overburden efektif, periode stabilisasi dilaksanakan sebelum dilakukan pencatatan waktu rambat gelombang. Fluida yang digunakan dalam pengukuran adalah air formasi dan minyak sintetik. Sesuai dengan data komposisi air yang diperoleh maka air formasi direkonstruksi dengan air payau dengan konsentrasi pada sekitar 13300 ppm NaCl. Minyak sintetik dengan viskositas 10,27 cp dan densitas 0,8 gr/cc (800 Kg/m3) dipilih untuk menggantikan minyak formasi pada Tres = 176,4 oF (80,2 oF) dan Pres = 1120 psia (7,72 MPa). Dengan demikian, patut untuk diperhatikan bahwa dengan tekanan gelembung minyak Pb = 955 psia maka sistem fluida pada reservoar adalah minyak - air. Minyak sintetik yang dipakai memiliki kompresibilitas 8 x 10-6 psi-1, sedikit lebih kecil dibanding kompresibilitas minyak formasi 10,2 x 10-6 psi-1. Mengingat peran penting dari kompresibilitas dalam mengatur penjalaran gelombang akustik, perbedaan ini sedikit banyak akan tercermin dalam perbedaan antara kecepatan gelombang P pada keadaan laboratorium dan reservoar. Gambar 2 memperlihatkan contoh dari hasil pengukuran yang telah ditransformasikan menjadi impedansi akustik (AI). Hasil-hasil yang diperoleh memang sesuai dengan yang diharapkan dan sejalan dengan apa yang pernah dilaporkan oleh Gregory (1976) dan Domenico (1976). Suatu lonjakan atau ‘jump’ dari Vp
sampel kering ke Vp sampel tersaturasi air 100% yang biasa terjadi pada saat saturasi air mencapai sekitar 90% – 95% jika fasa yang ‘menemani’ air adalah gas/udara, dan bukan minyak sintetik seperti yang dipakai dalam pengukuran ini, tidak terjadi. Hal ini juga sesuai dengan ekspektasi dan sesuai dengan teori Gassmann yang meramalkan kenaikan secara gradual dari Vp dengan semakin meningginya saturasi air (dan menurunnya saturasi minyak). Sebagai data tambahan, saturasi air, dan kecepatan rambat gelombang S (Vs) juga direkam meskipun tidak dipakai dalam studi ini sehingga poisson ratio (ν) bisa ditentukan seperti yang tersaji pada Gambar 3. Dengan demikian satu set data laboratorium yang terdiri dari Vp, Vs, Sw, φ, ρb, ν, dan AI telah siap untuk dipakai pada tahap berikutnya.
Gambar 3. Hasil pengukuran akustik (telah dikonversikan menjadi Poisson ratio).
Pemodelan Matematis Seperti yang telah dinyatakan sebelumnya, modulus elastik ditentukan dengan menggunakan model Gassmann dan teori kecepatan rambat gelombang akustik pada media elastik. Untuk keperluan tersebut, secara umum kegiatan pemodelan dan aplikasi meliputi: 1. Pemodelan dan validasi atas data laboratorium 2. Pemodelan dan validasi atas data log sumur key wells dengan menggunakan data-data yang diperoleh pada pemodelan atas data Gambar 2. Hasil pengukuran akustik (telah dikonversikan laboratorium menjadi impedansi akustik, AI).
84 Pemodelan atas data laboratorium
Gambar 4. Model hubungan antara kecepatan gelombang P, Poisson ratio, porositas, dan saturasi air untuk data laboratorium
gelombang. Saturasi air adalah keluaran dari model. Contoh model relasi dapat dilihat pada Gambar 4. 3. Perbandingan antara saturasi air terhitung dengan saturasi air teramati dilakukan untuk melihat validitas model. Selama belum didapatkan kecocokan yang dapat diterima maka dilakukan pengubahan-pengubahan (adjustments) dari parameter Kd dan Gd dalam batas toleransi yang telah ditentukan (modifikasi 4% dari data Kd dan Gd yang dipakai pada awalnya). Pada saat kecocokan antara saturasi air terhitung dengan saturasi air teramati telah masuk dalam batas-batas yang dapat diterima (Gambar 5) maka kurva Kd dan Gd versus porositas yang terakhir (Gambar 6) dipakai adalah yang dianggap valid untuk model yang dipakai. Data ini yang kemudian akan dipakai sebaga ‘first guess’ dalam pemodelan pada data log sumur. Patut untuk dicatat disini bahwa harga Kd dan Gd 100 80 Sw-model, %
Tujuan utama dari pengukuran sampel batuan dari reservoar pemodelan yang kemudian diikuti dengan pemodelan atas data yang diperoleh adalah untuk membuktikan bahwa teori atau model yang akan kita pakai untuk memodelkan data dari log sumur adalah valid untuk batuan reservoar tersebut. Disamping itu, hasil samping yang tidak kalah pentingnya adalah dapat diperolehnya data-data intrinsik batuan yang tidak dapat diperoleh dari sumber lain. Sebagai contoh, dalam studi ini data-data intrinsik tersebut adalah bulk modulus kering (Kd) dan shear modulus kering (Gd) pada persamaan (7) versus porositas yang didapat setelah model Gassmann yang diterapkan pada data laboratorium telah dianggap valid. Kd dan Gd untuk berbagai harga porositas akan sangat diperlukan jika persamaan (7) akan dipakai untuk pemodelan batuan reservoar yang umumnya memiliki variasi porositas yang cukup tinggi. Hanya di laboratorium kedua parameter tersebut bisa diukur dan diperoleh datanya. Permasalahan utama untuk mendapatkan Kd dan Gd untuk berbagai harga porositas adalah terbatasnya jumlah sampel batuan yang ada. Batuan yang ada pun sering tidak mencakup selang porositas yang ada. Untuk mengatasi hal ini pemodelan atas data laboratorium diperlukan. Hal ini juga merupakan salah satu tujuan dari pemodelan yang dilakukan. Dengan mengikuti prosedur yang diusulkan oleh Widarsono dan Saptono (2000) model Gassmann juga dipakai untuk menghasilkan kedua parameter kering yang dibutuhkan, sebagai fungsi dari porositas, setelah tercapai kecocokan (agreement) dengan data teramati (observed). Secara urut kegiatan pemodelan atas data laboratorium adalah sebagai berikut: 1. Pemrosesan data pengukuran laboratorium menurut prosedur standar sehingga dihasilkan data porositas, saturasi air, densitas, kecepatan rambat gelombang P dan S velocities, impedansi akustik, dan modulus elastik yang dalam studi ini hanya dibatasi sebagai poisson ratio saja. 2. Pemodelan hubungan antara parameter petrofisika (porositas dan saturasi air) dan impedansi akustik serta poisson ratio dengan menggunakan model kecepatan rambat
60 40 20 0 0
20
40
60
80
100
Sw-lab, %
Gambar 5. Perbandingan antara saturasi air terhitung (calculated) dan saturasi air teramati (observed) untuk sata laboratorium.
85
Gambar 6. Modulus bulk kering (Kd) dan modulus shear kering (Gd) vs. porositas sebagai hasil dari pemodelan atas data laboratorium.
Gambar 7. Perbandingan antara saturasi hasil kalkulasi dan saturasi air hasil log analisis untuk titik kedalaman yang sama. Contoh: sumur TX – 7.
yang sebenarnya untuk suatu harga porositas tertentu belum tentu akan sama dengan yang semula diukur secara langsung pada sampel kering, lihat White (1983). Pemodelan atas data log sumur Dengan menggunakan data dari hasil analisis log sumur dan dengan dukungan data Kd dan Gd versus porositas dari laboratorium sebagai ‘first guess’ pemodelan dilakukan untuk data log sumur dengan mengikuti urutan kegiatan sebagai berikut: 1. Pemodelan dengan cara yang sama dengan di laboratorium dilakukan atas data log sumur dari key wells yaitu TX-7. Modifikasi dari data Kd dan Gd versus porositas dilakukan dengan membandingkan saturasi air hasil kalkulasi (Sw model) dengan saturasi hasil analis log sumur (Sw log) untuk titik-titik kedalaman yang sama. Akhir dari modifikasi ditandai dengan kecocokan yang dapat terima, seperti disajikan pada Gambar 7. 2. Dengan dianggap validnya model Gassmann yang diterapkan pada data log sumur maka kurva-kurva Kd dan Gd versus porositas yang telah dimodifikasi (modifikasi maksimal adalah 5% dari harga awal) dapat dianggap valid (Gambar 8). Dengan diperolehnya perangkat Kd dan Gd versus porositas yang dianggap valid untuk skala sumuran (Gambar 8) maka korelasi Vp – poisson ratio – porositas – saturasi air untuk struktur TX dapat dibuat (Gambar 9). Catatan: Vp diekspresikan dalam bentuk impedansi akustik
Gambar 8. Modulus bulk kering (Kd) dan modulus shear kering (Gd) vs. porositas ‘akhir’ yang dianggap valid untuk data log struktur TX.
Gambar 9. Model hubungan antara kecepatan gelombang P (dinyatakan dalam AI, Poisson ratio, porositas, dan saturasi air untuk data log.
(AI) yang merupakan produk dari perkalian Vp dengan rapat massa (ρb). Dengan diperolehnya korelasi pada Gambar 9 maka profil sifat mekanika batuan, dalam hal ini poisson ratio, dapat dibuat (Gambar 10). Dengan diperolehnya hubungan Kd dan Gd versus
86
Gambar 10. Profil Poisson ratio (V) untuk sumur TX – 9.
Gambar 12. Profil Young’s modulus (E) untuk sumur TX –9
porositas yang sudah valid untuk tingkat sumur (Gambar 8) maka kecepatan rambat gelombang S (Vs) dapat dihitung dengan menggunakan persamaan (2) dengan mengasumsi G adalah sama dengan Gd untuk porositas yang sama. Asumsi ini dapat dibenarkan untuk diambil
karena G memang secara teoritis tidak berubah dengan ada atau tidak adanya cairan di dalam rongga pori batuannya. Gelombang S memang tidak dapat merambat melalui fluida. Gambar 11 memperlihatkan hasil profil Vs untuk sumur TX – 9. Dengan menggunakan persamaan (3) dan (4)
Gambar 11. Profil kecepatan gelombang S (Vs) untuk sumur TX – 9
Gambar 13. Profil bulk modulus (E) untuk sumur TX – 9.
87 maka profil Young’s modulus dan bulk modulus sudah dipelajari dan dianggap valid kemudian untuk sumur tersebut (Gambar 12 dan 13) dapat akan dipakai untuk menghasilkan data profil log dihasilkan. akustik sintetik bagi sumur-sumur yang tidak memiliki data log akustik. Log akustik sintetik Penerapan Neural Network untuk inilah yang kemudian dijadikan input utama Menghasilkan Log Akustik Sintetik model Gassman (yang telah dianggap valid) bagi estimasi profil sifat mekanika di sumur. Untuk Seperti telah dinyatakan sebelumnya, itu maka pendekatan soft computing dengan masukan utama bagi pemodelan dengan menggunakan artificial neural network (ANN) menggunakan model Gassmann adalah kecepatan diambil. rambat gelombang P (Vp) yang diperoleh dari data ANN yang digunakan pada studi ini adalah jaringan waktu rambat (∆tp) survei log akustik. Dalam supervised backpropagation. Backprogation studi yang menggunakan 4 sumur sebagai studi adalah suatu algoritma yang dikendalikan oleh kasus, tiga sumur memiliki log akustik yaitu TX suatu gradien yang dipakai untuk mengestimasi – 7ST, TX – 9, dan TX – 12 dan satu sumur tidak koefisien-koefisien (kekuatan hubungan antara memilikinya yaitu TX – 4. neuron) dengan jalan meminimumkan suatu Sesuai dengan pendekatan yang diambil fungsi kesalahan. Detil-detil teknis secara lebih untuk studi ini, yaitu pemakaian teori Gassmann dalam dapat dilihat pada Bishop 1995). untuk memprediksi sifat-sifat mekanika dari Sumur-sumur TX – 7ST, TX – 9 (sumur batuan reservoir, log akustik adalah masukan yang dipakai uji coba untuk penentuan profil sifat utama yang diperlukan. Tidak dimilikinya mekanika batuan), dan TX – 12 dipakai sebagai log akustik oleh sumur TX – 4 adalah suatu sumur-sumur yang akan memberikan data-data hambatan terhadap aplikasi dari pendekatan yang yang diperlukan bagi pemelajaran pola hubungan. diambil dalam studi ini. Untuk itu perlu dicari Dalam operasinya, ANN memiliki tiga tahap yang suatu cara untuk menghasilkan suatu jenis log harus dilakukan secara berturutan. Tahap pertama akustik sintetik yang dapat dipercaya tingkat adalah tahap pembelajaran (training stage) di kebenarannya. mana ANN akan ‘dipaksa’ untuk mempelajari Salah satu cara untuk mengatasi hal ini pola hubungan antara porositas neutron, saturasi adalah dengan menerapkan pendekatan analitik air, kandungan serpih, dan rapat massa (densitas) yaitu memakai teori perambatan gelombang dengan waktu rambat (∆t ) log akustik pada p akustik seperti halnya teori Gassmann. Tetapi ketiga sumur training di atas. Pada tahap kedua, teori Gassmann inilah yang justru dipakai untuk yaitu tahap validitas, ANN akan dipakai untuk memperoleh modulus-modulus elastik yang memberikan estimasi atas log akustik sintetik diinginkan dengan memakai log akustik, data pada sumur-sumur yang dipakai dalam tahap yang justru tidak ada, sebagai masukan utamanya. pembelajaran. Pada tahap ketiga, tahap prediksi, Dengan demikian perlu dicari suatu alternatif ANN yang telah dianggap valid akan dipakai pendekatan lain. untuk menghasilkan log akustik untuk sumur Hal yang menarik perhatian dari sumur yang tidak memiliki log akustik dalam hal ini TX – 4 ini, dan juga tentu sumur-sumur yang sumur TX – 4. memiliki data yang minim, bahwa ia masih Dalam prakteknya, data dari ketiga memiliki data-data lain (log SP, log resistivity, sumur yang tersebut diatas dipakai dalam tahap dan satu jenis log porositas yaitu log densitas) pembelajaran di mana jumlah hidden layer yang yang dapat dipastikan sama-sama memiliki ada dalam ANN dibatasi untuk tidak lebih dari 8 keterkaitan secara kausatif dengan sifat-sifat fisik saja. (Hal ini disebabkan oleh suatu kenyataan dan mekanika dari batuan yang sedang distudi. bahwa dengan makin banyaknya hidden layers Dengan demikian, adalah suatu hal yang masuk maka ANN akan makin dapat dengan detil akal bahwa satu cara yang dapat digunakan ‘mempelajari’ pola dari hubungan antar data. untuk merealisasikan hal ini adalah dengan cara Tetapi di sisi lain, dengan makin mendetilnya mempelajari pola hubungan antara keluaran pola yang dapat dipelajari oleh ANN, ANN akan survei log akustik dengan log-log (maupun kehilangan kemampuannya untuk melihat pola keluarannya) yang lain. Pola hubungan yang hubungan secara lebih umum. Hal ini biasanya
88 ditandai dengan training error yang sangat kecil tapi dengan kesalahan prediksi yang besar.) Dalam studi ini akhirnya diperoleh jumlah hidden layer sebanyak 6 yang memberikan training error di bawah 2% atau sekitar 1 – 2 mdetik/kaki. Dalam tahap ke dua, yaitu tahap validasi, masing-masing sumur yang datanya dipakai untuk training masing-masing diberi estimasi log akustik sintetiknya. Dari hasil yang diperoleh, perbedaan antara ∆tp estimasi (calculated) dan pengamatan (observed) tidaklah terlalu besar dan masih dalam ambang yang bisa diterima (< 1-2%). Akurasi ini dapat dimengerti karena ANN telah dapat mempelajari pola hubungan dengan baik, dengan jumlah hidden layer yang tidak terlalu besar sehingga dapat diharapkan hasil prediksi yang cukup akurat. Dengan demikian ANN dapat dianggap siap pakai untuk memprediksi log akustik sintetik bagi sumur TX – 4. Pada tahap prediksi, data porositas (data ini mungkin bahkan tidak ada untuk sumursumur di tempat lain di Indonesia), saturasi air, dan data log lainnya dari sumur TX – 4 dipakai sebagai masukan. Dengan memakai pola hubungan yang telah dipelajari maka ANN memberikan data ∆tp log akustik yang diinginkan untuk selang kedalaman asal data-data masukan yang dipakai. Gambar 14 menyajikan hasil yang diperoleh, yang disajikan bersama dengan data
log densitas (density log) untuk kedalaman yang sama. Terlihat dengan jelas konsistensi antara kedua kurva dimana menurunnya rapat massa (ρb) dibarengi dengan membesarnya ∆tp yang merefleksikan porositas batuan yang membesar, dan demikian juga sebaliknya. Dari hasil yang diperoleh, terlihat manfaat yang sangat besar dari ANN untuk memberikan data sintetik bagi loglog yang tidak pernah dilakukan surveinya. IV. Pembahasan Lanjut
Dalam menerapkan prosedur dan metode ini dalam kegiatan praktis sehari-hari memang membutuhkan data yang memadai dan aktivitas yang cukup intensif dalam pemodelan ANN. Keberadaan data pengukuran laboratorium atas percontoh memang akan sangat membantu karena sifat datanya yang dapat diukur dengan tingkat keakuratan yang tinggi sehingga memberikan ‘first guess’ hubungan properti kering elastik versus porositas yang baik. Hal ini akan membantu sekali dalam membimbing bentuk hubungan tersebut pada saat pemodelan naik ke tingkat sumur. Meskipun demikian, jika data pengukuran laboratorium yang dibutuhkan tersebut tidak tersedia maka pemodelan ANN bisa langsung menuju pemodelan dengan menggunakan data log pada sumur kunci. Dalam keadaan seperti demikian hubungan properti elastik versus porositas tetap dapat dibuat dengan mengacu pola hubungan seperti yang tersaji pada Gambar 6. Dengan mempergunakan hubungan tersebut sebagai ‘first guess’, modifikasi tetap dapat dilakukan sejalan dengan pemodelan ANN yang dilakukan atas data log sumur. Untuk penelitian pada tahap ini, penelitian baru dilakukan pada tahap penerapan model untuk menghasilkan data profil properti elastik pada sumur-sumur TX yang tidak memiliki data log properti elastik batuan. Dengan demikian maka perbandingan antara properti elastik hasil perhitungan dengan menggunakan model ANN dan properti elastik dari log properti elastik (misal: Mechpro Schlumberger) tidak dapat dilakukan. Untuk tahap lanjut penelitian, perlu diperoleh sumur yang memiliki data ini sehingga dapat dipelajari apa kelebihan dan kekurangan dari pendekatan ini. Gambar 14. Contoh log akustik sintetik (kiri) hasil peneraSeperti halnya properti elastik batuan yang pan ANN (sumur TX – 4). Disajikan bersama dengan log density untuk membuktikan konsistensinya. dihasilkan dari data kecepatan gelombang akustik,
89 maka profil properti elastik batuan reservoir yang dihasilkan dari model masih bersifat properti elastik dinamis dan belum bersifat properti elastik statik yang merupakan data yang dibutuhkan dalam berbagai aplikasi mekanika batuan di sumur. Data tersebut umumnya diperoleh dari pengujian kompresi atas percontoh batuan yang dilakukan di laboratorium. Properti elastik statik inilah yang merupakan properti elastik yang sebenarnya. Dengan demikian, penelitian lanjut dari studi juga dapat diarahkan menuju penciptaan suatu metode untuk mengkonversi properti elastik dinamik – yang sudah dapat dihasilkan dari studi ini – menjadi properti elastik statik yang siap pakai. V.
Kesimpulan
Dari studi yang telah dilakukan dapat ditarik beberapa kesimpulan utama yaitu 1. Sebuah prosedur untuk menghasilkan profil data sifat mekanika (modulus elastik) batuan telah dapat dihasilkan. Prosedur tersebut merupakan kombinasi antara pengukuran di laboratorium atas sampel batuan, pemodelan matematis dengan menggunakan teori perambatan gelombang, dan penerapan artificial neural network (ANN). Rangkuman dari prosedur yang diusulkan dapat dilihat pada Lampiran. 2. Pemodelan pada tingkat laboratorium lebih mudah daripada pemodelan pada tingkat sumuran. Heterogenitas batuan dan perbedaan resolusi dari alat – alat log sumur adalah penyebab utamanya. 3. Kesulitan dalam pemodelan dengan menggunakan model Gassmann dapat diatasi dengan menyeleksi data dan menyingkirkan data-data yang terlalu jauh menyimpang dari kaidah-kaidah normal hubungan antara data. 4. Kesulitan dalam proses training dalam penerapan ANN sebaiknya diatasi dengan cara menyeleksi data secara lebih seksama daripada dengan cara menambah jumlah hidden layer secara membabi buta. 5. Kurva-kurva Kd dan Gd versus porositas yang terakhir digunakan, setelah beberapa kali modifikasi selama proses pemodelan, adalah hasil utama dari pemodelan itu sendiri karena darinya dapat dihasilkan kecepatan
gelombang P (Vp) dan kecepatan gelombang S (Vs) sintetik yang dapat dipakai menghasilkan semua modulus elastik yang diperlukan. Daftar Pustaka Birch, F. (1961). The Velocity of Compressional Waves in Rocks to 10 Kilobars (Part II). Journ. Geophys. Res., 66, 2199 – 2224. Bishop, C.M. Neural Network for Pattern recognition, Oxford University Press, London, 1995. Charlez, P., Saleh, K. and Despax, D. (1987). The Fracmeter: A New Numerical Method to Evaluate the State of Stress and the Elastic Properties of Rocks. SPE 15773, presented at 5th SPE Middle East Oil Show, ManamaBahrain, March 7 - 10. Domenico, S.N. (1976). Effect of Brine-gas Mixture on Velocity in An Unconsolidated Sand Reservoir. Geophysics, 41: 882-894. Ellis, D.V. (1987). Well Logging for Earth Scientists. Elsevier Sc. Publ., New York, Amsterdam, London. Gassmann, F. (1951). Elastic Waves Through a Packing of Spheres. Geophysics, 16: 673685. Gebrande, H., Kern, H. and Rummel, F. (1982). Elasticity and Inelasticity. In: LandoltBornstein Numerical Data and Functional Relationships in Science and Technology (K. H. Hellwedge, ed), New Series; Group V. Geophysics and Space Research, Vol. 1 Physical Properties of Rocks, Subvolume b, 1 – 233. Springer-Verlag Berlin, Heidelberg, New York. Gregory,A.R.: “Fluid Saturation Effects on Dynamic Elastic Properties of Sedimentary Rocks,” Geophysics, (1976) 41, 895-924. Harrison, A.R., Randall, C.J., Aron, J.B., Morris, C.F., Wignall, A.H., Dworak, R.A., Rutledge, L.L. and perkins, J.L. (1990). Acquisition and Analysis of Sonic Waveforms from a Borehole Monopole and Dipole Source for the Determination of Compressional and Shear Speed and Their Relation to Rock Mechanical Properties and Surface Seismic Data. SPE 20557, 65th Annual technical Conference and Exhibition, New Orleans, September 23 – 26.
90 Johnston, D.H., Toksoz, M.N. & Timur, A. (1979). Attenuation of Seismic Waves in Dry and Saturated Rocks: II. Mechanisms. Geophysics, 44: 691 – 711. King, M.S., 1966: Static and dynamic elastic moduliof rocks under pressure. Proc. 11th US Symp. On Rock Mechanics, p.329-351. King, M.S., 1970: Static and Dynamic Elastic Moduli of Rocks Under Pressure. Proceeding 11th US Symposium on Rock Mechanics, p. 329-351. Montmayeur, H. and Graves, R.M. (1986). Prediction of Static Elastic/mechanical Properties of Consolidated and Unconsolidated Sands From Acoustic measurements: Correlations. SPE 15644, presented at 51st Annual Technical Conference and Exhibition of the Society of Petroleum Engineers, New Orleans, October 5 – 8. Munadi, S. & Saptono, F.: “Rock elastic compressibility as a potential indicator for
gas detection in limestone,” (in Bahasa Indonesia), Proceeding, 18th National Symposium on Physics, (April 2000), 59 – 63. Timur, A.: “Acoustic Logging”, in Petroleum Engineering Handbook by H.W. Bradley (editor-in-chief), Chapter 51, First printing, Society of Petroleum Engineer, Richardson, TX – USA (1987). White, J.B. (1983). Underground Sound. Elsevier, New York. Widarsono, B. and Saptono, F. (2000) A New Method in Preparing Laboratory Core Acoustic Data for Assisting Seismic-based Reservoir Characterization, Proceedings, extended abstract presented at the 2000 Symposium of Society of Core Analyst (SCA/SPWLA), Abu Dhabi. Wren, A.E.: “Seismic techniques in cardian exploration,” Jour. of Can. Soc. Expl. Geoph., (1984) 20, 55 – 59.
91 Lampiran
data dengan seperlunya sesuai dengan kaidah hubungan antar data yang berlaku. Prosedur yang diusulkan untuk Pada tahap berikutnya, tahap validasi, ANN menghasilkan data modulus elastik dari sumurdiaplikasikan untuk memberi estimasi data sumur dengan data minim dapat dirangkum log sintetik untuk sumur-sumur yang dipakai sebagai: dalam training, Validitas tercapai jika data 1. Persiapan sampel batuan. Sampel diambil estimasi dan data log akustik yang sebenarnya secara teliti dengan memperhatikan memperlihatkan kecocokan yang memadai. keterwakilan dari selang porositas dan variasi Tahap akhir adalah tahap estimasi, dimana litologi yang ada. ANN diaplikasikan untuk menghasilkan log 2. Pengukuran di laboratorium. Pengukuran akustik sintetik untuk sumur-sumur yang sifat fisik dasar batuan seperti porositas tidak memiliki data survei log akustik dengan dan saturasi air. Pengukuran waktu rambat data masukan data log-log lain yang dimiliki gelombang P (∆tp) dan S (∆ts) pada berbagai sumur-sumur tersebut. tingkat saturasi air (Sw) yang kemudian 5. Pemodelan atas data log sumur. Pemodelan dikonversikan menjadi kecepatan rambat (Vp serupa dengan pemodelan data laboratorium dan Vs). Impedansi akustik (AI) dan modulus dengan teori/model Gassmann (atau model elastik seperti Young’s modulus, Poisson ratio, lainnya) dilakukan untuk menghasilkan shear modulus, dan bulk modulus kemudian hubungan AI – Poisson ratio – porositas – dihitung. saturasi air untuk data-data log yang sumurnya 3. Pemodelan atas data laboratorium. hendak diberikan profil modulus elastik. Data Pemodelan dengan teori/model Gassmann bulk modulus kering (Kd) dan shear modulus (atau model lainnya) dilakukan untuk kering (Gd) versus porosity dari laboratorium menghasilkan hubungan AI – Poisson ratio dipakai sebagai ‘first guess’. Gd dapat – porositas – saturasi air untuk batuan yang dianggap sama dengan shear modulus untuk diuji. Data bulk modulus kering (Kd) dan batuan tersaturasi fluida (G). Data tersebut shear modulus kering (Gd) versus porosity diubaha-ubah sambil perbandingan dilakukan pada saat model hubungan dinyatakan valid dengan cara melihat kecocokan antara Sw (validitas dicapai jika kecocokan antara Sw yang dihasilkan model Gassmann dengan Sw yang dihasilkan model Gassmann dengan Sw yang dihasilkan oleh log analisis). Validitas terukur) dapat dipakai pada pemodelan atas dapat dianggap tercapai jika kecocokan data log sumur sebagai ‘first guess’. antara kedua harga Sw dapat mencapai tingkat yang dapat diterima. Pada tingakat validitas 4. Penciptaan log akustik sintetik. Jika pada tersebut diperoleh kurva Kd dan Gd versus beberapa sumur tidak memiliki log akusti porositas yang valid untuk tingkat sumuran (masukan utama untuk model Gassmann) dan dapat dipakai untuk aplikasi-aplikasi maka artificial neural network (ANN) dapat tingkat sumur. dipakai. Untuk itu harus dipilih satu atau lebih sumur yang memiliki data log akustik 6. Penentuan profil data Poisson ratio. Profil disamping data log lainnya. Kemudian Poisson ratio ditentukan dengan memasukkan dilakukan tahap training atas data-data tersebut data porositas, saturasi air, dan impedansi untuk membuat ANN dapat ‘mengerti’ pola akustik (AI = Vp . ρb) kedalam model AI – hubungan antara log akustik dengan log-log Poisson ratio – porositas – saturasi air yang lainnya. Kesulitan dalam mencapai tingkat telah dianggap valid. Kecepatan rambat training error yang cukup rendah (sebaiknya gelombang S (Vs) juga dapat ditentukan < 0,5% atau lebih kecil) sebaiknya dicapai dengan menggunakan kurva Gd versus dengan tidak menggunakan hidden layer yang porositas yang telah valid sehingga profil terlalu besar (sebaiknya tidak lebih dari 6 – besaran-besaran modulus elastik yang lain 8) tetapi dengan menyeleksi dan mengoreksi dapat ditentukan.
92
Penentuan Gas Content Dengan Menggunakan Data Logging Pada Sumur Gas Metana Batubara (CBM) Asri Nugrahanti(1), Ratnayu Sitaresmi(2) Teknik Perminyakan, Fakultas Teknologi Kebumian Dan Energi, Universitas Trisakti Email: (1)
[email protected], (2)
[email protected] Telp.: (1) +62811847420 , (2) +62818922039 Sari Data Logging dapat digunakan untuk menentukan coal thickness dan gas content pada sumur atau interval lapisan batubara yang tidak di-core. Analisa dari hasil Logging dapat diperoleh lebih cepat dan relatif lebih murah dari pada melaksanakan coring dan menganalisanya di laboratorium. Selain itu juga lapisan permeabel dapat diprediksi dari pengaruh invasi mud filtrat yg terdeteksi di microlog atau resistivity log. Kata kunci: Coalbed Methane, Gas Content, Logging Abstract Wireline loggs can be used to estimate coal parameters such as thickness and its gas content in CBM wells or in un-cored coal intervals. In some circumstances, well log analysis can be considered faster and cheaper rather than taking the core samples and then performing analysis in the laboratory. In addition, coal permeable zones could be predicted from the effects of mud filtrat invasion which can be detected from Microlog or any other types of resistivity logs. Keywords: Coalbed Methane, Gas Content, Logging I.
Pendahuluan
Gas alam adalah salah satu sumber energi yang relatif ramah lingkungan dan telah digunakan cukup lama, baik sebagai sumber energi maupun sebagai bahan baku untuk industri petrokimia dan industri lainnya. Sebelum ditemukan teknologi Gas Metana Batubara atau Coalbed methane (CBM), gas alam yang kita kenal saat ini, walaupun sebagian ada yang bersumber dari batubara, pada umumnya gas alam dieksploitasi dan diproduksi dari reservoir gas alam. Namun dengan meningkatnya kebutuhan energi, salah satu sumber alternatif gas alam adalah metana yang bersumber dari batubara (CBM). Seperti yang tercantum dalam Permen ESDM no. 36 tahun 2008 bahwa CBM adalah gas bumi (hidrokarbon) dengan gas metana merupakan komponen utamanya yang terjadi secara alamiah dalam proses pembentukan batubara (coalification) dalam kondisi terperangkap dan terserap (terabsorbsi) didalam batubara dan/atau 93
lapisan batubara. Sehingga pada dasarnya CBM adalah sama seperti gas alam konvensional yang kita kenal saat ini, namun perbedaannya adalah CBM berasosiasi dengan batubara sebagai source rock dan reservoirnya. CBM pertamakali dikenal karena keberadaannya menimbulkan masalah dalam penambangan bawah tanah. Apabila CBM terganggu keberadaannya misalnya berasosiasi dengan oksigen maka dapat meledak, karena itu perlu dihindari. Adapun jumlah kandungan gas metana pada lapisan batubara adalah bervariasi. Namun dalam dua dekade terakhir ini, industri minyak di Amerika Serikat cukup jeli melihat adanya peluang bisnis yang menguntungkan untuk mengeksploitasikan gas metena batubara tersebut, karena cukup hanya menggunakan sumur-sumur dangkal (berkisar 600 sampai 900 meter) namun berpeluang mempunyai masa produksi yang panjang (long well life) . Sebenarnya di Indonesiapun mengenal CBM sudah dipelajari cukup lama, namun tidak dikembangkan mengingat pada waktu itu harga
94 minyak bumi maupun gas masih relatif murah. Semenjak harga minyak bumi melambung maka teknologi memproduksi gas alam yang bersumber dari CBM terus dikembangkan. Informasi dan data-data awal yang diperlukan untuk evaluasi kelayakan mengeksploitasikan CBM tidak berbeda jauh dengan kelayakan untuk mengeksploitasikan reservoir-reservoir gas alam yang kita kenal di dunia perminyakan dewasa ini, yaitu berapa besar jumlah cadangan (gas in place) nya, berapa banyak gas yang bisa diproduksikan dan dengan laju produksi berapa besar, lalu berapa kira-kira biaya mengeksploitasikan gas tersebut. Perbedaan menyolok adalah pada karakteristik lapisan batubara yang bertindak sebagai reservoir gas metana, yang ternyata secara dramatis berbeda jauh dari karakteristik reservoir klasik, yang seperti kita ketahui merupakan batuan inter-granular atau inter-crystalline. Memahami bagaimana lapisan batubara berfungsi sebagai reservoir sangat penting dalam upaya mengembangkan cara atau metode untuk menentukan jumah kandungan metana di dalam lapisan batubara menggunakan pengukuran wireline logging. Kajian ini membahas metoda bagaimana beberapa sample yang telah diukur kandungan gasnya di laboratorium dapat digunakan untuk menentukan kandungan gas bagi sumur lain yang tidak dilakukan sampling dengan menentukan hubungan kandungan gas dengan density batubara yang diperoleh dari data log. Nilai cut-off untuk menentukan ketebalan didasarkan pada densitas lapisan dari data log. Langkah-Langkah untuk menentukan kandungan gas metana batubara menggunakan wireline logging dari suatu lapisan batubara, antara lain : Tahap 1 adalah mempelajari kembali informasi yang telah tersedia tentang karakteristik batubara (coal properties) di area geografis/ formasi geologi yang diinginkan. Tahap 2 adalah mengumpulkan data wireline log, data contoh batuan (core) dari sumur (well) yang baru dibor. Tahap 3 adalah menganalisa data core, log, dan menentukan jumlah kandungan gas menggunakan analisa logging.
batubara relatif dikenal disebabkan oleh banyaknya hasil studi geologi. Gross-thickness dan kandungan non-batubara di zona batubara dapat ditentukan dengan well log dari sumur yang dibor lebih dalam. Kandungan gas-content belum bisa ditentukan dari log-log ini, kecuali telah dilakukan pemeriksaan laboratorium atas sampel batubara dari daerah ini, sehingga dapat diketahui karakteristiknya, yaitu antara lain data kandungan gas-content-nya. Sample Collection and Gas content Estimates
Analisa laboratorium lengkap (Major Laboratory Analysis) atas sampel batubara biasanya mencakup pengukuran-pengukuran karakteristik sebagai berikut: Proxymate Analysis : mengukur ash, FC (Fixed Carbon) dan FM (Fixed Material), Ultimate Analysis : mengukur prosentase berat dari atom-atom pembentuk batubara, Desorption Tests: mengukur gas content per satuan berat sampel batubara, dan Maceral Tests: mengukur jumlah dan menentukan tipe microscopic coal constituent yang terdapat pada sampel batubara. Obyektif utama dalam pengumpulan sampel batubara adalah memperkirakan in-situ gas content (gas volume/rock mass ratio). Perkiraan akurat dari coal-gas content perlu pengukuran wellsite dari volume gas yang dilepaskan dari sampel batubara. Tipe-tipe sampel batubara yang bisa didapatkan antara lain: shaleshaker drill cutting; conventional core; drilled sidewall core; wireline-retrieveable core; dan pressure core. Tujuan utama untuk pengumpulan sampel batubara adalah untuk pengukuran Gas Storage Capacity, deskripsi natural fracture geometry, laboratory flow experiment, dan untuk menentukan coal rank dan komposisi batubara. Ada dua metode yang tersedia secara umum untuk evaluasi ini: metode langsung [USBM] dan metode Smith and Williams. Kedua metode ini mengasumsikan bahwa difusi batubara terjadi dari sampel yang bulat-penuh dan prosesnya adalah isothermal. Asumsi kedua adalah metode langsung berasumsi bahwa konsentrasi gas eksternal langsung berkurang hingga mendekati nol. Ini Pre-drilling Data Sources sama dengan berasumsi bahwa tekanan sampel Data struktur, stratigrafi, dan ketebalan langsung berubah dari kondisi reservoir menjadi
95 kondisi atmosfir. Asumsi ini tidak dapat dibuat untuk sampel batubara yang didapat dari mud coring. Teknik Smith and Williams mencoba memperhitungkan perubahan tekanan secara perlahan tetapi tetap terbatas kepada asumsi bahwa perubahan terjadi secara linear — perubahan ini biasanya tidak terjadi secara linear. Teknik ini juga berasumsi bahwa sampel telah tersaturasi oleh gas dan kapasitas penyimpanan coal-gas adalah fungsi linear dari tekanan reservoir dan kondisi atmosfir. Besarnya kandungan gas dari suatu lapisan batubara bervariasi dari suatu tempat tergantung komposisinya yang juga merefleksikan besarnya densitas. Dengan demikian dapat ditentukan densitas maksimum dari batu bara yang masih mempunyai gas content. II. Analisa Core Key well merupakan sumur yang telah dicore pada tahap awal program pengembangan untuk memperoleh data yang dipaparkan. Pada Tabel 1 menjelaskan tipe-tipe serta tujuan dari pengukuran core batubara. Tujuan utama dari analisis core untuk memperkirakan laju produksi gas (gas production rate) dan laju produksi air (water production rate) secara akurat. Analisis kepentingan sekunder dibutuhkan untuk berbagai tujuan & direkomendasikan untuk semua sampel key well. Studi untuk menentukan gas content dan coal rank direkomendasikan untuk setiap sumur CBM. Analisis-analisis ini, ditandai dengan asterisk (*) di Tabel 1, akan dilakukan bersamaan dengan drill cutting untuk routine well dan core sample serta cutting untuk key well. Penggunaan Wireline Well Logging Untuk Menentukan Gas content Cara wireline-logging menginter pretasikan coalbed methane adalah melalui pengukuran bulk density. Data bulk density ini selanjutnya digunakan untuk menentukan ash content dan coal rank. Data ash content dan coal rank tersebut selanjutnya dipakai untuk menghitung gas content menggunakan persamaan:
Tabel 1. Core analyses Core analysis Lithotype Description Data Core description/photographs Polished block descriptions Maceral composition* Bulk Volume Data Porosity CAT-scan bulk density PV compressibility
Coal Characterization Data Proximate* Ultimate Vitrinite reflectance* Gas content Data Gas desorption measurements* Sorption isotherm Fracture/Cleat Data Fracture orientation Fracture spacing/apeture
Mechanical Property Data Triaxal/unixial stress** Anelastic strain recovery
Transmissivity Data Relative permeability
Purpose
Importance
Lithology Secondary Composition Secondary /fracture frequency Coal composition Primary
Water production Primary prediction Depth shifting Secondary /sample selection Water production Secondary prediction
Coal composition/ Primary rank Coal composition/ Secondary rank Coal rank Primary
Gas content Storage capacity
Primary Primary
Cleat geometry Cleat geometry /permeability
Primary Primary
Mechanical proper- Secondary ties In-situ strain orien- Secondary tation
Permeability
Primary
*Recommended for routine application on drill cuttings or other samples on all wells. **Recommended when hydraulic-fracture stimulation is planned
Gc = 601.4-751.8x fad (ash fraction dry)(scf/ton) ................. (1) fad = (Rhob-Rhocoal)/(Rhoash-Rhocoal) ....... (2) Sedangkan untuk menentukan Gas Storage Capacity dan Gas In Place dapat menggunakan persamaan : G = 1359.7 x A x h x Rhob x Gc
(scf) ...... (3)
Gs = VLx(1-f ad)x(P/(P+PL)) (scf/ton) ....... (4)
96 Tabel 2. Hasil analisa perbandingan antara densitas ash dengan coal. Coal Density Ash Density Regression (gr/cc) (gr/cc) Coefficient
Well Hamilton No.3 Northeast Blanco Unit No.403 Southern Ute-Mobil 36-1 All data
1.25±0.06 2.03±0.12
0,989
1.14±0.05 2.27±0.17
0,965
1.22±0.02 2.18±0.09 1.21±0.02 2.14±0.06
0,965 0,96
Tabel 3. Beberapa alat logging yang digunakan untuk menentukan lapisan batubara. Log Type Mud log* Photoelectirc factor** Spontaneous potential Gamma ray**,† Natural gamma spectroscopy** Schlumberger geochemical/carbon oxygen
Purpose Lithotype Logs Correlation/lithology Lithology/ash and gas content Lithology/correlation Lithology/correlation Lithology/clay typing
Importance
Lithology/clay typing
Tertiary
Secondary Secondary Tertiary Secondary Tertiary
Porosity Logs Neutron** Lithology/correlation Secondary High resolution density**,† Ash and gas content/porosity Primary Conventional sonic Porosity Tertiary
Dual induction** Dual laterolog Shall resistivity** Microlaterolog (microlog)**,† Schlumberger dipmeter/ formation microscanner Electromagnetic propagantion
Long spaced with wave form,‡ Schlumberger borehole televiwer
Caliper**,† Cable tension**,†
Schlumberger wireline formation tester
Resistivity Logs Sand hydrocarbon saturations Sand hydrocarbon saturation Sand hydrocarbon saturation Permeability
Primary
Depositional environment
Tertiary
Sand hydrocarbon saturation
Tertiary
Sonic Logs Mechanical properties/permeability Fracture identification
Borehole Condition Logs Hole geometry Data quality control Pressure Pressure/permeabilty
Tertiary Tertiary Tertiary
Secondary Tertiary
Secondary Tertiary
Secondary
*Recommended when coring or when logging is not performed. **Recommended for coal and interbedded rock evaluation. †Recommended for coal evaluation only. ‡Recommended when running in-situ stress test for stimulation design.
Pengukuran wireline-logging di Black Warrior Basin di Alabama, di mana lapisan batubaranya sangat tipis, yaitu dari kurang lebih 1 inch
sampai dengan 5 ft, maka untuk mendapatkan hasil pengukuran yang akurat (reliable), telah digunakan seperangkat alat wireline logging dengan high vertical resolution, sebagai berikut : CALI, yaitu density caliper, SGR, yaitu total Gamma Ray count rate in API, DRHO, yaitu differential bulk density, PEF, yaitu photoelectric measurement, TENS, yaitu cable tension, RHOB, yaitu standard vertical resolution bulk density, dan NRHO, yaitu alpha process bulk density, untuk vertical resolution enhancement. Berdasarkan data-data pengukuran wireline logging hingga saat ini, maka dapat disimpulkan bahwa seperangkat alat logging yang terdiri dari NGS, LDT, CNL, merupakan kebutuhan minimal yang bisa memberikan hasil kwantitatip yang cukup akurat untuk menentukan besarnya gas content di lapisan batu bara, terutama apabila lapisan batubaranya tidak terlalu tipis (lebih kurang > 1 ft). Gas content dari hasil pengukuran wireline logging tersebut ditentukan sebagai berikut : • dengan bantuan ELAN, dari hasil pengukuran bulk density, dan sebagainya yang diperoleh dari wireline logging survey tersebut dihitung besarnya ash, VC, VM. • Harus ada pengukuran laboratorium atas core batubara dari daerah terkait, yang memberikan data kwantitatip besarnya ash, VC, VM dan gas content, serta rumus hubungan matematik yang menyatakan hubungan besarnya ash, VC dan VM content vs. Gas content. (lihat Tabel 4, untuk Black Warrior Basin). • Dengan penggunaan rumus matematik tersebut, dan dengan menggunakan harga besaran ash, VC, VM yang diperoleh dari log (ELAN) maka dapat ditentukan besarnya gas content dari pengukuran wireline logging. Hal ini dapat dilihat pada tampilan rekaman log hasil poses COALAN pada Gambar 5 dan 6.
97 Tabel 4. Hubungan antara ash,Vc,Vm vs gas content.
Sample No.
Coal
Location (County and State)
2 3 4 5 7 8 9 10 11 12 13 14 17 18 19 25 26 27 29 30 31 32
Pittsburgh Pittsburgh Pittsburgh Pittsburgh Pocahontas No.3 Pocahontas No.4 Upper Freeport Upper Freeport Upper Freeport Lower Freeport Lower Kittanning Lower Kittanning Beckley Caslegate Mammoth Sewell No. 5 Block Rosebud Somerset B Mary Lee Mary Lee Mary Lee
Marion, WV Greene, PA Washington, PA Washington, PA Buchanan, VA Wyoming, WV Indiana, PA Indiana, PA Indiana, PA Indiana, PA Cambria, PA Cambria, PA Raleigh, WV Carbon, UT Schuylkill, PA Randolph, WV Boone, WV Rosebud, MT Gunnison, CO Jefferson, AL Walker, AL Jefferson, AL
Gambar 1. Contoh hasil rekaman log GR dan density.
Proximate Analysis, pct Fixed Volatile Moisture Ash Carbon Matter 0 9 51 39 1 7 55 37 0 4 63 32 1 9 52 37 0 9 72 18 0 5 75 19 2 11 59 27 1 8 64 28 1 2 67 30 0 9 66 24 1 17 65 17 1 9 71 20 0 23 61 15 2 6 45 46 1 8 87 4 0 3 62 34 2 4 57 38 19 10 41 31 2 6 53 39 0 9 70 20 1 15 54 31 0 6 62 21
Gambar 2. Perbandingan antara core dan log derived ash content.
98
Gambar 3. Perbandingan antara core dan log derived gas content.
Gambar 6. Hasil CoalAN terdiri dari depth, caliper, GR, volumes, estimated proximate analyses, gas content and cleats porosity.
Gambar 4. Hasil perbandingan log derived ash, fc dan gas content vs core measurement.
Gambar 7. Perbandingan antara log derived vs core measured gas content.
Gambar 5. Hasil CoalAN terdiri dari depth, caliper, GR, volumes, estimated proximate analyses dan gas content.
99 Penentuan Gas Content Pada Lapisan Batubara Menggunakan Wireline log
crossplot antara densitas sampel dengan densitas log dan selanjutnya dapat ditentukan nilai cut-off untuk menentukan ketebalan lapisan. IV. Kesimpulan 1. Wireline log dapat digunakan untuk menentukan coal thickness dan gas contentnya pada sumur atau interval lapisan batubara yang tidak di-core. 2. Dengan membuat hubungan antara log derived dengan core dapat menghasilkan suatu persamaan empiris yang dapat digunakan pada sumur lain yang tidak mempunyai core, sehingga gas content dapat diketahui. 3. Nilai cut-off density ditentukan untuk mendapatkan harga ketebalan lapisan untuk digunakan dalam menentukan Gas In-Place. Daftar Pustaka :
III. Pembahasan Untuk menentukan gas content pada sumur yang tidak di-core maka digunakan metode korelasi yaitu dengan membuat hubungan antara densitas batubara yang diperoleh dari log dengan gas content. Untuk itu perlu dilakuan pengujian kandungan gas dari beberapa sample dengan desorption test. Selanjutnya densitas dan komposisi sampel batubara ditentukan dengan dengan proximate analysis. Dari kedua hubungan tersebut, dibuat
Colson, J.L., “Evaluating Gas content of Black Warrior Basin Coalbeds From Wireline log Data”, SPE, Schlumberger Well Services., July/August 1991. Hawkins,J.M., Schraufnagel, R.A., Olszewski, A.J., SPE 24905,1992. Mavor. M.J. “Formation Evaluation of Exploration Coalbed-Methane Wells”, SPE Formation Evaluation, December 1994. Ego Syahrial, “Pilot Proyek CBM Lapangan Rambutan dan R&D CBM” Seminar Nasional – Menyikapi Krisis Energi Nasinal dengan Energi Terbarukan CBM, FTKE-Usakti, 20 Mei 2010. A. Edy Hermantoro, “ Program Pengembangan Coalbed Methane (CBM) / Gas Metana Batubara di Indonesia”, Seminar Nasional – Menyikapi Krisis Energi Nasinal dengan Energi Terbarukan CBM, FTKE-Usakti, 20 Mei 2010. Peraturan Menteri Energi dan Sumber Daya Mineral Nomor 36 Tahun 2008 tentang Pengusahaan Gas Metana Batubara.
100
Studi Laboratorium Peningkatan Perolehan Gas Metana Batubara Melalui Pendekatan Kapasitas Adsorpsi Langmuir dari CO2 (1) (2) (3)
Utomo P. Iskandar(1), Kosasih(2), Usman Pasarai(3) Pusat Penelitian dan Pengembangan Teknologi Minyak dan Gas Bumi “LEMIGAS” Email: (1)
[email protected], (3)
[email protected] Telp. (3) +62811104257
Sari Karbon dioksida yang diinjeksikan ke dalam coal seams akan mengalir masuk ke dalam cleat system dari batubara dan berdifusi ke coal matrix dan teradsorpsi pada permukaan mikropori batubara, dan pada akhirnya membebaskan atau mendesak gas metana yang memiliki afinitas yang rendah terhadap batubara. Penelitian ini bertujuan untuk mengetahui jumlah gas metana batubara yang akan terdesak akibat dari injeksi CO2 melalui pendekatan dengan kapasitas adsorpsi langmuir dari CO2 untuk 4 sampel yang diambil dari seam yang berbeda pada lapangan Rambutan, Sumatera Selatan. CBM rig digunakan untuk melakukan pengukuran isothermal adsorption. Terdapat 4 variasi temperatur yang digunakan selama eksperimen berlangsung yaitu, 49, 50, 51, dan 62°C untuk mencerminkan kondisi masing-masing coal seams sebenarnya di lapangan. Tekanan yang digunakan saat eksperimen bermula dari 123 sampai dengan 14000 kPa agar CO2 berada dalam fasa superkritis. Pemodelan dilakukan dengan persamaan Langmuir untuk menggambarkan jumlah fasa yang teradsorpsi terhadap tekanan. Dari ke-empat seam yang diuji tersebut, memiliki kapasitas adsorpsi CO2 dalam rentang 22,18-34,12 m3/t dry-ash-free basis. Kapasitas adsorpsi CO2 ini lebih tinggi ratarata sekitar 3 kali dari kapasitas adsorpsi CH4 yang pernah diukur pada penelitian sebelumnya. Dengan menggunakan konsep dan data hasil percobaan bahwa setiap 3 molekul CO2 dapat menggantikan dan/atau mendesak 1 molekul CH4 yang teradsorp pada matriks batubara maka dari hasil ini dapat disimpulkan injeksi CO2 kedalam lapisan batubara sedikitnya mampu me-recover 7,39-11,37 m3/t gas metana batubara, yang mana pada umumnya batubara dapat mengandung metana sekitar 25 m3/t. Kata kunci: Enhanced Coal Bed Methane (ECBM), Injeksi CO2, Kapasitas Adsorpsi Langmuir. Abstract The CO2 injected at the coal seams will flow into the cleat system and difusse to the coal matrix and eventually adsorbed on micropore. As a result, this process displaces and releases the adsorbed CH4 due to lower affinity. This study aims to determine the amount of CH4 displaced by CO2 injection through Langmuir adsorption capacity of CO2 approach using 4 core coal samples taken from Rambutan Field, South Sumatera. The experiment was carried out using CBM rig to measure the isothermal adsorption. To mimic the in-situ reservoir condition, 4 different temperatures, 49, 50, 51, and 62°C respectively, were set up correspond to each seam condition. Since the injection of CO2 will be in the supercritical phase, experimental pressure were gradually increased from 123 until 14000 kPa. Langmuir equation is used to model the adsorbed phase versus pressure. The adsorption capacity from 4 samples is in the range 22.18 - 34.12 m3/t dry-ash-free basis. This capacity is much higher, about three times from the CH4 adsorption capacity. By using the concept and the experiment results that every 3 molecules of CO2 are able to displace and/or replace single molecule of adsorbed CH4 on the coal matrix, this study may conclude that injection of CO2 into the coal seams can recover minimum 7.39-11.37 m3/t of CH4 while in general coal seam can contain around 25 m3/t of CH4. Keywords: Enhanced Coal Bed Methane (ECBM), CO2 Injection, Langmuir Adsorption Capacity
101
102 I.
Pendahuluan
Sebuah studi yang dilakukan oleh ARI (Advance Resources International) bekerjasama dengan Ditjen Migas dan Asian Development Bank (ADB) menunjukkan bahwa Indonesia memiliki potensi sumberdaya CBM yang berlimpah, yaitu sekitar 453 Tcf. Walaupun pengembangan CBM baru dimulai pada beberapa tahun terakhir, tetapi hasil pilot test yang dilakukan oleh LEMIGAS memperlihatkan ekstraksi jenis sumber unconventional gas bisa dilakukan. Tipikal recovery gas metana yang dapat diperoleh dari kegiatan ekstraksi suatu coal seam dengan cara dewatering dan depressurisation berkisar 40-50% dari gas in place. Dengan menginjeksikan CO2 kedalam lapisan coal seam yang sedang diekstraksi tadi memungkinkan untuk meningkatkan perolehan gas metana dan sekaligus menyimpan CO2. Teknik produksi dengan injeksi CO2 ini dikenal dengan Enhanced Coal Bed Methane (ECBM), yang mana pada waktu yang bersamaan CO2 yang diinjeksikan akan mendesak dan menggantikan gas metana yang teradsorpsi pada batubara. Dengan menggunakan teknik ini mampu menaikan recovery sampai 90-100% gas metana batubara. Hal ini dikarenakan afinitas dari batubara yang lebih tinggi terhadap CO2 dibandingkan dengan metana sehingga mampu mengabsorpsi sebesar dua kali dari volume gas metana. Produksi gas metana batubara telah dilakukan secara intensif di Amerika dan di lain tempat, tetapi sejauh ini hanya ada satu proyek ECBM skala pilot yang telah dilaksanakan yaitu di Allison Unit di New Mexico, USA dengan lebih dari 100.000 ton CO2 telah diinjeksikan dalam periode 3 tahun. Selain ittu terdapat juga micropilot field test yang berada di Alberta (Canada) yang dilakukan oleh the Alberta Research Council (Gunter et al., 1997, 1998). Penelitian ini bertujuan untuk mengetahui jumlah gas metana batubara yang akan terdesak akibat dari injeksi CO2 melalui pendekatan dengan kapasitas adsorpsi langmuir dari CO2 untuk 4 sampel yang diambil dari seam yang berbeda pada Lapangan Rambutan Sumatera Selatan. Beberapa variasi variabel dilakukan untuk menyerupai keadaan sebenarnya di lapangan.
Rancangan Penelitian Sebagaimana yang telah dikemukan sebelumnya bahwa penelitian ini bertujuan untuk mengetahui informasi kapasitas adsorpsi gas CO2 pada coal seam dari lapangan rambutan sumatera selatan yang pada nantinya akan digunakan untuk memprediksi seberapa besar perolehan gas metana. Prinsip yang digunakan adalah menggunakan batubara sebagai adsorben CO2 dengan kondisi eksperimen yang disesuaikan dengan kondisi lapangan. Gambar 1. memperlihatkan langkah-langkah yang dilalui pada penelitian ini sebagaimana yang terangkum pada butir-butir berikut: -- Pemilihan coal seam yang sesuai untuk ECBM. Preparasi sampel yang meliputi grinding dan saturasi. -- Uji adsorpsi isotermal. -- Analisa dan pengolahan data.
Gambar 1. Diagram alir penelitian
103 II. Permodelan Adsorpsi Isotermal Langmuir
2003). Kemudian untuk kalkulasi volume gas yang teradsorp berdasarkan persamaan keadaan (equation of state) untuk gas nyata yang ditulis Banyak model teori dan empiris telah sebagai berikut: dikembangkan untuk menerangkan berbagai adsorpsi isotermal. Pada saat ini, tidak ada satupun Pi − Peq V persamaan yang dapat menerangkan seluruh nads = .......................................… (3) RT mekanisme dengan sempurna. Namun terdapat beberapa model yang lazim dapat digunakan Preparasi Sampel yang salah satunya adalah Langmuir. Langmuir isotermal (Bond, 1987; Maron Sampel batubara harus diuji pada kondisi dan Lando 1974) dikembangkan oleh Irving dimana memiliki kandungan properties yang Langmuir pada tahun 1916 untuk menggambarkan sama dengan kondisi saat di coal seam sehingga hubungan permukaan yang ditutupi oleh gas eksperimen yang dilakukan dapat merefleksikan adsorbat pada tekanan gas di atas permukaan keadaan sebenarnya. Batubara merupakan pada temperatur yang tetap. Pemodelan adsorpsi adsorben bagi CO2 pada penelitian ini sedangkan CO2 dengan Langmuir paling banyak digunakan CO2 bersifat sebagai adsorbat. Preparasi adsorben untuk memodelkan adsorpsi gas pada permukaan merupakan hal yang terpenting apabila kita ingin solid maupun porous. Selain itu model Langmuir mempelajari adsorpsi. Terlebih lagi jika kita adalah yang paling sesuai untuk memodelkan ingin bekerja dengan permukaan yang bersih adsorpsi fisika dan juga mampu memodelkan maka ini merupakan sebuah kewajiban untuk adsorpsi kimia Pada adsorpsi isotermal Langmuir, menghilangkan pengotor yang tertinggal pada tipe adsorpsi isotermis yang digunakan adalah permukaan adsorben. tipe I. Preparasi adsorben ini dilakukan untuk mengaktivasi sampel batubara agar siap Beberapa asumsi yang ada bila menggunakan digunakan sebagai adsorben. Proses preparasi ini persamaan Langmuir adalah: • Adsorben dilapisi satu lapisan molekul gas merupakan proses fisika yang tidak melibatkan reaksi kimia yang dialami oleh sampel batubara. adsorbat (unimolekular atau monolayer) • Molekul teradsorpsi tidak bebas bergerak pada Tujuan utama dari preparasi sampel batubara ini adalah: permukaan • Tidak ada interaksi lateral di antara molekul- Menghilangkan impurities agar diperoleh kapasitas adsorpsi yang akurat molekul adsorbat Memperluas permukaan batubara agar • Entalpi adsorpsi sama untuk semua molekul kesetimbangan adsorpsi cepat tercapai. Model ini menggambarkan bahwa pada temperatur dan tekanan tertentu serta setelah Agar dapat mengkondisikan batubara sedemikian beberapa waktu yang cukup, fasa yang teradsorp rupa, maka metode preparasi sampel yang dan fasa gas bebas berada dalam kesetimbangan digunakan adalah gabungan dan modifikasi kinetik, sebagai contoh laju adsorpsi dan desorpsi metode Vacuum crushing- High temp outgassing. dari batubara adalah sama (Laxminarayana dan Prinsip utama dari vacuum crushing adalah Crossdale, 1999). Persamaan umum yang biasa mencacah permukaan solid untuk memproduksi digunakan pada Model Langmuir adalah: bubuk dengan butiran yang halus sehingga akan meningkatkan rasio permukaan terhadap volume p 1 b = + P dan menghilangkan gas yang terperangkap y a a .........................................… (1) pada butiran sampel. Kemudian High temp Persamaan diatas dapat ditulis ulang sebagai outgassing pada dasarnya menghilangkan pengotor/kontaminasi pada permukaan yang berikut: awalnya terkontaminasi dengan suhu tinggi VL p guna menghilangkan zat/impurities dan gas yang V = p + PL ….......................................... (2) volatile. Langkah terakhir yang perlu dilakukan Parameter langmuir ini ditentukan dengan adalah dengan mensaturasi sampel sesuai prosedur least square fitting (Busch, et al., dengan temperatur di coal seam agar memiliki
104 kandungan kelembapan yang sama pada kondisi dimana kesetimbangan massa gas yang diadsorpsi yang sebenarnya. Langkah lengkapnya dapat diukur secara tidak langsung dengan mengukur dlihat pada Gambar 2. variasi tekanan gas di dalam cell sebelum dan
Gambar 2. Proses preparasi sampel batubara
Uji Adsorpsi Isotermal CO2
sesudah batubara tersaturasi oleh gas. Selain itu, diasumsikan pula pada kondisi ini mempunyai Penelitian ini menggunakan peralatan CBM persamaan keadaan tertentu untuk gas yang Rig yang telah dirancang oleh Commonwealth berada dalam apparatus (Mavor et al, 1990). Scientific and Industrial Research Organisation (CSIRO) untuk melakukan pengukuran adsorpsi Kriteria Coal Seam Untuk ECBM isotermal (Gambar 3). Berbeda dengan uji adsorpsi methane, pada uji adsorpsi CO2 diperlukan sebuah Proses ECBM hanya dapat diaplikasikan gas pressure booster untuk meningkatkan tekanan pada coal seams yang memiliki permeabilitas di dalam reference cell yaitu pada saat variasi yang cukup dikarenakan peningkatan tekanan tekanan mulai dari 8 MPa. Hal ini disebabkan membuat adsorpsi CO2 meningkat dari 2 mol per tekanan tabung gas sudah menurun sehingga mol metana pada kedalaman 700 meter sampai tidak mampu mencapai tekanan variasi yang dengan 5 mol per mol metana pada kedalaman kita inginkan. Menurunnya tekanan tabung gas 1500 meter. Disamping itu kedalaman coal diperkirakan akibat dari tingginya adsorpsi CO2 seam sebaiknya tidak lebih dalam dari 2000 sehingga kebutuhan jumlah CO2 pun meningkat meter karena peningkatan temperatur membatasi Prinsip uji adsorpsi isotermal yang jumlah kandungan metana yang akan diekstraksi bekerja pada CBM Rig ini berdasarkan metode dan dengan semakin bertambahnya kedalaman, volumetrik. Metode ini memiliki mekanisme kompaksi mengakibatkan permeabilitas dari
105 coal seam berkurang. Kandungan gas metana pada coal seam yang dalam dapat bervariasi dari 5-25 m3/t coal dan ketebalannya pun beragam, sehingga mengakibatkan potensi CBM per sumur akan bervariasi dengan faktor 5 kalinya atau lebih. (IEA, 2004) Perlu diketahui juga bahwa kriteria yang paling diinginkan untuk ECBM adalah kriteria yang paling tidak diinginkan untuk CO2 storage yaitu , cadangan coal seam yang dangkal. Kriteria berikut ini harus dipenuhi ketika melakukan screening untuk ECBM: • Memiliki reservoir yang homogen, menerus secara lateral, dan secara vertikal terisolasi dari strata sekelilingnya. • Memiliki sedikit patahan dan lipatan. • Mempunyai permeabilitas minimal 1-5 mD. • Memiliki kandungan metana yang tinggi. • Secara stratigrafi memiliki coal seams yang terkonsentrasi daripada multiple thin seams. • Terdapat infrastruktur (pipeline) dan ketersedian CO2. Salah satu kendala utama dari ECBM adalah permeabilitas coal yang rendah dan beragam. Selain itu coal juga cenderung swelling ketika kontak dengan CO2. Densitas CO2 Injeksi CO2 bisanya dilakukan pada kedalaman 700 m atau lebih, yang mana pada kedalaman tersebut temperatur dan tekanan disekitarnya membuat CO2 berubah menjadi fasa liquid atau superkritis. Pada keadaan superkritis (temperatur = 31,1°C dan tekanan = 72,9 atm) menghasilkan properties yang tidak lazim dimana CO2 mengadsopsi properties antara liquid dan gas. Pada kondisi ini densitas CO2 berada dalam rentang 50 sampai 80% dari densitas air. Berada dalam fasa yang leibh padat memungkinkan untuk meningkatkan efisiensi pendesakan dan penyapuan (displacement dan sweeping) dari gas metana yang terperangkap di cleat system dan macropore. Oleh karena itu, dalam memodelkan persamaan adsorpsi Langmuir diperlukan nilai densitas CO2 yang akurat. Untuk menghasilkan densitas pada keadaan termodinamika seperti ini memerlukan sebuah persamaan keadaan (equation of state (EOS)) yang dapat mengakomodasi temperatur dan tekanan tinggi. Maka digunakanlah EOS yang dikembangkan
oleh Span dan Wagner (1995) yang mampu mengakomodir kondisi superkritis. Formula baru yang dikembangkan oleh Span dan Wagner dituangkan dalam persamaan keadaan yang eksplisit dalam bentuk Helmholtz Energy, yang didesain untuk mengatasi kelemahan-kelemahan dari persamaan-persamaan keadaan sebelumnya terutama pada daerah kritis. Kapasitas Adsorpsi CH4 Vs. CO2 CO2 yang diinjeksikan melalui sumur akan mengalir dalam cleat system dari batubara dan berdifusi ke coal matrix, teradsorpsi pada permukaan mikropori batubara, dan pada akhirnya membebaskan atau mendesak gas metana yang memiliki afinitas yang rendah terhadap batubara (Gunter et al., 1997a; Bradshaw & Rigg, 2001; IPCC, 2005). Terdapat tiga macam penyimpanan CO2 pada coal seam yang pada akhirnya bermuara pada pendesakan gas metana, yang pertama CO2 dapat disimpan sebagai gas fasa bebas di rongga pori, sebagai gas dalam larutan atau langsung teradsorpsi pada permukaan retakan (cleats) di batubara. Terjebaknya CO2 pada coal seams utamanya disebabkan oleh adsorption trapping yang mana bergantung pada jenis gas, temperatur, tekanan, coal rank, tingkat kelembaban, maceral composition and mineral matter content (White et al., 2005a). Adsorpsi CO2 pada batubara memiliki komponen waktu yang kuat, karena sejak awal adsorpsi sejumlah gas tertentu dapat diikuti dengan absoprsi (penetrasi molekul gas ke dalam massa) dan penyusunan ulang batubara (White et al., 2005a). Batubara dapat mengadsorpi dan mendifusi gas metana dengan kuat sampai 25 m3/ton pada kondisi normal pada tekanan coal seam. CO2 memiliki afinitas yang lebih tinggi dibandingkan dengan metana. Pada umumnya rasio ini berkisar 2:1, dan akan lebih tinggi lagi pada batubara peringkat rendah (Burruss, 2003). Pada Gambar 4 dan 5 menunjukkan hasil eksperimen laboratorium yang menggambarkan kemampuan adsorpsi batubara terhadap CO2 versus CH4 yang berasal dari lapangan Rambutan. Pada Gambar 3. dan 4. terlihat bahwa kapasitas simpan CO2 lebih besar dari CH4 pada sampel batubara yang sama. Diperkirakan rata-rata sekitar 3 kali batubara yang ada di lapangan Rambutan mampu mengadsorpsi CO2 dibandingkan dengan CH4. Pada umunya rata-
106
Gambar 3. Skema alat CBM Rig
Gambar 4. Kapasitas adsorpsi CO2 versus CH4 di Seam 2
rata kapasitas adsorpsi CO2 pada batubara yang mature untuk batubara jenis bituminous adalah 1,5 sampai 2 kali dari CH 4 (Faiz et al., 2007; Saghafi et al., 2007). Sedangkan dari kedua plot data diatas menunjukkan nilai yang lebih dari itu. Hal ini dikarenakan jenis batubara yang terdapat
pada lapangan rambutan adalah sub-bituminous (low rank coal) (DIPA, 2007) yang mana hal ini selaras sebagaimana yang dilaporkan di penelitian lainnya (CSLF, 2008) yang menyatakan bahwa rasio volumetrik CO2:CH4 berkisar pada rentang yang rendah untuk batubara yang mature seperti
107
Gambar 5. Kapasitas adsorpsi CO2 versus CH4 di Seam 3
antrasit dan sampai 10 kali lebih (10 kali sorption capacity CO2 terhadap CH 4) pada yang immature seperti lignit. Walaupun pada awalnya lower rank batubara memiliki total gas content yang lebih rendah karena immaturity-nya tetapi batubara dengan peringkat yang lebih rendah (lower rank) dan dangkal dapat berpotensi mengadsorpsi lebih besar. Bahkan pada beberapa kasus bahkan sorption capacity untuk CO2 dapat melebihi dari
10% berat (Day et al., 2008). Gambar 6. berikut ini menunjukkan contoh kapasitas adsorpsi batubara yang mature pada salah satu lapangan di Australia, gambar tersebut memperlihatkan rasio volumetrik CO2:CH 4 adalah 2:1 (IPCC, 2005). Besarnya kapasitas adsorpsi yang dimiliki oleh CO2 ini salah satunya disebabkan CO2 memiliki moment dipole yang lebih besar dari CH4.
Gambar 6. Pure gas absolute adsorption pada Tiffany coals pada suhu 55 °C
108 CO2 memiliki perbedaan keelektronegatifan yang lebih besar sehingga atom-atomya membentuk 2 kutub dengan muatan yang berlawanan (δ+ dan δ-) yang menyebabkan terbentuknya suatu dipol. Semakin besar perbedaan keelektronegatifan atom-atom dalam suatu molekul, menyebabkan molekul tersebut bersifat semakin polar. Lain halnya dengan CH4 dimana tidak ada perbedaan keelektronegatifan (perbedaan keelektronegatian = 0), sehingga tidak terbentuk muatan / dipol. Hal ini disebabkan bahwa molekul CH4 merupakan senyawa yang memiliki bentuk molekul simetris sehingga bersifat non-polar (www.chem-is-try. org). Estimasi Perolehan Gas Metana Ke-empat seam yang diuji tersebut, memiliki kapasitas adsorpsi CO2 dalam rentang 22,18-34,12 m3/t dry-ash-free basis (DAF). Dengan membandingkan data hasil percobaan sebelumnya dengan yang sekarang yaitu untuk kapasitas adsorpsi CH4 dengan CO2, maka didapatkan korelasi bahwa rata-rata kapasitas adsorpsi CO2 lebih tinggi 3 kali dibandingkan CH4. Kemudian dengan menggunakan korelasi tersebut dan mengaplikasikannya ke dalam konsep bahwa molekul CO2 dapat menggantikan atau mendesak molekul yang memiliki afinitas yang lebih rendah terhadap batubara (metana) (IPCC, 2005), maka gas metana yang mampu diperoleh dapat diketahui. Dengan demikian diperoleh hubungan bahwa 3 molekul CO2 dapat menggantikan atau mendesak 1 molekul CH4 (rasio volumetrik CO2:CH4 = 3:1). Dengan menggunakan pendekatan ini maka dapat diestimasi rentang perolehan dari metana yaitu berkisar antara 7,39-11,37 m3/t. III. Diskusi Dalam tertiary recovery dengan metode injeksi gas, terdapat beberapa jenis gas yang dapat dijadikan sebagai pendesak diantaranya, N2, hidrokarbon, dan CO2. CO2 dipilih sebagai fluida pendesak dianggap lebih praktis karena tidak bersifat flammable dan tidak beracun serta ketersediaannya yang siap pakai dan melimpah dari hasil proses industri dan antropogenik lainnya. Selain itu CO2 juga secara alami terdapat pada formasi geologi. Dalam perspektif mitigasi perubahan iklim, penggunaan CO2 untuk diinjeksi pada formasi geologi merupakan salah
satu usaha untuk menurunkan emisi gas rumah kaca. Sedangkan injeksi CO2 untuk kepentingan perolehan gas pada coal seam lebih disukai lagi karena sifat dari CO2 sendiri yang memiliki afinitas yang lebih tinggi dari CH4 sehingga gas metana yang teradsorpsi pada mikropori tidak hanya terlepas karena tekanan injeksi dari CO2 tetapi juga tergantikan oleh CO2 karena afinitasnya yang lebih tinggi. Pada umumnya kemampuan batubara untuk menarik (mengadsorpsi) molekul CO2 dibandingkan CH4 memiliki rasio berkisar 2:1, dan akan lebih tinggi lagi pada batubara low rank (Burruss, 2003). Karena batubara yang terdapat di lapangan rambutan tergolong dalam kategori sub-bituminous (low rank coal) maka rasionya memang lebih tinggi dan hal ini kemudian dibuktikan dari dari hasil eksperimen yaitu sekitar 3 kali. Maka rasio volumtrik adsorpsi CO2 vs CH4 untuk coal seam dilapangan Rambutan adalah 3:1. Rasio ini lebih besar bila dibandingkan batubara mature pada salah satu lapangan di Australia, yang mana adalah 2:1 (Gambar 6). Dari sisi diameter molekul, jelas terlihat bahwa kemampuan CO2 sebagai fluida pendesak paling efektif karena dari ukurannya untuk masuk dan mencapai mikropori yang ditempati oleh CH4, bila dibandingkan N2, CH2 dan CO2 ketiga molekul tersebut memiliki ukuran diameter berturut-turut 3,6 , 3,8 dan 3,3 (http:// www.moleculargate.com). CH4 yang dapat diperoleh dengan reservoirpressure depletion hanya sekitar 50% sedangkan dengan injeksi CO2 (ECBM) dapat mencapai 90% dari gas yang teradsorpsi. Dari eksperimen terdahulu diketahui bahwa volume CH4 yang teradsorpsi dari keempat seam yang sama berada dalam rentang maksimum 3,53 - 15,79 m3/ ton. Sedangkan kapasitas adsorpsi dengan CO2 berkisar 22,18-34,12 m3/t. Dari perbandingan keduanya diperoleh rasio adsorpsi sekitar 1:3. Jika diasumsikan CO2 dapat mendesak dan menggantikan CH4, maka maksimum sepertiga gas metana dapat direcover dengan injeksi CO2 yaitu, berkisar antara 7,39-11,37 m3/t. Jika kapasitas adsorpsi maksimum dari CH4 sebesar 15,79 m3/ton dan dengan reservoir-pressure depletion hanya dapat diproduksikan sekitar 50%-nya saja yaitu 7,89 m3/ton maka dengan menggunakan rasio adsorpsi dan displacement CH4:CO2 tersebut, CH4 yang dapat direcover maksimum 11,37 m3/t atau meningkat menjadi
109 72%. Pada penelitian ini model Langmuir digunakan dalam menggambarkan kapasitas adsorpsi dikarenakan kemampuannya yang paling sesuai untuk memodelkan adsorbat dalam hal ini yang ditutupi oleh lapisan monolayer adsorben, CH4. Kami berpendapat bahwa CH4 yang teradsorpsi pada permukaan batu bara terdiri dari molekul tunggal yang tidak bertumpuk. Pada model adsorpsi isotermis BET (BreunauerEmmet-Teller) lebih menggambarkan adsorpsi multilayer. Akan tetapi kekurangannya dalam aplikasi adsorpsi CO2 yang memungkinkan molekulnya untuk tersusun menjadi multilayer tidak dapat diakomodasi oleh model Langmuir. IV. Kesimpulan − Secara umum coal seams yang berada di lapangan Rambutan memiliki kriteria yang sesuai untuk ECBM. − Penentuan densitas yang akurat terutama pada temperatur dan tekanan tinggi memainkan peranan penting dalam estimasi kapasitas simpan adsorpsi suatu batubara dimana persamaan keadaan Span dan Wagner merupakan yang paling tepat dalam mengkalkulasi hal ini karena telah mampu mengkomodir properti CO2 pada kondisi kritis. − Dari ke-empat seam yang diuji, memiliki kapasitas adsorpsi CO2 dalam rentang 22,1834,12 m3/t dry-ash-free basis − Dengan membandingkan data hasil percobaan sebelumnya dengan yang sekarang yaitu kapasitas adsorpsi CH4 dengan CO2, maka didapatkan korelasi bahwa rata-rata kapasitas adsorpsi CO2 lebih tinggi 3 kali dibandingkan CH4 (rasio volumetrik CO2:CH4 = 3:1). − Menggunakan konsep bahwa molekul CO2 dapat menggantikan atau mendesak molekul yang memiliki afinitas yang lebih rendah terhadap batubara (metana) (IPCC, 2005) dan mengaplikasikan data rasio volumetrik hasil percobaan, rentang perolehan dari metana dapat diestimasi yaitu berkisar antara 7,3911,37 m3/t Nomenklatura a dan b adalah konstanta a
=
k.b
b
=
V
=
P nads
= = =
Pi
=
Peq R T
= = =
VL dan PL
k1/k2 dengan k1 adalah konstanta proporsionalitas dan k2 adalah konstanta laju evaporasi gas yang teradsorp (volume gas per unit massa batubara, mmol/g) tekanan gas (Mpa) Langmuir parameter jumlah molekul yang teradsorpsi (mmol) Pi = tekanan awal setiap tahapan (Kpa) tekanan kesetimbangan (Kpa0 8,314 Kpa.m3/kmol.K temperatur absolut (K
Daftar Pustaka Anggara, F., Sasaki, K., Amijaya, H., Sugai, Y., and Setijadji, L.D., “CO2 Injection In Coal Seams, An Option For Geological CO2 Storage and Enhanced Coal Bed Methane Recovery (ECBM)”, Proceedings Indonesian Petroleum Association ThirtyFourth Annual Convention & Exhibition, May, 2010. Amijaya, H., and Littke, R., “Microfacies and depositional environment of Tertiary Tanjung Enim low rank coal, South Sumatra Basin, Indonesia”, International Journal of Coal Geology 61, pp. 197–221. 2005. Bachu, S., ”Screening and ranking of sedimentary basins for sequestration of CO2 in geological media in response to climate change”, Environmental Geology. 2003. Bae, J.S., and Bhatia, S.K., “High-Pressure Adsorption of Methane and Carbon Dioxide on Coal”, Energy & Fuels 2006, 20, 25992607. Book: Introduction to Heterogenous Catalyst Book: Surface Catalysis CCS National Workshop, 2008, Summary of Carbon Capture and Storage National Workshop, Jakarta 30-31 October 2008. CO2CRC, “Storage Capacity Estimation, Site Selection and Characterisation for CO2 Storage Projects”, Cooperative Research Centre for Greenhouse Gas Technologies, Canberra. CO2CRC Report No. RPT08-1001. DOE, ”Carbon Sequestration Atlas II of The United States and Canada”, US Department
110 of Energy Office of Fossil Energy and National Energy Technology Laboratory. 2008 DIPA, ”Penelitian Penentuan Peringkat Potensi CBM”, 2007. Fessenden and Fessenden, ”Kimia Organik: Jilid 2 Edisi Ketiga”, Erlangga. 1986. Forbes, S.M., and Ziegler, M.S., ”Carbon Dioxide Capture and Storage and the UNFCCC: Recommendations for Addressing Technical Issues”, WRI Issue Brief, 2010. IEA, “Energy Technology Analysis: Prospects of CO2 Capture and Storage”, 2004. IPCC, Special report on Carbon Dioxide Capture and Storage, Prepared by Working Group III of the Intergovernmental Panel on Climate Change [Metz, B., O. Davidson, H.C. de Coninck, M. Loos and L.A. Meyer (eds.)]. Cambridge University Press, Cambridge, UK. 2005. Krooss, B.M., van Bergen, F., Gensterblum, Y., Siemons, N., Pagnier, H.J.M., and David, P., ”High-pressure methane and carbon dioxide adsorption on dry and moisture-equilibrated Pennsylvanian coals”, International Journal of Coal Geology 51, 69– 92. 2002. Levy, J., and Saghafi, A., ”CSIRO Volumetric of Gas Adsorption Measurement”, CSIRO Investigation Report ET/IR 806R. July, 2005.
Massarotto, P., Golding, S.D., Bae, J.S., Lyer, R., and Rudolph, V., ”Changes in Reservoir Properties From Injection of Supercritical CO2 Into Coal Seams: A Laboratory Study”, International Journal of Geology 82, 269279. 2010. Reeves, S., D. Davis and A. Oudinot. “A Technical and Economic Sensitivity Study of Enhanced Coalbed Methane Recovery and Carbon Sequestration in Coal”. DOE Topical Report, March, 2004. Saghafi, A., and Hadiyanto. “Methane storage properties of Indonesian tertiary coals”, Proceedings of the Southeast Asian Coal Geology Conference, Bandung, pp. 121– 124. Span, R., and Wagner, W., “A New Equation of State for Carbon Dioxide Covering the Fluid Region from the Triple-Point Temperature to 1100 K at Pressures up to 800 Mpa”, J. Phys. Chern. Ref. Data, Vol. 25, No.6. 1996. Sosrowidjojo, IB., and Saghafi, A., “Development of the first coal seam gas exploration in Indonesia: Reservoir properties of the Muaraenim Formation, South Sumatra”, International Journal of Coal Geology 79, p.145-156. 2009. Treybal, R.E., ”Mass-Transfer Operations”, McGraw Hill International Editions. 1980.
Studi Laboratorium Peningkatan Perolehan Reservoir Minyak Dengan Injeksi Polimer Edward ML Tobing Peneliti Madya Pusat Penelitian dan Pengembangan Teknologi Minyak dan Gas Bumi “LEMIGAS” Jl. Ciledug Raya Kav.109, Cipulir, Kebayoran Lama, Jakarta Selatan 12230 Sari Tahap awal studi laboratorium untuk peningkatan perolehan pada lapangan minyak “T” adalah melakukan penyaringan metoda Enhanced Oil Recovery (EOR). Hasil penyaringan tersebut menunjukkan bahwa metoda yang cocok adalah dengan menginjeksikan larutan polimer kedalam reservoir minyak. Studi laboratorium tersebut terdiri dari uji kompatibilitas air formasi dan air injeksi, uji penyaringan polimer dan uji core flooding. Hasil uji kompatibilitas antara air formasi dan air injeksi menunjukkan bahwa campuran air formasi dan air injeksi tidak membentuk endapan baru. Uji penyaringan polimer dilakukan terhadap 2(dua) jenis polimer polyacrylamide C-750 dan 720H adalah uji Rheology, uji thermal stability, uji filtrasi, dan uji adsorpsi statik. Berdasarkan keempat uji tersebut, dipilih polimer polyacrylamide C-750 dengan konsentrasi 1200 ppm yang selanjutnya digunakan dalam uji core flooding. Pengujian core flooding dirancang 3(tiga) tahap secara berurutan, yaitu tahap pertama menginjeksikan air sebanyak 1,3 PV, kemudian dilanjutkan tahap kedua menginjeksikan larutan polimer dengan konsentrasi 1200 ppm sebanyak 0,4 PV, dan tahap ketiga kembali menginjeksikan air sebanyak 0,5 PV. Kumulatif perolehan minyak dari uji core flooding tersebut sebanyak 68,36 % OOIP. Kata kunci : Studi laboratorium, injeksi polimer, perolehan minyak Abstract The first stage in the plan to improve recovery of ‘T’ field is implementation of enhanced oil recovery (EOR) screening. The screening shows that the most suitable method for the field is polymer injection. In the laboratory, a series of tests is utilized including formation water – injection water compatibility test, polymer screening test, and core flooding. Results of formation water – injection water compatibility test proves that no additional precipitation occurs upon contacts between the two waters. The polymer screening tests that includes rheology, thermal stability, filtration, and static adsorption tests on two (2) types of polymer - polyacrylamide C-750 and C-720H, reveals that C-750 with 1200 ppm concentration performs better than the other candidate. Consequently, this polymer is used in the core flooding test. The core flooding test itself consists of three subsequent stages; injection of 1.3 PV water, injection of 0.4 PV 1200 ppm polymer solution, and is ended with injection of 0.5 PV water. The test results in cumulative recovery of 68.36% of OOIP. Key words : Laboratory study, polymer injection, oil recovery I.
Pendahuluan
Dengan bertambahnya waktu produksi suatu reservoir minyak, maka produktivitasnya akan semakin berkurang. Hal ini karena berkurangnya energi atau tekanan reservoir yang diperlukan untuk mengalirkan minyak ke sumur produksi secara alamiah seiring dengan waktu produksi. Untuk dapat memproduksikan
minyak setelah energi alamiah reservoir berkurang diperlukan usaha pengurasan tahap lanjut (secondary recovery) secara intensif. Usaha tersebut diantaranya adalah dengan menginjeksikan air, yang ditujukan untuk mempertahankan tekanan reservoir dan mendorong minyak tersisa setelah tahap awal pengurasan. Pada beberapa reservoir minyak, injeksi air ini amat efisien. Namun karena viskositas air lebih
111
112 rendah dari vikositas minyak, maka kemungkinan di cekungan Sumatera Selatan. Reservoir minyak terjadinya “fingering” amat besar dimana fluida produktif pada lapangan ini terdiri dari 4(empat) pendesak bergerak mendahului fluida yang reservoir, dan yang menjadi fokus dalam studi didesak, sehingga efisiensi penyapuan minyakpun laboratorium ini adalah reservoir ’A’. Berdasarkan menjadi kurang efektif. Efektifitas penyapuan metoda volumetrik, diperkirakan awal isi dapat ditingkatkan dengan menambahkan polimer minyak di tempat (Original Oil In Place) dari ke dalam air injeksi agar mobilitas air injeksi reservoir ‘A’ sebanyak 101,61 juta bbl. Prakiraan mengecil. Injeksi air yang telah ditambahkan pengambilan maksimum dengan metoda material polimer tersebut dikenal sebagai injeksi polimer, balance diperoleh sebanyak 26,45 juta bbl atau dimana metode ini merupakan salah satu metode sekitar 26,03 % dari awal isi minyak di tempat. Enhanced Oil Recovery (EOR). Diharapkan Produksi kumulatif minyak yang diproduksikan larutan polimer dengan mobility rendah akan dari reservoir ini sampai dengan akhir tahun mendorong minyak ke sumur produksi, sehingga 2011 sebesar 25,33 juta bbl. Dengan demikian peningkatan perolehan minyak dapat dicapai minyak yang masih tertinggal di dalam reservoir bila harga mobility ratio antara air dan minyak sebesar 76,27 juta bbl, yang kemudian menjadi menurun. target untuk diproduksikan dengan menerapkan Polimer adalah zat kimia dengan rantai teknologi EOR. panjang dan mempunyai berat molekul yang Studi laboratorium ini meliputi: (1) analisis besar. Kemampuan polimer untuk meningkatkan sampel fluida minyak dan air, serta batuan inti (2) perolehan minyak sangat dipengaruhi oleh uji kompatibilitas, (3) Rheology polimer, (4) uji karakteristik aliran larutan polimer di dalam media thermal stability, (5) uji filtrasi, (6) uji adsorpsi berpori. Karakteristik alirannya dipengaruhi oleh statik dan terakhir (4) uji core flooding. Dengan sifat polimer sebagai fluida non-newtonian dan uji core flooding tersebut, maka didapat kumulatif sifat polimer itu sendiri yang terdiri dari molekul perolehan minyak berdasarkan rancangan injeksi berat. Selain itu karakteristik aliran polimer juga fluida dengan metoda injeksi polimer. dipengaruhi oleh jarak antar molekul, kandungan ion, konsentrasi larutan serta faktor lingkungan II. Penyaringan Metoda EOR seperti karakteristik batuan reservoir, salinitas, Tahap awal studi laboratorium injeksi polimer dan suhu. Lapangan ”T” adalah lapangan minyak pada reservoir ‘A’ adalah melakukan penyaringan dari -beberapa metoda EOR yang ada, sehingga tua yang diproduksikan sejak tahun 1948 terletak Tabel 1 Hasil Penyaringan Metoda Injeksi Polimer Tabel 1. Hasil penyaringan metoda injeksi polimer pada reservoir ‘A’. 'A' Pada Reservoir No Karateristik Fluida dan Batuan Reservoir 1 2 3 4 5 6
Gravity Minyak Viskositas Minyak Saturasi Minyak Jenis Batuan Permeabilitas rata-rata Kedalaman
7 8 9 10
Suhu Reservoar Tekanan Reservoar Porositas rata - rata Saturasi air rata - rata
o
API cp % SS/CB mD ft, ss o
F psig % %
25.39 11.09 61 SS 522.3 3666 177 1427.6 18.1 28
Kriteria Penyaringan Metoda Injeksi Polimer > 15 < 150, > 10 > 50 80 Disukai SS > 10 800 < 9,000 <200
140
= Disarankan untuk harga karakteristik reservoir yang lebih tinggi = Disarankan untuk harga karakteristik reservoir yang lebih rendah 80 = Harga rata-rata karakteristik reservoir yang digunakan
Keterangan Memadai Untuk Injeksi Polimer
113 A. Analisis Air Injeksi dan Air Formasi
Tabel 2. Analisis air formasi Kandungan Padatan
Hasil analisis air injeksi dan air formasi menunjukkan bahwa total dissolved solids pada Fe = 0.252 0.01 CO = 0.000 0.00 Mg = 2.345 0.19 SO = 14.000 0.29 air formasi lebih tinggi dari air injeksi, yaitu Ca = 8.416 0.42 HCO = 4,283.200 70.20 masing-masing sebesar 13,900 mg/liter dan Na = 2,762.000 120.14 Cl = 9,110.000 256.80 Ba = 1.6270 13,400 mg/liter. Kandungan kation Mg++ dan Ca++ pada air formasi lebih rendah dibandingkan Specific Gravity, 60/60 F = pH @ 77 F = 8.05 dengan air injeksi yaitu masing-masing sebesar Conductivity = 24.80 ms/cm TDS (Total Dissolved Solids) = 13,900 mg/l 2,345 mg/liter dan 8,416 mg/liter, serta 17,15 mg/ Resistivity (ohm-mater) = 0.42 meter @ 77.6 F liter dan 73,00 mg/liter. Kandungan Fe++ untuk air Tabel 3. Analisis air injeksi injeksi enamkali lipat dibandingkan air formasi, Kandungan Padatan yaitu masing-masing sebesar 3,156 mg/liter dan Kation Anion mg/l me/l mg/l me/l 0,252 mg/liter. Kandungan Na++ untuk air injeksi Fe = 3.156 0.11 CO = 492.000 16.40 dan air formasi masing-masing sebesar 2439 mg/ Mg = 17.150 1.41 SO = 9.000 0.19 Ca = 73.000 3.64 HCO = 2,183.800 35.79 liter dan 2762 mg/liter. Akan tetapi kandungan Na = 2,439.000 106.09 Cl = 10,311.330 290.66 Ba++ untuk air formasi hanya sebesar 1,627 mg/ Ba = 12.7800 liter, sedangkan untuk air injeksi sebesar 12,78 Specific Gravity, 60/60 F = pH @ 77 F = 8.30 mg/liter. Derajat keasaman atau pH diukur pada Conductivity = 23.60 ms/cm TDS (Total Dissolved Solids) = 13,400 mg/l suhu 77 0F, dan hasil yang diperoleh sebesar 8,05 Resistivity (ohm-mater) = 0.40 meter @ 76.8 F untuk air formasi dan 8,30 untuk air injeksi. Hasil diperoleh salah satu metoda yang memadai lengkap air formasi dan air injeksi ditampilkan untuk diterapkan. Langkah kerja penyaringan pada Tabel 2 dan Tabel 3. tersebut dilakukan dengan cara membandingkan B. Analisis Minyak data karakteristik fluida dan batuan reservoir ‘A’ terhadap kriteria penyaringan metode EOR yang Sampel minyak diambil pada kondisi dikembangkan oleh J.J Taber dan F.D Martin2). permukaan di kepala sumur, dan tidak diperoleh Metoda yang telah dikembangkan tersebut gas sebagai gas ikutan. Beberapa sifat minyak mengacu pada beberapa proyek injeksi polimer telah dianalisis, diantaranya gravity minyak yang telah sukses diterapkan. Karakteristik fluida dan viskositas minyak. Hasil analisis tersebut dan batuan reservoir yang digunakan sebagai menunjukkan bahwa gravity minyak sebesar parameter pembanding adalah oAPI gravity 25,39 oAPI pada suhu 60o F, dan viskositas minyak minyak, viskositas minyak, saturasi minyak, pada suhu reservoir (177 oF) sebesar 11,09 cp. jenis batuan reservoir, permeabilitas rata-rata batuan, kedalaman formasi, suhu reservoir, Analisis Batuan Reservoir tekanan reservoir, porositas, dan saturasi air. Sampel batu inti (core) reservoir ‘A’ Data karakteristik fluida dan batuan reservoir ‘A’ ditampilkan pada Tabel 1. Kemudian data yang tersedia hanya dari kedalaman 1161,8 tersebut dibandingkan dengan parameter kriteria mbpl, dengan ukuran yang sangat terbatas untuk penyaringan yang dikembangkan oleh J.J Taber dapat dilakukan pengukuran karakteristik batuan dan F.D Martin. Hasil penyaringan menunjukkan reservoir seperti porositas dan permeabilitas. Dari bahwa metoda injeksi kimia polimer cocok untuk hasil pemotongan terhadap sampel core tersebut, hanya 1(satu) core dengan diameter 1,5 inch dan diterapkan pada reservoir ‘A’. panjang 2,5 inch yang memadai untuk dilakukan pengukuran besaran porositas dan permeabilitas Analisis Fluida Reservoir absolut. Hasil pengukuran terhadap parameter Sampel fluida reservoir yang diambil porositas dan permeabilitas tersebut, masing terdiri dari minyak, air formasi, dan air injeksi. masing didapat sebesar 18,1 % dan 522,3 mD. Sampel minyak dan air formasi berasal dari salah Dari sisa pemotongan perconto core satu sumur di reservoir ‘A’, dan sampel air injeksi batuan reservoir ‘A’ yang termasuk jenis batu dari stasiun water injection plant. pasir, telah dilakukan analisis x-ray diffraction Kation
mg/l
++
me/l
Anion
mg/l
me/l
=
3
++
=
4
++
-
3
+
-
++
o
o
O
++
=
3
++
=
4
++
-
3
+
-
++
o
o
o
114 Tabel-4 Tabel 4. Hasil analisis x-ray diffraction Hasil Analisis X-Ray Diffraction KEDALA MINERAL CLAY MAN ILLIT KAO(meter) LINIT (%) (%)
1161.8
5
5
MINERAL KARBONAT MINERAL LAIN TOTAL (%) CAL- DOLO- SIDE- QUKPY- GYP CLAY CARBO- MIN CITE MITE RITE ARTZ FELDS RITE SUM NATE LAIN (%) (%) (%) (%) (%) (%) (%) (%) (%) (%)
1
10
4
untuk mengetahui persentase kandungan mineral di dalamnya. Hasil analisis ditunjukkan pada Tabel 4. Berdasarkan hasil yang diperoleh menunjukkan bahwa pada batuan tersebut ditemui mineral clay yang terdiri dari illite dan kaolinite dengan konsentrasi masing-masing 5,0 %. Kandungan mineral karbonat didapat sebesar 15,0 % yang terdiri dari calcite, dolomite dan siderite. Dan mineral lain yang ditemui didomonasi oleh mineral quartz sebanyak 73,0 %, dan mineral pyrite serta gypsum masing-masing 1,0 %.
Berat Endapan, grm/liter
0.0070 0.0060 0.0050 0.0040 0.0030
0.0060
0.0057
0.0051
0.0020 0.0010
73
-
1
1
10
15
73
2. AF (75 %) : AI (25 %) 3. AF (50 %) : AI (50 %) 4. AF (25 %) : AI (75 %) 5. AF (0 %) : AI (100 %) Setelah dikocok selama kurang lebih 24 jam, campuran kedua cairan ini disaring dengan menggunakan kertas saring berdiameter pori 0,45 mikron dan endapan yang tersaring kemudian dikeringkan dan ditimbang. Dari hasil pengujian tersebut, berat endapan yang terbentuk bervariasi sesuai dengan komposisi perbandingan air formasi (AF) dan air injeksi (AI). Gambar 1 menunjukkan total jumlah endapan terbanyak terdapat pada 100 % air injeksi (0,0060 gr/ liter), dan endapan terendah terdapat 0.0047 pada 100 % air 0.0043 formasi (0,0043 gr/ liter).
0.0000 100% AI + 0% AF
75% AI + 25% AF
50% AI + 50% AF
25% AI + 75% AF
0% AI + 100% AF
Perbandingan Campuran, %
Gambar 1. Berat endapan terhadap perbandingan campuran air injeksi dan air formasi
Uji Kompatibilitas Tujuan dilakukannya uji kompatibilitas antara air injeksi dan air formasi adalah untuk mengetahui kemungkinan terjadinya endapan baru apabila kedua jenis air ini dicampur. Air injeksi dan air formasi tersebut dicampur dengan berbagai kombinasi komposisi dan dimasukkan dalam suatu bejana, dan dikocok selama 24 jam pada suhu reservoir 177 0F di dalam oven. Perbandingan kombinasi komposisi volume antara air formasi (AF) dan air injeksi (AI) adalah sebagai berikut: 1. AF (100 %) : AI (0 %)
Uji Kualitas Air Metoda pengujian yang di-
kembangkan oleh NACE (Standard TM-01-73) digunakan untuk menguji kualitas air formasi dan air injeksi. Pengujian ini dengan cara mengalirkan air formasi atau air injeksi dari suatu tabung yang diberi tekanan 20 psig melalui membrane filter (0,45 mikron), dan ditampung pada gelas ukur. Dari setiap 10,0 ml air yang tertampung dalam gelas ukur, diukur jumlah waktu mengalirnya hingga mencapai volume 300 ml. Plot laju alir terhadap kumulatif volume untuk air formasi dan air injeksi dapat dilihat pada Gambar 2 dan Gambar 3. Secara kuantitatif uji kualitas air dapat ditentukan dari parameter relative plugging index (RPI),
115 untuk air formasi adalah 6,56 dan untuk air injeksi sebesar 9,97.
Laju Alir, ml/detik
10.00
Uji Rheology Polimer
1.00
0.10 0
100
200
300
400
Kumulatif Volume, ml
Gambar 2. Laju alir terhadap kumulatif volume (air formasi)
Laju Alir, ml/detik
10.00
1.00
0.10
0.01
0
100
200
300
Kumulatif Volume, ml
Gambar 3. Laju alir terhadap kumulatif volume (air injeksi)
dengan persamaan berikut:
400
Rheology polimer dilakukan terhadap 2 (dua) jenis polimer terpilih yaitu C-750 dan C-720H, yang termasuk jenis polimer anionic dry polyacrylamide dalam bentuk solid powder, dan sebagai pelarut yang digunakan adalah air injeksi. Proses pencampuran polimer kedalam pelarutnya dilakukan sedikit demi sedikit dalam keadaan diaduk dengan mengunakan pengocok dengan 300 putaran per menit, dan dilakukan sampai larutan tercampur secara merata. Selanjutnya larutan polimer dibuat pada konsentrasi 600 ppm, 900 ppm, dan 1200 ppm dengan langkah kerja yang mengacu pada “API Recommended Practice 63”(RP 63), First Edition, 1990. Pengukuran viskositas terhadap larutan polimer tersebut menggunakan viscometer DV-III Ultra Brookfield. Untuk dapat mengukur viskositas larutan polimer tersebut pada suhu reservoir (177 oF), maka dilengkapi dengan UL Adapter yang dihubungkan dengan pemanas. Pengukuran viskositas dapat dilakukan pada berbagai putaran per menit, atau harga shear rate (detik-1) sama dengan 1,224 dikalikan putaran per menit.
Plot harga viskositas polimer terhadap putaran per menit untuk polimer C-750 dengan konsentrasi 600 ppm, 900 ppm, dan 1200 ppm ditunjukkan dimana : pada Gambar 4, dan untuk polimer C-720H TSS = Total jumlah endapan, mg/liter ditampilkan pada Gambar 5. Harga viskositas MSTN = Millipore test slope number polimer tertinggi pada berbagai konsentrasi Harga MSTN dapat dihitung dengan menggunakan dicapai pada putaran per menit sebesar 6 (shear persamaan rate = 7,344 detik-1), yaitu untuk polimer C-750 Log (Qa/Qb)(2500) dengan konsentrasi 600 ppm, 900 ppm, dan MSTN = ...........(2) 1200 masing-masing sebesar 9,6 cp, 17,2 cp Va – Vb dan 24,2 cp. Dan untuk polimer C-720H dengan Dari harga total jumlah endapan untuk air formasi konsentrasi 600 ppm, 900 ppm, dan 1200 harga dan air injeksi masing masing sebesar 4,3 mg/liter viskositas masing-masing sebesar 8,0 cp, 13,0 dan 6,0 mg/liter, maka harga RPI yang diperoleh cp, dan 18,6 cp. RPI = TSS – MSTN
..................................(1)
116
Viskositas Polimer, c p
Viskositas Polimer, cp
Viskositas Polimer, cp
dilakukan terhadap polimer jenis C-750, karena berdasarkan hasil uji Rheology menghasilkan harga 30 viskositas yang lebih tinggi. 600 PPM 25 1200 PPM Pada pengujian ini pengamatan 900 PPM 20 dilakukan setiap 1 minggu satu 15 kali selama 7 minggu terhadap 10 viskositas polimer C-750 dengan 5 konsentrasi 600 ppm, 900 ppm, dan 0 1200 ppm pada suhu 177 oF (dalam 0 10 20 30 40 50 60 70 80 90 100 110 120 oven). Untuk pengujian ini larutan Putaran Per Menit polimer disiapkan agar terhindar dari berkembang biaknya bakteri dan mengurangi kadar oksigen Gambar 4. Plot viskositas polimer C-750 terhadap RPM dengan cara menginjeksikan gas nitrogen dan menempatkan larutan polimer dalam tabung 30 kedap udara. Pengukuran harga 600 PPM viskositas polimer pada 3 (tiga) 25 900 PPM konsentrasi tersebut dilakukan 20 1200 PPM pada putaran per menit sebesar 6 15 (shear rate = 7,344 detik-1). Plot 10 viskositas polimer pada suhu 5 reservoir (177 oF) terhadap waktu 0 untuk larutan polimer 600 ppm, 0 20 40 60 80 100 120 900 ppm, dan 1200 ppm dapat Putaran Per Menit dilihat pada Gambar 6, yang menunjukkan harga viskositas polimer cenderung sama setelah Gambar 5. Plot viskositas polimer C-720H terhadap RPM minggu ke 5. Pada minggu ke 7, harga viskositas polimer untuk konsentrasi 600 Uji Thermal Stability Polimer ppm, 900 ppm, dan 1200 ppm, masing masing Uji thermal stability penting dilakukan sebesar 2,5 cp, 10 cp dan 17,1 cp. untuk melihat ketahanan larutan polimer terhadap suhu pada perioda waktu tertentu. Uji Filtrasi Pengujian thermal stability dalam hal ini hanya Uji filtrasi perlu dilakukan untuk memastikan bahwa larutan polimer bebas dari aggregates yang dapat 30.0 600 ppm menyebabkan penyumbatan pada 900 ppm 25.0 batuan reservoir. Larutan polimer 1200 ppm 600 ppm, 900 ppm, dan 1200 20.0 ppm (C 750) dipompakan melalui 15.0 membrane filter (5 mikron) dengan tekanan 2 bar. Selama pengujian, 10.0 laju alir larutan polimer diusahakan 5.0 konstan. Waktu (T) yang dibutuhkan untuk setiap penambahan volume 0.0 20 ml hingga mencapai 300 ml 0 1 2 3 4 5 6 7 8 Waktu, minggu dicatat. Kemudian digunakan parameter filter ratio (FR) yang Gambar 6. Plot viskositas polimer C-750 terhadap waktu
117
Uji Adsorpsi Statik
350 300 Volume, ml
didefinisikan sebagai = (T 300ml - T 200 ml) / (T200ml – T100 ml). Plot volume larutan polimer terhadap waktu untuk ketiga larutan di atas ditunjukkan pada Gambar 7. Filter ratio untuk larutan polimer 600 ppm, 900 ppm, dan 1200 ppm, masing-masing diperoleh sebesar 0,995, 1,048, dan 1,078.
FR = 0.955
FR = 1.048
FR = 1.078
250 200 150 100 50 0
600 ppm 900 ppm 1200 ppm
0 200 400 600 800 1000 1200 1400 1600 Uji adsorpsi statik Waktu, detik dilakukan untuk mempelajari seberapa banyak molekul- Gambar 7. Uji filtrasi polimer C-750 molekul polimer yang melekat pada permukaan batuan reservoir, yaitu dengan sampel core dari reservoir ‘A’ dengan ukuran mengamati perubahan harga konsentrasi polimer yang memadai untuk digunakan pada uji core C-750 sebelum dan sesudah batu inti direndam flooding, maka selanjutnya digunakan sampel dalam larutan polimer, berdasarkan langkah kerja core standard dari jenis classhach. Pertimbangan API – RP 63. Pelarut yang digunakan adalah air menggunakan sampel core standard tersebut injeksi dengan kadar kegaraman sebesar 13400 karena: (1) jenis batuan classhach adalah batu mg/L, dan batuan reservoir yang diuji berasal dari pasir yang sama dengan batuan dari reservoir perconto batu inti reservoir ‘A’ dari kedalaman ‘A’, (2) harga porositas dan permeabilitas absolut 1161,8 mbpl. Batuan tersebut digerus hingga halus batuan classhach masing-masing sebesar 17,50 dan lolos dengan saringan ukuran 50-200 mesh, % dan 552,4 mD, yang hampir sama dengan hingga terkumpul sebanyak 100 gram. Pada kajian harga porositas dan permeabilitas dari reservoir ini konsentrasi polimer yang dipilih adalah 600 ‘A’. Sampel core classhach berdiameter 3,75 ppm, 900 ppm, dan 1200 ppm. Batuan yang halus cm dan panjang 29,7 cm, yang dapat dilihat pada tersebut kemudian direndam dalam botol dengan Gambar 8. Dalam bagian ini akan dijelaskan larutan polimer seberat 50 gram dan dipanaskan peralatan yang digunakan dalam uji core flooding, hingga suhu 177 0F selama 2 hari. Kemudian rancangan fluida pendesak, dan langkah kerja larutan polimer tersebut didinginkan hingga core flooding. suhu ruang, dan kembali dihitung konsentrasinya dengan bantuan spektrofotometer ultra violet. A. Peralatan Core Flooding Hasil perhitungan konsentrasi polimer sesudah Untuk dapat melakukan uji core flooding, uji adsorpsi statik berdasarkan pengamatan maka telah dirancang susunan peralatan yang adsorben dari spektrofotometer, ditampilkan pada secara skematik dapat dilihat pada Gambar 9. Tabel 5 yang menunjukkan adanya penurunan Alat utama yang digunakan terdiri dari: pompa konsentrasi antara 8,3 % sampai dengan 9,08 % injeksi, tabung fluida (minyak, air dan polimer), dari konsentrasi awal untuk ketiga konsentrasi core holder, back pressure, dan gelas ukur. Pompa polimer yang diuji.
Core Flooding Tujuan dilakukannya uji pendesakan atau core flooding adalah untuk mengetahui seberapa banyak penambahan perolehan minyak dari rancangan fluida injeksi yang telah disiapkan. Karena terbatasnya Gambar 8. Core Classhach
118
Tabel-5
Data Pengamatan Spektrofotometer Larutan Polimer Cyanatrol 750
Tabel 5. Data pengamatan spektrofotometer laruran polimer C-750
Sebelum Adsorbsi Konsentrasi Pengenceran Adsorben (ppm) (kali) 600 900 1200
20 60 100
Sesudah Adsorbsi Pengenceran Adsorben Konsentrasi (kali) (ppm)
0.515 0.100 0.022
20 50 50
oven
2
3
7
4 5
6
1. Pompa Injeksi
8 1
2. Tabung Minyak 3. Tabung Air 4. Tabung Polimer 5. Core Holder 6. Back Pressure 7. Gas Nitrogen 8. Gelas Ukur
0.470 0.110 0.040
548 825 1091
dapat menginjeksikan fluida (minyak, air, dan polimer) secara bergantian menuju core holder. Core tersimpan pada core holder yang dilengkapi dengan overburden pressure agar fluida pendesak hanya melewati seluruh permukaan core, dan tidak melewati pada bagian sisi luar. Sedangkan back pressure yang mendapat tekanan dari gas nitrogen, berfungsi mempertahankan sistem tekanan pada core holder, akan tetapi tetap dapat mengalirkan fluida ke gelas ukur pada tekanan ruang.
Gambar 9. Skema rangkaian peralatan core flooding
injeksi yang digunakan adalah jenis pompa torak B. Rancangan Fluida Pendesak Quizix SC-1010 yang dapat menginjeksikan Berdasarkan pertimbangan kemungkinan fluida dengan laju alir konstan (minimum laju alir injeksi 0,01 cc/menit). Dengan pompa tersebut dapat diterapkannya teknologi injeksi polimer di reservoir ’A’, maka rancangan fluida injeksi dilakukan secara bersinambung dengan mengikuti urutan: 1,3 pore volume air injeksi, 0,4 pore volume polimer 1200 ppm (C 750), dan 0,5 pore volume air injeksi.
Gambar 10. Diagram alir langkah kerja core flooding
C. Langkah Kerja Core flooding Core flooding dengan rancangan fluida injeksi yang telah disiapkan akan dilakukan dalam 5 (lima) tahap langkah kerja, yang kemudian dapat digambarkan dalam diagram alir (Gambar 10). Kelima tahap langkah kerja tersebut terdiri dari:
119 1. Resaturasi Air Formasi.
(Sor1) sebesar 30,67 % dan saturasi air-1 (Sw1) Core classhach yang telah disiapkan sebesar 69,30 %. terlebih dahulu ditimbang dalam keadaaan kering 4. Injeksi Polimer dan kemudian direndam dalam air formasi dan Polimer dengan konsentrasi 1200 ppm dimasukkan dalam ruang desikator. Selanjutnya (C 750) yang terlebih dahulu dimasukkan pada ruang desikator tersebut dihubungkan dengan tabung polimer, dan kemudian diinjeksikan pompa vakum sehingga mencapai tekanan pada core setelah tahap-3 berakhir. Dengan laju minus 1 atmosfir dalam beberapa jam, sehingga alir injeksi sebanyak 0,04 cc/menit dan jumlah diharapkan seluruh ruang pori dalam core akan volume polimer diinjeksikan sebanyak 0,4 PV, tersaturasi oleh air formasi, atau pada kondisi maka dilakukan kembali pencatatan produksi saturasi air (Sw) 100 %. Kemudian core tersebut minyak dan air. Pada tahap-4 ini perolehan minyak ditimbang kembali, sehingga diperoleh volume maksimum didapat sebanyak 62,01 % OOIP, dan pori atau pore volume (PV) sebanyak 59,337 cc. saturasi minyak tersisa-2 (S ) sebesar 23,96 % or2 2. Injeksi Minyak. dan saturasi air-2 (Sw2) sebesar 76,04 %. Core yang telah disiapkan pada tahap-1, kemudian dimasukkan dalam core holder dan dipanaskan hingga mencapai suhu reservoir 177 o F dan tekanan operasi sebesar 100 psig. Minyak yang tersedia pada tabung minyak diinjeksikan ke core holder dengan bantuan pompa injeksi sebanyak 8 PV, dengan laju alir injeksi minyak 0,5 cc/menit. Pada awalnya air formasi yang ada di dalam core didesak oleh minyak dan beberapa jam kemudian yang keluar pada gelas ukur adalah campuran air dan minyak. Pendesakan dilanjutkan hingga yang keluar hanya minyak saja, sehingga pada akhir pendesakan diperoleh saturasi water connate (Swc) 36,93 % dan saturasi minyak initial (Soi) 63,07 %, atau awal isi minyak di tempat (original oil in place, OOIP) sebanyak 37,42 cc.
5. Injeksi Air - 2 Pada tahap-5 ini, kembali air injeksi (AI) diinjeksikan ke dalam core setelah tahap-4 selesai yaitu sebanyak 0,5 PV dengan laju alir injeksi sama seperti pada tahap sebelumnya yaitu 0,04 cc/menit. Minyak yang dapat diproduksikan setelah penyapuan oleh polimer menghasilkan perolehan minyak sebesar 68,36 % OOIP, dengan saturasi minyak tersisa-3 (Sor3) sebesar 19,95 % dan saturasi air-3 (Sw3) sebesar 80,05 %. Plot perolehan minyak terhadap volume injeksi dari lima tahap rancangan fluida injeksi tersebut, ditampilkan pada Gambar 11. . III. Pembahasan Pada umumnya hasil penyaringan metoda EOR yang dilakukan terhadap karakteristik fluida
Perolehan Minyak, % OOIP
3. Injeksi Air - 1 Pada tahap-3 ini merupakan kelanjutan dari tahap-2, yaitu 100 menginjeksikan air injeksi (AI) sebanyak 1,3 PV dari tabung yang berisi air injeksi. 80 Laju alir injeksi minyak tersebut dirancang agar setara dengan laju alir di reservoir, 60 yaitu dari sumur injeksi ke sumur produksi 1 feet/hari, atau setelah dikonversikan 40 dengan skala core di laboratorium, maka laju alir injeksi sebanyak 0,04 cc/ Injeksi air sebelum injeksi Polimer 20 menit. Minyak maupun air yang keluar Injeksi Polimer ditampung pada gelas ukur dan dilakukan Injeksi air setelah injeksi Polimer 0 pencatatan. Pada tahap-3 ini perolehan 0 0.5 1 1.5 2 2.5 minyak maksimum didapat sebanyak Volume Injeksi, PV 51,32 % OOIP, yang merepresentasikan perolehan minyak pada tahap secondary recovery, dengan saturasi minyak tersisa-1 Gambar 11. Perolehan minyak terhadap volume injeksi
3
120 dan batuan reservoir, dimungkinkan diperoleh metode yang cocok lebih dari satu. Namun hasil penyaringan metoda EOR terhadap karakteristik fluida dan batuan reservoir ’A’ menunjukkan bahwa hanya metoda injeksi polimer yang cocok untuk diterapkan. Uji laboratorium untuk menunjang layak tidaknya menerapkan injeksi polimer pada reservoir ’A’ telah dilakukan. Berdasarkan hasil analisis air terhadap air formasi dan injeksi disimpulkan bahwa kedua jenis air ini termasuk dalam kategori soft brine. Dengan demikian air injeksi yang akan digunakan sebagai pelarut dalam pembuatan larutan polimer tidak signifikan pengaruhnya terhadap degradasi larutan polimer akibat adanya kation Mg++ dan Ca++. Demikian juga bila larutan polimer tersebut diinjeksikan ke dalam batuan reservoir yang didalamnya sebagian telah terdapat air formasi. Derajat keasaman (pH) dari kedua jenis air tersebut menunjukkan suasana basa. Suasana inilah yang dianjurkan dalam penerapan injeksi polimer agar dicapai kondisi memadai terhadap Rheology polimernya. Hasil analisis karakteristik fluida minyak diperoleh gravity minyak sebesar 25,39 oAPI dan viskositas minyak pada suhu reservoir, 177 oF sebesar 11,09 cp, termasuk kategori jenis minyak sedang. Karena harga viskositas minyak jauh lebih tinggi dari air, sehingga bila dilakukan injeksi air pada reservoir ini, maka kemungkinan terjadinya “fingering” dimana air bergerak mendahului minyak, sehingga efisiensi penyapuan minyak tidak efektif. Usaha untuk mengatasi hal tersebut yaitu dengan menginjeksikan larutan polimer. Dari analisis x-ray diffraction batuan reservoir didominasi oleh mineral quartz sebesar 73 %, dan kandungan lainnya adalah karbonat 15 %, serta mineral clay 10 % (mineral illit dan kaolinit). Dari hasil analisis yang diperoleh menunjukkan bahwa kemungkinan terjadinya fenomena swelling tidak terbentuk, karena tidak ditemuinya mineral smectite (termasuk mineral clay) yang dapat mendominasi terjadinya swelling. Setelah uji kompatibilitas terhadap air formasi dan air injeksi dilakukan, maka hasil yang diperoleh menunjukkan bahwa jumlah endapan maksimum sebanyak 0,0060 gr/liter terdapat pada 100 % air injeksi, dan minimum sebanyak 0,0043 gr/liter terdapat pada 100 % air formasi. Endapan yang terbentuk dalam campuran pada komposisi
lainnya tidak menunjukkan jumlah yang melebihi dari total jumlah endapan yang terdapat pada air injeksi maupun air formasi. Hal ini berarti bahwa campuran air injeksi dan air formasi cocok dimana keduanya tidak membentuk endapan baru. Sedangkan dari hasil uji kualitas air harga relative plugging index (RPI) yang diperoleh untuk air formasi adalah sebesar 6,56 dan untuk air injeksi sebesar 9,97. Mengacu pada petunjuk peringkat kualitas air yang dikembangkan perusahaan Amoco, maka harga RPI pada rentang 3 sampai dengan 10 menunjukkan kualitas yang baik. Dengan demikian kualitas air formasi dan air injeksi berdasarkan harga RPI yang diperoleh termasuk kategori baik. Hasil uji Rheology yang telah dilakukan terhadap larutan polimer C-750 dan C-720H menunjukkan bahwa harga viskositas larutan polimer berkurang sejalan dengan naiknya putaran per menit. Pada putaran per menit diatas 60, penurunan harga viskositas polimer cenderung lebih kecil atau harga viskositas polimer hampir konstan. Sedangkan penurunan harga viskositas larutan polimer pada putaran per menit antara 6 sampai dengan 60 cukup signifikan. Yang menjadi perhatian adalah harga viskositas pada putaran per menit = 6 atau shear rate = 7,344 detik-1, yang merepresentasikan laju alir larutan polimer di dalam reservoir dari sumur injeksi ke sumur produksi yang diperkirakan sebesar 1 feet/hari. Sedangkan pada shear rate yang tinggi merepresentasikan laju alir di sekitar lubang sumur injeksi. Dari hasil uji Rheology ini, dipilih larutan polimer C-750 untuk uji selanjutnya, karena mempunyai harga viskositas yang lebih tinggi dibandingkan dengan larutan polimer C-720H. Dari uji thermal stability terhadap larutan polimer C-750 dengan konsentrasi 600 ppm, 900 ppm, dan 1200 ppm menunjukkan bahwa harga viskositas polimer tersebut cenderung konstan setelah mengalami pemanasan pada suhu reservoir (177 oF) setelah minggu ke 5. Meskipun pada minggu pertama hingga minggu ke empat harga viskositas larutan polimer mengalami penurunan yang signifikan karena adanya degradasi polimer yang disebabkan pengaruh suhu. Dengan demikian jika diperkirakan pergerakan larutan polimer dari sumur injeksi ke sumur produksi memerlukan waktu kurang lebih 3 bulan, maka harga viskositas polimer setelah 7 minggu uji
121 thermal stability dianggap sudah tidak mengalami penurunan harga viskositas. Berdasarkan hasil uji filtrasi terhadap larutan polimer 600 ppm, 900 ppm, dan 1200 ppm, maka harga filter ratio yang didapat masing-masing sebesar 0,995, 1,048, dan 1,078. Dari ketiga harga filter ratio tersebut menunjukkan harga lebih kecil dari 2. Dengan demikian maka jika larutan polimer tersebut diinjeksikan ke dalam reservoir diperkirakan tidak akan terjadi penyumbatan di dalam ruang pori. Dari uji adsorpsi statik yang telah dilakukan terhadap larutan polimer 600 ppm, 900 ppm, dan 1200 ppm tersebut pada batuan reservoir, maka penurunan konsentrasi larutan polimer masingmasing menjadi 548 ppm, 825 ppm dan 1091 ppm, yang menunjukkan penurunan konsentrasi larutan polimer yang tidak signifikan yaitu kurang dari 10 %. Mengacu pada pengujian yang telah dilakukan, maka larutan polimer C-750 dengan konsentrasi 1200 ppm dipilih untuk uji core flooding, karena harga viskositas pada putaran per menit = 6 setelah uji thermal stability selama 7 minggu sebesar 17,1 cp, yang sama dengan 1,54 kali harga viskositas minyak. Sehingga diharapkan dapat meningkatkan efisiensi pendorongan minyak secara makro. Rancangan fluida injeksi yang telah dilakukan secara kontinyu dengan urutan: 1,3 pore volume air injeksi (AI), 0,4 pore volume polimer dan 0,5 pore volume air injeksi (AI). Perolehan minyak akibat injeksi air (1) sebanyak 1,3 PV didapat sebanyak 51,32 % OOIP. Dari plot perolehan minyak terhadap volume injeksi pada Gambar 11, menunjukkan bahwa injeksi air dari 0,85 PV hingga 1,3 PV memberikan penambahan perolehan minyak hanya 1,82 % OOIP. Hal tersebut karena perolehan minyak sudah mendekati saturasi minyak tersisa atau residual oil saturation. Pengaruh injeksi larutan polimer C-750 (1200 ppm) sebanyak 0,4 PV pada core telah menambah perolehan minyak sebanyak 10,69 % OOIP. Perolehan minyak akibat injeksi polimer tersebut masih mungkin untuk ditingkatkan dengan cara menambah jumlah PV injeksi larutan polimer, karena pada bagian akhir dari plot perolehan minyak terhadap volume injeksi masih menunjukkan kecenderungan menaik. Dan penambahan perolehan minyak akibat injeksi air (2) sebanyak 0,5 PV setelah akhir injeksi larutan polimer adalah sebesar 6,35 % OOIP. Sehingga perolehan maksimum yang
didapat dari rancangan injeksi fluida tersebut adalah sebesar 68,36 % OOIP. Berdasarkan kajian laboratorium yang telah dilakukan, maka selanjutnya dapat dikembangkan pemodelan simulasi injeksi polimer ke dalam reservoir minyak pada pola sumur injeksi tertentu yang menggunakan simulator injeksi kimia tiga dimensi. Selanjutnya dapat dilakukan uji sensitivitas guna memperoleh rancangan fluida injeksi dan pola sumur injeksi yang optimum untuk diterapkan pada pilot proyek injeksi polimer. IV. Kesimpulan 1. Hasil penyaringan metode EOR terhadap karakteristik fluida dan batuan reservoir ”A” menunjukkan bahwa metode injeksi polimer cocok untuk diterapkan. 2. Dari hasil uji compatibility campuran air injeksi dan air formasi menunjukkan bahwa kedua jenis air tersebut cocok dan tidak membentuk endapan baru. 3. Berdasarkan hasil uji rheologi, thermal stability, filtrasi, dan adsorpsi statik terhadap polimer C-750 dan C-720H, maka polimer C-750 memadai untuk digunakan pada uji core flooding. 4. Injeksi fluida polimer slug C-750 (1200 ppm) terhadap core sebanyak 0.4 PV dapat menambah perolehan minyak sebanyak 10.69 % OOIP, setelah kondisi residual oil saturation. 5. Dengan urutan rancangan core flooding 1.3 PV (air), 0.4 PV (polimer C-750, 1200 ppm) dan 0.5 PV (air), menghasilkan perolehan minyak sebesar 68.36 % OOIP. Daftar Simbol mbpl ppm Va Vb Qa Qb
= = = = = =
meter bawah permukaan laut part per milion kumulatif volume, 100 ml kumulatif volume, 300 ml laju alir pada Va, ml/detik laju alir pada Vb, ml/detik
Kepustakaan Green W. Don dan Willhite, G. Paul, “ Enhanced Oil Recovery “, Society of Petroleum Engineers Richarrdson, Texas, USA,
122 2003. Taber J.J., Martin F.D., Seright, R.S.,: “EOR Screening Criteria Revisited-Part 1: Introduction to Screening Criteria and Enhanced Recovery Field Projects”, SPE Reservoir Engineering, Agustus 1997, hal 189-198. Taber J.J., Martin F.D., Seright, R.S.,: “EOR Screening Criteria Revisited-Part 2: Aplications and Impact of Oil Prices”, SPE Reservoir Engineering, Agustus 1997, hal 199-205.
Recommended Practices for Evaluation of Polymers Used in Enhanced Oil Recovery Operations, API Recommended Practice 63 (RP 63), first Edition, June, 1990. Sorbie, K.S, “Polymer Improve Oil Recovery” , CRC Press Inc., Florida, 1991. Borchardt K.J.,: “A Novel Polymer for Oilfield Application”, SPE 37279, SPE International Symposium on Oilfield Chemistry di Houston, Texas, 18-21 October 1977.
Determination Of Reservoir Flow Connectivity By Use Of Production Data In Highly Faulted System Taufan Marhaendrajana Bandung Institute of Technology Telp.: +62816615621 Email:
[email protected] Abstract The knowledge of lateral reservoir connectivity is an important factor for further development of petroleum reservoirs, particularly for highly faulted reservoir systems. The execution of improved and enhanced recovery programs significantly relies on the ability to identify reservoir connectivity. It becomes a challenging subject that many put a lot of effort to use any data from available sources obtained during seismic, drilling, coring, wire line logging, well testing (pressure transient) and production. Among of those, well testing and production data are most suitable for determination of ow connectivity. However, pressure transient data is expensive and is only available in few wells. Meanwhile, the quantity of production data is comparable with (if not more than) the wire-line log data, since the well production is always recorded for every well. Therefore, analysis conducted from production data analysis should explain the lateral description of the reservoir fairly well. Seismic data interpretation produces fault locations and geometries that divide reservoir into many compartments. This static description provide the big picture of compartmentalization. The missing information is the ow connectivity between compartments (sealing/non-sealing of fault) and even between wells in the same compartment (sand continuity). It is the intention of this paper to utilize the production data to obtain the information about ow connectivity. It extends the application of model derived by Marhaendrajana [1] and it proves to work well for gas and oil reservoirs. Keywords: Reservoir Description, Reservoir Connectivity, Production Data Analysis Sari Pemahaman akan kontinuitas reservoir secara lateral sangat kritikal dalam pengembangan lapangan migas lebih lanjut, terutama reservoir yang memiliki sistem patahan yang rumit. Implementasi metode improved atau enhanced recovery sangat bergantung seberapa jauh kontinuitas reservoir dipahami. Sebegitu pentingnya sehingga berbagai usaha dilakukan melalui pengumpulan dan analisa data seismic, pemboran, core, logging, uji sumur dan produksi. Diantara data atau proses yang disebut, uji sumur dan produksi sangat cocok untuk mengetahui konektivitas (kebersambungan) aliran fluida di reservoir. Bagaimanapun, uji sumur cukup mahal dan umumnya dilakukan di beberapa sumur saja. Sementara itu data produksi tersedia di semua sumur seperti halnya data logging. Oleh karena itu, analisa yang dilakukan terhadap data produksi seharusnya dapat membantu dalam menjelaskan deskripsi reservoir secara lateral dengan cukup baik. Interpretasi dari data seismik menghasilkan lokasi patahan dan geometrinya yang membagi reservoir ke dalam beberapa kompartemen. Hasil interpretasi data statik ini memberikan gambaran besar tentang kompartemen di reservoir. Informasi yang belum diperoleh dari data ini adalah koneksi aliran antar kompartemen. Tujuan dari paper ini adalah untuk menggunakan data produksi dalam menentukan konektivitas aliran antar kompartemen. Metode yang diusulkan adalah pengembangan aplikasi model yang dipresentasikan oleh Marhaendrajana [1] dan dalam paper ini terbukti bekerja dengan sangat baik untuk reservoir minyak dan gas. Kata kunci: Deskripsi Reservoir, Konektivitas Reservoir, Analisa Data Produksi
123
124 I. Introduction Figure 1 is a structural map of field R1X that is intersected by two main parallel faults trending Southeast - Northwest and many minor faults in between mostly trending Southwest Northeast. This field has been produced for about six years from seventeen reservoir layers, and oil recovery factor is only 7% despite the average reservoir pressure decreases from about 2400 psi to 600 psi. Figure 2. Bounded reservoir with multiple producing wells.
in this paper is illustrated in Figure 2. Within this compartment, the reservoir has specific permeability (k), porosity (φ), thickness (h), area (A), and fluid viscosity (µ). Each well may produces with specific rate and pressure which are function of time. ∂ 2 p ∂ 2 p nwells q1 (1) β + − δ ( x − xw,i , y − yw,i ) ∂x 2 ∂y 2 Σ 1−1 Ah( k / µ ) φµ ct ∂p .................................. (1) Figure 1. Reservoir R1X with complex faults system = k ∂t At this stage, further development need to Initially, reservoir is assumed to be in equalibribe implemented to maximize the production from um condition with uniform initial pressure pi, this field. Because of low reservoir, it suggests to that is, conduct pressure maintenance program such as water injection or to improve sweep eficiency p ( x, y, t = 0 ) = pt ..................................... (2) using water flooding. The understanding of vertical and lateral continuity becomes important for The reservoir compartment is considered close the program to be successfull. It helps planning and hence there is no-flow across the boundary. the location of injection wells, infill wells, wa- This boundary condition can be expressed as ter injection pattern and target reservoir layers (zones) for injection or for producing. This paper ∂p = ∂p =0 ................................ (3) focuses only on indentifying lateral continuity ∂x x =0 ∂x x = xe between compartments. ∂p ∂p =0 = II. Methodology and Model Development ................................ (4) ∂y y =0 ∂y y = ye The approach used in this paper is to comprehend the production behavior that is unique for a single closed compartment. Hence, this understanding is expected for being able to distinguish the production behavior of one compartment to the others. To attain this purpose, mathematical model of reservoirs with multiple well producing is developed and solve analytically, which provide a tool for data analysis. The system modeled
The solution of Equation 1 to 4, where each well producing at rate of qk and pressure at pwf;k from reservoir with hydrocarbon in place of N, is presented by Marhaendrajana[1], [2] in a form of Equation (5). qk ( t ) 1 = (t ) 1 pi − pwf ,k t tot ,k + f k (t ) Nc1
.................. (5)
125 Presentation of solution in the form of Equation 5 enables us to use graphical analysis by plotting normalize rate (left hand side of Equation 5) with total material balance time, ttot,k. Marhaendrajana [1], [2], states term fk(t) becomes very small at long times (pressure propagation reaches boundary), the plot asymtote to a straight line with negative unit slope on log-log plot. The intercept of the straightline represents the pore volume of compartment. Consequently, this plot suggests that wells in the same compartment at late time will converge approximately at the same straightline which represent the volumetric property of the compartment.
Faults dividing reservoir into several compartments where totally eight wells producing gas with arbitrary rate and pressure. Graph on Figure 4 is the analysis proposed in this paper using Equation 5. Although well-1 and well-2 are separated by fault-1, the analysis shows that the late behavior converges at the same line which means that they are flow connected. This is consistent with non-sealing property of fault-1. On the other hand, wells in compartments separated by sealing faults converges at difierent lines which implies no flow connectivity between those compartments. Further test case is made for oil reservoir with dissolve gas initially. During production gas liberated from oil at the surface, and at one time reservoir pressure below bubble point pressure, III. Synthetic Simulation Case gas releases from oil in the reservoir. This gas can The synthetic simulation is used to test also freely flow to wellbore as its saturation exthis idea and it is shown in Figures 3 and 4. Graph ceed gas critical saturation. A synthetic reservoir on Figure 3, fault with yellow color is a non-seal- model, shown by Figure 5, attempts to include ing fault and fault with red color is a sealing fault. variability of porosity and permeability. The reservoir consists of three compartments. Compartment 1 is isolated from the otherd by sealing fault.
Figure 3. Synthetic model for a single phase gas reservoir
Figure 5. Synthetic model for an oil reservoir: Three phase flow
Figure 4. Compartment analysis: Synthetic gas reservoir case
Compartment 2 and 3 is separated by partially sealing fault. Five wells are producing from the reservoir and the production profile of each well is shown in Figure 6. While it is not constrained by well basis, the liquid field production is maintain constant, and the simulator assign production for each well based on the deliverability and the accessible uid volume. The analysis for production performance of this case is depicted at Figure 7. As it is seen, curves belong to Well U3,
126 At particular at this paper, analysis is conducted for zones R1X-M3, which is the main producing zones. There twenty wells that produce from this zone non-commingly from other zones. Complete data (oil rate, gas rate, water rate, and tubing pressure) are available so proper analysis can be done. At the beginning, oil is produced naturally and at later stage, some wells require pump to lift oil from bottom hole to the surface. Oil production and tubing pressure of these wells are shown in Figures 8 and 9. Location of each well Figure 6. Well production profiles: synthetic oil reservoir case
Figure 8. Oil production from reservoir R1X-M3
Figure 7. Compartment analysis: Synthetic oil reservoir case
U4 and U5 converges at the same line indicating that they are at the same compartment and are in no communication with Wells U1 and U2. On the other hand, curves of U1 and U2 converges each other. Although these two wells are located at different compartment, the analysis show that there is lateral communication between the two. It agrees with partially sealing fault separating the two compartment. Figure 9. Tubing pressure of wells producing from reserIV. Application to Field R1X The test case results is promising and the application of this method in real case of oil reservoir is presented. As previously stated that field R1X is at the stage for further development to maximize the production from this field. The plan of injecting water as pressure maintenance or as water flooding or drill new wells to find undrained oil should be carefully designed with the knowledge of vertical and lateral continuity.
voir R1X-M3
is shown in Figure 10. It is observed from fault configuration, while wells R1X-7 and R1X-17 are separated from the others, both of wells seem to be in communication since fault between these wells leaves an opening. Interestingly, analysis performed to production data shown in Figure 11 tells that well R1X-7 and R1X-17 are not in communication. The curves of R1X-7 and R1X-17 do not asymtote to the same line at late time. To be con-
127 sistent with this observation, either the sealing fault between the two need to be extended to the south to close the opening or there is sand discontinuity between the two. As can also be seen from the Figure, fault separating R1X-7/R1X-17 and R1X-15 is indicated as sealing. Meantime, although separated by many faults, wells other than R1X-7 and R1X-17 are in communication indicating lateral sand continuity that connects
Figure 10. Well location
Figure 11. Compartment analysis of reservoir R1X-M3
those wells. V. Discussion It is important to note that derivation of Equation 5 assumes a single phase flow of slightly compressible fluid (i.e., liquid) with constant reservoir rock properties. Hence, use of this Equation cannot be directly as is for single phase gas or for multiphase-ow condition. Nevertheles, as discussed and proved by Al Hussainy et al. [3], and Agarwal [4], solution derived based on liquid assumption can be used for gas ow when
pseudopressure and pseudotime are used instead of presure and time. It is then not surprising when Equation 5 works very well when it is used for synthetic gas case as described and depicted earlier in Figures 3 and 4. The same is also applied for multiphaseow condition (oil, water, and gas are flowing). Marhaendrajana et.al. [5] constructs pseudopressure and pseudotime for multiphase-flow by which a single-phase liquid solution can be used for multiphase flow. However computation of multiphase pseudopressure and psedotime is not trivial, because it requires information of average saturation of each phase in the reservoir. Example shown in Figures 7 use pressure and time function, and it seems that the idea of unique trend as a characteristic of compartment suggested by Equation 5 does still apply. This case is simplified by the water is present as connate water, water volume is limited and there is no support from aquifer. Although water is flowing, the average water saturation does not change significantly. The problem appears when gas starts liberating from oil in the reservoir, because of which gas saturation increases as oil saturation decreases. At this period gas also ows in the reservoir. The appearance and flow of gas, and changes in saturation are represented by the change of asymtote line for each compartment. It is understood that the volumetric property of compartment changes. Having said that, the goal of this paper to identify connectivity of compartments using Equation 5 is still achieved. It is interesting to see if this method using Equation 5 to identify connectivity between compartments can work for reservoir with strong aquifer support. Further work is recommended to investigate the idea. References Marhaendrajana, T.,Modeling and Analysis of Flow Behavior in Single and Multiwell Bounded Reservoir, PhD Dissertation, Texas A M University, 2000. Marhaendrajana, T. and Blasingame, T., “Decline Curve Analysis Using Type Curves: Evaluation of Well Performance Behavior in a Multiwell Reservoir System”, paper SPE 71517, 2001. Al-Hussainy, Ramey, H.J., Jr., and Crawford,
128 P.B.,The Flow of Real Gases Through Po- MHF Gas Wells”, paper SPE 8279, 1980. rous Marhaendrajana, T., Ariadji, T. and Permadi, Media, JPT, 1966. A.K., “Performance Prediction of a Well Under Multiphase Flow Conditions”, paper SPE Agarwal, R.G., “Real Gas Pseudo-Time: A New 80534, 2003. Function for Pressure Buildup Analysis of
Metode Quick Look: Percepatan Persetujuan Plan Of Development (POD) Tutuka Ariadji(1), Hernansyah(2), I Made Rommy Permana(3) (1) (2) Dosen Teknik Perminyakan Institut Teknologi Bandung (3) Mahasiswa Teknik Perminyakan Institut Teknologi Bandung Telp.: (1) +62811227745 email: (1)
[email protected] Sari Dalam penyusunan Perencanaan Pengembangan (Plan Of Development – POD) suatu lapangan membutuhkan data yang beragam dan sangat banyak meliputi data dari geologi, geofisika, reservoir, produksi, fasilitas permukaan, dan keekonomian sehingga membutuhkan waktu yang cukup lama untuk menyelesaikanya. Kemudian daripada itu sebelum POD tersebut dapat diimplementasikan, diperlukan waktu lagi untuk mendapatkan persetujuan dari badan yang berwenang. Dengan demikian diperlukan suatu metode baru untuk mempercepat proses yang panjang ini dengan metode yang kami usulkan dengan nama metode Quick Look POD. Metode Quick Look POD dimaksudkan agar dapat mempercepat proses persetujuan dalam pengembangan suatu lapangan sehingga diharapkan berdampak pada peningkatan produksi lapangan. Metode Quick Look POD mencoba mengelompokkan jenis-jenis data yang ada dan dibagi menjadi beberapa kelas tingkat kelayakan melalui pemberian nilai (scoring) terhadap tingkat kelengkapan dan kualitas data. Masing-masing kelas tersebut memiliki tingkat kelayakan yang berbeda yang akan mempengaruhi pengambilan keputusan dalam tingkat kesiapan untuk diimplemetasikan. Pembagian kelas-kelas POD pada studi ini menggunakan simulasi Monte Carlo dengan melihat persebaraan nilai (skor) yang diperoleh dari kualitas dan kuantitas data yang dimiliki suatu lapangan. Pembagian Kelas POD adalah sebagai berikut: Kelas A, yaitu POD sepenuhnya disetujui oleh pihak yang berwewenang untuk diimplementasikan; Kelas B, yaitu sudah layak diimplementasikan dengan syarat masih membutuhkan penambahan data minor dengan kualitas yang memadai; dan Kelas C, yaitu harus dilakukan penambahan data major (utama) dengan kualitas yang memadai terlebih dahulu sebelum diajukan lagi ke pihak yang berwewenang. Sebagai contoh, studi ini menggunakan data dari Lapangan X yang merupakan lapangan pada tahap awal pengembangan untuk ditentukan tingkat kelas kelayakan POD-nya. Diperoleh bahwa Kelas Lapangan X adalah POD Kelas B yang berarti sudah layak diimplementasikan dengan terlebih dahulu melakukan penambahan data dengan kualitas memadai. Kata kunci: quick look, Monte Carlo, POD, pengembangan lapangan. Abstract In the making of Plan of Development of a field requires many types and abundant of data covering geology, geophysics, reservoir, production, surface facilities, and economic, and thus, takes a long time to finish it. Moreover, prior to implementation the POD, it is a mandatory to get an approval from the authority of the government body that of course it takes another period of time. For this reason, therefore, there is a need to cut short this long, consuming time process by introducing a new method, namely, Quick Look POD method. This Quick Look POD method is intended to expedite the approval process of a proposed POD, and, it is expected to increase oil and gas production. The Quick Looked POD attempt to classify the available data types and then they are divided into several feasibility level classes by giving scores according to the level of completeness and quality of data. Each class has a different level of reliability that will affect a decision making in readiness to implementation. The classes division of a POD in this study uses the Monte Carlo simulation honoring the score distribution obtained from quality and quantity of the field existing data. 129
130 The classes division is as the following: Class A is a POD that is fully approved by the government body authority to be implemented; Class B is a POD that is feasible to be implemented, however, some minor data are required to be fulfilled prior to implementation; and Class C is a POD that requires major revision and data requirement before to be submitted to the government body authority. For example, this study uses data from X field which is in an early stage of its development in order to determine the feasibility level of its POD class. The resulted class for the X field is a POD class B that is feasible to be implemented, but still needs additional minor data. Keywords: quick look, Monte Carlo, POD, field development. I.
Pendahuluan
Perencanaan Pengembangan Lapangan (Plan Of Development – POD) suatu lapangan minyak atau gas bumi adalah perencanaan pengembangan skenario-skenario untuk mengeksploitasi minyak atau gas bumi dari lapangan tersebut dengan kaidah keteknikan dan keekonomian serta analisa dampak lingkungan. Untuk membuat studi POD suatu lapangan memerlukan data yang sangat banyak, melibatkan disiplin ilmu Geologi, Geofisika dan Perminyakan serta memakan waktu yang cukup lama yaitu kurang lebih 6-12 bulan. Sementara untuk mendapat persetujuan dari badan yang berwenang, berdasarkan Undang-Undang No. 22/2001, membutuhkan waktu 12 minggu tanpa halangan setelah studi dilakukan. Namun pada kenyataannya seringkali waktu yang dibutuhkan lebih lama karena masalah teknis dan operasional. Hal ini membuat data yang digunakan pada saat studi menjadi kadaluarsa. Dalam pelaksanaan POD, Kontraktor Kontrak Kerjasama (KKKS) membutuhkan persetujuan dari badan yang berwewenang setelah melakukan studi POD, dan yang sering kali menjadi hambatan adalah ketidak tersediaan data, atau kualitas data yang tidak memadai, ataupun ketidak-cukupan analisis sehingga diperlukan waktu melihat dan melengkapi kembali yang memerlukan waktu lama dan tidak efisien. Untuk meningkatkan efisiensi sistem kerja dengan berprinsip pada win-win solution, maka ditawarkan suatu metode baru yang menuntut KKKS untuk aktif mempersiapkan seluruh dokumen yang diperlukan berikut data pendukungnya melalui self assessment dengan rambu-rambu berupa check list yang diberikan oleh institusi pemerintah yang berwewenang seperti BPMIGAS. Dengan demikian KKKS mengetahui apa yang harus dipersiapkan terlebih dahulu sebelum menyerahkan dokumen untuk mendapatkan persetujuan institusi yang berwewenang tersebut. Dilain
pihak, institusi yang berwewenang memberikan persetujuan dapat mengetahui dengan lebih cepat status masing-masing dokumen POD yang diserahkan melalui metode tersebut. Dengan demikian proses percepatan pekerjaan berlangsung dari dua arah sesuai tanggung jawab masing-masing sehingga diharapkan akan dapat mempercepat proses persetujuan. Tujuan Landasan pemikiran metode quick look POD adalah agar dapat mempercepat proses persetujuan dalam perencanaan pengembangan lapangan yang didasari oleh tanggung jawab menjalankan kewajiban masing-masing pihak terkait, yaitu KKKS dan BPMIGAS melalui sistem yang diketahui bersama sejak awal bekerja. Studi Quick Look POD ini bertujuan untuk memberikan klasifikasi tingkat kelayakan dokumen POD dalam kaitannya dengan persetujuan oleh BPMIGAS. II. Metodologi Metode yang digunakan dalam membuat Quick Look POD dibagi menjadi beberapa tahap. Pertama, mengumpulkan semua data yang tersedia dari geofisik, geologi, reservoir studi dan data selama pemboran pada suatu lapangan. Kedua, membuat tabel Quick Look POD dari data-data yang dimiliki. Ketiga, dilakukan pemberian skor pada data-data yang ada pada tabel Quick Look POD. Keempat, dari skor-skor yang terdapat pada tabel Quick Look , dibuat penyebaran distribusinya dengan menggunakan simulasi Monte Carlo dan dibuat pembagian kelasnya. Lalu yang terakhir menjumlahkan semua skor pada tabel untuk mengetahui kelas dari POD lapangan yang dikaji. Pembuatan tabel quick look POD
Tabel Quick Look POD dibuat berdasar-
131 kan dari data-data yang dimiliki. Tabel Quick Look dibagi menjadi tiga bagian utama yaitu data sebelum pemboran, selama pemboran dan setelah pemboran atau data produksi. Parameter–parameter yang digunakan disesuaikan dengan ketersediaan data yang dimiliki. Data sebelum pemboran mencakup data gravity, seismik dan studi geologi. Data selama pemboran diperoleh dari cutting, core, Drill Stem Test (DST) dan data logging. Sedangkan data setelah pemboran diperoleh dari data produksi. Semua parameter – parameter yang digunakan untuk membuat tabel Quick Look bersifat fleksibel sesuai dengan ketersediaan data yang ada. Beberapa contoh parameter–parameter data yang dianalisis adalah penanda kedalaman, litologi, porositas, permeabilitas, saturasi fluida, kontak fluida, tekanan, laju produksi dan sebagainya. Lampiran 1 memberikan data Tabel Quick Look. Pemberian Penilaian (Scoring) pada Tabel Quick Look POD Pemberian skor terhadap data-data yang ada pada tabel Quick Look POD dilakukan secara subjektif. Akan tetapi, ada dasar yang harus dipahami dalam pemberian skor. Data dapat dikatakan baik apabila data tersebut akurat, memiliki jumlah yang banyak, ada hasil pembuktian dan memiliki dukungan dari expert-judgement. Kualitas data dipengaruhi juga oleh tingkat ketelitian dan kelengkapan suatu data. Semakin rinci keterangan dan kelengkapan suatu data, maka data tersebut akan semakin baik. Pemberian skor dibagi menjadi 4 tingkat, skor 1 memiliki arti kualitas data buruk, skor 2 memiliki arti kualitas data sedang, skor 3 memiliki arti kualitas data baik dan skor 4 memiliki arti kualitas data sangat baik. Bila dikaitkan antara syarat data baik dengan tingkatan data yang dibuat, dapat disimpulkan bahwa pemberian skor 4 harus memenuhi semua syaratsyarat data baik dan juga memiliki tingkat ketelitian dan kelengkapan yang baik. Skor 3 diberikan apabila suatu data memiliki jumlah yang banyak, akurat dan memiliki data dukungan expert judgement. Skor 2 diberikan apabila suatu data memiliki jumlah yang cukup banyak dan memiliki. dukungan expert judgement. Sedangkan skor 1 diberikan apabila data hanya memiliki jumlah yang sedikit dan tidak memiliki data dukungan expert judgement. Lampiran 2 memberikan data Tabel Penilaian Quick Look (Scoring).
Simulasi Monte Carlo Untuk membagi kelas POD agar diketahui perlakuan yang harus dilakukan pada suatu lapangan, maka dilakukan simulasi Monte Carlo untuk mengetahui penyebaran data distribusinya. Simulasi Monte Carlo merupakan proses perhitungan yang berulang-ulang yang mensimulasikan suatu besaran berupa penyebaran harga dalam bentuk frekuensi. Model yang digunakan untuk simulasi Monte Carlo dinyatakan oleh persamaan matematis yang variabelnya ditetapkan berdasarkan distribusi frekuensi dan distribusi kumulatif, dan untuk menghindari pengaruh subjektivitas dalam penentuan model distribusi variable, simulasi Monte Carlo menggunakan bilangan acak atau Random Number. Distribusi yang digunakan pada simulasi Monte Carlo dalam Quick Look POD ini adalah distribusi segi empat, karena kita hanya memiliki data skor minimum dan skor maksimum dari tabel Quick Look POD. Ciri distribusi ini adalah nilai mungkin yang dimiliki suatu harga variable adalah sama dan harga mungkin diluar selang studi harganya adalah nol. Dengan kata lain, nilai mungkin yang dimiliki suatu variable pada suatu selang tak ada yang dominan tinggi ataupun rendah, akan tetapi merata. Jika telah didapatkan distribusi langkah selanjutnya mengubah kurva distribusi kumulatif versus variable acak. Masalah didalam mengevaluasi keadaan ini adalah mencari harga yang akan dicari (xI). Oleh karena itu diperlukan suatu bilangan acak yang berfungsi sebagai parameter probabilitas kumulatif. Dimana nilai x yang dicari XI, batas nilai x yang terkecil XL, nilai x yang terbesar XH, bilangan acak yang berfungsi sebagai parameter probability kumulatif RN. Secara analitis maka persamaan yang digunakan adalah (Rachmat, S., 2001): X1 = X L + X N ( X H − X L )
.......................... (1)
Dari simulasi Monte Carlo, akan didapat grafik penyebaran skor terhadap probabilitas kumulatif yang akan digunakan sebagai acuan untuk klasifikasi kelas POD. Klasifikasi kelas – kelas POD Pembagian kelas – kelas POD dilakukan dengan melihat grafik penyebaran skor terhadap
132 probabilitas kumulatif dari simulasi Monte Carlo yang telah dilakukan. Dari grafik tersebut dapat dibagi menjadi tiga kelas POD yaitu kelas A, B, dan C. Pembagian kelas tersebut dilakukan berdasarkan grafik penyebaran skor. Pembagian kelas tersebut juga dilakukan validasi dengan membagi kelas – kelas dengan cara memberikan skor 1, 2, 3 dan 4 pada semua data yang ada. Dari kelas A, B dan C tersebut, dapat dilihat tingkat kelayakan suatu POD dapat dilakukan atau tidak sehingga diperoleh rekomendasi untuk suatu lapangan yang dikaji agar studi pengembangan lapangan dapat dilakukan. III. Hasil Dan Pembahasan
sebagian besar karena frekuensi skor 2 dan 3 cukup banyak. Skor total dari data sebelum pengeboran yang mencakup gravity, seismik dan studi geologi adalah 49. Sedangkan skor total dari data selama pemboran yang mencakup data cutting, core, DST dan data logging adalah 185. Bila kedua skor tersebut dijumlahkan, maka didapat total skor dari lapangan X yang nanti akan dicocokkan sesuai pembagian kelas POD dengan menggunakan simulasi Monte Carlo. Pada simulasi Monte Carlo, dilakukan perhitungan dengan menggunakan distribusi segi empat. Dibutuhkan skor minimum dan skor maksimum untuk mengetahui penyebaran skor terhadap probabilitas kumulatifnya. Skor minimum diperoleh dengan cara memberikan skor 1 pada semua data yang ada pada saat sebelum pemboran dan juga selama pemboran. Dari data sebelum pemboran didapat skor minimum sebesar 18 dan selama pemboran didapat skor minimum sebesar 67. Begitu juga dengan skor maksimum yang diperoleh dengan cara memberikan skor 4 pada semua data sebelum pemboran dan selama pemboran, didapat skor sebesar 72 dan 268. Dari skor minimum dan maksimum tersebut, kita dapat menggunakan persamaan 1 untuk melakukan simulasi Monte Carlo. Simulasi dilakukan dengan menggunakan 4000 Random Number agar didapat penyebaran data yang lebih akurat. Dari 4000 skor yang didapat dari simulasi Monte Carlo pada data sebelum pengeboran dan selama pemboran, bila dijumlahkan akan didapat total variasi skor yang sangat banyak. Dari banyaknya total variasi skor tersebut, dapat dibagi menjadi 14 selang total skor dengan perbedaan tiap selang sebesar 25. Dari pembagian selang tersebut dapat dilihat frekuensi kemunculan skor dengan probabilitas kumulatifnya. Tabel 1 memberikan
Studi pengembangan lapangan dilakukan pada lapangan X yang masih dalam tahap eksplorasi, oleh karena itu tabel quick look POD yang dibuat dibagi menjadi dua bagian utama yaitu data sebelum pemboran yang mencakup data gravity, seismik dan studi geologi dan data selama pemboran yang mencakup data cutting, core, DST dan data logging. Parameter–parameter yang akan dianalisis adalah depth markers, structure and area, cementation factor, gross and net thickness, lithology, mechanical properties, contacts, pressure, porosity, permeability, fluid saturation, pore sizes, grain density, hydrocarbon properties, water properties, production rate dan fluid produced. Parameter–parameter tersebut dibuat berdasarkan ketersediaan data yang ada. Pemberian skor terhadap parameter–parameter yang ada, dilakukan berdasarkan syarat – syarat data dapat dikatakan baik dan juga tingkat ketelitian dan kelengkapannya. Contoh pemberian skor pada parameter depth markers pada logging, dari data yang didapat, depth markers pada data logging lapangan tersebut Tabel 1. Tabel contoh perhitungan pada simulasi Monte Carlo bernilai 4 atau dapat dikatakan sangat baik. Depth markers pada data logging RN pre RN dur pre dur score memiliki keakuratan yang tinggi, serta 0,127923 0,719948 24,90783 211,7096 236,6174 terdapat jumlah data yang banyak dan 0,872089 0,214028 65,09279 110,0196 175,1124 juga tingkat kelengkapannya sangat baik 0,40517 0,186427 39,8792 104,4718 144,351 karena data logging yang ada sangat lengkap mulai dari permukaan hingga 0,228098 0,224019 30,31729 112,0278 142,3451 kedalaman produksi. Hasil dari pembe0,051175 0,16701 20,76347 100,569 121,3325 rian skor untuk parameter lainnya dapat 0,766523 0,655326 59,39223 198,7205 258,1128 dilihat pada tabel hasil quick look POD. 0,362953 0,328566 37,59947 133,0418 170,6413 Dari tabel hasil quick look POD 0,324173 0,005465 35,50536 68,09856 103,6039 lapangan X dapat dilihat bahwa lapangan X memiliki data yang sudah cukup baik 0,398834 0,771079 39,53705 221,9868 261,5239
133 68,45364 145,1825 224,7429 208,5891 71,99519 172,1906 185,1662 257,6014 254,6246 203,2205 177,9797 114,5104 265,8518 222,5935 213,3581 181,1582 215,463 98,99282 67,84647 224,1371 232,546 148,4235
125,4749 180,6017 285,4295 264,8912 143,0622 232,3675 250,1483 296,793 297,0453 239,074 214,0406 171,5835 319,3951 253,8036 266,9274 210,8594 248,0656 154,5267 99,10112 251,4859 300,563 216,4001
Tabel 2. Selang skor pada frekuensi kemunculan skor.
Selang Score 0 s/d 25 25 s/d 50 50 s/d 75 75 s/d 100 100 s/d 125 125 s/d 150 150 s/d 175 175 s/d 200 200 s/d 225 225 s/d 250 250 s/d 275 275 s/d 300 300 s/d 325 325 s/d 350
F,R, kum (%)
57,02126 35,41918 60,68658 56,30212 71,06702 60,17693 64,98216 39,19166 42,42066 35,85353 36,06085 57,07312 53,54324 31,2101 53,56931 29,70118 32,60263 55,53392 31,25465 27,3488 68,01704 67,97656
F,Relatif (%)
0,007232 0,388968 0,784791 0,704423 0,024852 0,523336 0,587891 0,948266 0,933456 0,677714 0,552138 0,23637 0,989312 0,774097 0,72815 0,567951 0,738622 0,159168 0,004211 0,781777 0,823612 0,405092
Frekuensi
0,722616 0,322577 0,790492 0,709299 0,982723 0,781054 0,87004 0,392438 0,452234 0,330621 0,33446 0,723576 0,658208 0,244631 0,658691 0,216689 0,270419 0,695073 0,245457 0,173126 0,926241 0,925492
0 0 0 0 0 0 0 0 0 46 1,15 1,15 242 6,05 7,2 473 11,825 19,025 508 12,7 31,725 477 11,925 43,65 508 12,7 56,35 481 12,025 68,375 494 12,35 80,725 474 11,85 92,575 257 6,425 99 40 1 100
probabilitas kumulatif, diperoleh grafik yang mempresentatifkan penyebaran distribusinya. Dari grafik tersebut, dacontoh perhitungan pada simulasi Monte Carlo. pat diklasifikasikan kelas – kelas POD yang diSedangkan Tabel 2 memberikan selang skor pada inginkan. Klasifikasi kelas POD dibagi menjadi tiga, yaitu kelas A, B dan C seperti pada Gambar frekuensi kemunculan skor. Setelah diperoleh frekuensi skor terhadap 1 dan Tabel 3 berikut.
Gambar 1. Distribusi skor terhadap frekuensi kumulatif
134 Tabel 3. Kelas – kelas POD.
Kelas A B C
Selang Skor 275 - 340 171 - 274 0 - 170
Pembagian kelas POD tersebut dilakukan dengan membagi penyebaran pada grafik frekuensi skor terhadap probabilitas kumulatif yang diperoleh. Pembagian batas kelas B dengan C diperoleh dengan melihat pergerakan grafik yang frekuensinya sudah mulai bertambah secara konstan, dan pembagian kelas B dengan A diperoleh dengan melihat pergerakan grafik saat grafik akan mulai turun frekuensinya. Pembagian kelas tersebut diperkuat dengan validasi yang dilakukan dengan cara memasukkan semua data dengan skor 1, 2, 3 dan 4. Gambar 2 dan Tabel 4 memberikan skor validasi pendukung klasifikasi kelas POD.
Gambar 2. Klasifikasi dari skor konstan Tabel 4. Skor validasi pendukung klasifikasi kelas POD.
Skor Validasi 1 2 3 4
Total skor untuk semua data 85 170 255 340
Batas kelas C diperoleh sebesar 170 karena skor tersebut merupakan batas skor saat semua data diberi skor 2 atau memiliki arti kualitas data sedang dan grafik probabilitas kumulatif terhadap frekuensi sudah bertambah atau naik secara konstan. Karena POD kelas C memiliki total skor kurang dari 170 atau 50 % dari total skor yang diperoleh, dapat diasumsikan bahwa sebaran skornya untuk setiap data berkisar 1 atau 2, maka POD kelas C ini belum layak untuk dijalankan, karena dari segi kualitas dan kuantitas data masih kurang. Pada POD kelas B diperoleh selang skor dari 170 – 274 atau 50 % – 80,5 % dari total skor yang diperoleh, dapat dikatakan sebaran nilainya cukup baik. Dapat diasumsikan bahwa setiap data memiliki skor antara 2 atau 3 yang berarti kualitas data sudah baik. POD sudah layak untuk dilakukan akan tetapi masih perlu penambahan kuantitas data untuk menunjang pengambilan keputusan pada POD yang dibuat. Penambahan kuantitas data dapat dilakukan dengan menam-
bah sumur atau melakukan tes sumur untuk skor agar bisa sampai pada POD kelas A. Bila skor sudah melebihi 274 atau 80,5 % dari total skor yang diperoleh, maka masuk ke dalam POD kelas A, sehingga POD sudah layak untuk dijalankan karena sebagian besar dapat diasumsikan bahwa setiap data memiliki kualitas yang baik dan kuantitas data sudah cukup. Tabel 5 memberikan total skor. Dari pembagian kelas tersebut, dapat dikatakan
135 IV. Kesimpulan
Tabel 5. Persentase total skor.
Kelas POD A B C
Persentase Total Skor > 80 % 51 - 80 % < 50 %
1. Metode Quick Look POD memberikan klasifikasi tiga kelas POD sebagai berikut: Kelas A, yaitu POD sepenuhnya disetujui oleh pihak yang berwewenang untuk diimplementasikan; Kelas B, yaitu sudah layak diimplementasikan dengan syarat masih membutuhkan penambahan data minor dengan kualitas yang memadai; POD kelas A merupakan kelas POD eksekusi dan Kelas C, yaitu harus dilakukan penambapenuh, yaitu POD sudah layak untuk dijalankan han data major (utama) dengan kualitas yang sepenuhnya. POD kelas B merupakan kelas POD memadai terlebih dahulu sebelum diajukan terbatas, yaitu sudah layak dilakukan eksekusi lagi ke pihak yang berwewenang.. tetapi masih harus dilakukan penambahan data 2. Dari Pengujian dengan Lapangan X dihasilyang merupakan kewajiban KPS. Sedangkan kan bahwa Lapangan X termasuk ke dalam kelas POD C merupakan kelas POD yang bePOD kelas B yang harus dilakukan penambalum layak dilakukan karena masih kurang dalam han data. kualitas dan kuantitas data yang diperlukan. Pada lapangan X yang dikaji, diperoleh total skor Daftar Pustaka dari sebelum pengeboran dan selama pengeboran sebesar 237 atau 69,70 %. Total skor terse- Dandona A. K.et al., Defining Data Requirement but masuk ke dalam POD kelas B, yaitu POD for a Simulation Study, SPE Members, SPE terbatas. POD lapangan X sudah layak untuk 22357 dieksekusi karena data dari lapangan tersebut su- Ginting, Julianus. (2010), Konsep Dasar Seisdah cukup baik, akan tetapi masih perlu penammik. bahan kuantitas pada data seperti penambahan Hariroh, Umi. (2010), Persamaan Baru Menggudata sumur yang ada, penambahan sumur baru nakan Pendekatan Statistik Untuk Mengestiatau dilakukan kajian lebih lanjut pada data yang masi Ultimate Recoverable Reserves Dalam masih kosong. Tahap Eksplorasi Hidrokarbon, Tesis, Teknik Prosedur penggunaan metode quick look Perminyakan ITB. pada klasifikasi tingkat kelayakan POD adalah : Hernansyah. (2008), Diktat Analisa Log Sumur, 1. Mengumpulkan seluruh data yang diperoleh Teknik Perminyakan ITB. dari geofisik, geologi dan perminyakan. h t t p : / / w w w. b p m i g a s . g o . i d / w p - c o n t e n t / 2. Memberikan skor pada data yang diperoleh uploads/2011/02/pod.pdf diunduh pada tangsesuai expert-judgement. gal 15 Maret 2011. 3. Menghitung total skor dari lapangan yang Rachmat, S. (2001), Simulasi Monte Carlo dikaji. Dan Analisis Resiko Untuk Pengembangan 4. Diperoleh kelas POD yang sesuai dengan total Lapangan Minyak Bumi. Proceeding Simposkor. sium Nasional IATMI.
136 Lampiran Lampiran 1. Data yang diperoleh pada lapangan X.
Sumber data Gravity Seismic Geology-Eng Study Depositional Environment Sumber data Pressure Log Mud Log Cuttings Cores
Drillstem
Electric Log SP Log Density Log Gamma Ray Log
Predrilling Data yang diperoleh structure and area depth markers, structure and area depth markers, structure and area, gross thickness, lithologi, mechanical properties depth markers, structure and area, lithologi, mechanical properties During drilling Data yang diperoleh depth markers, gross thickness, net thickness, lithologi, mechanical properties, contacts, pressure depth markers, gross thickness, net thickness, lithologi, mechanical properties, contacts, pressure, hydrocarbon properties depth markers, structure and area, lithologi, mechanical properties, contacts, pressure, hydrocarbon properties depth markers, structure and area, cementation factor, lithologi, mechanical properties, contacts, hydrocarbon properties porosity, permeability, relative permeability, fluid saturation, pore sizes, grain density depth markers, structure and area, pressure, fluid saturation, pore sizes, hydrocarbon properties, water properties, production rate, fluid produced depth markers, cementation factor, gross thickness, net thickness, contacts, fluid saturation depth markers, gross thickness, net thickness, lithologi, contacts, fluid saturation depth markers, gross thickness, net thickness, contacts, porosity, permeability, fluid saturation depth markers, gross thickness, net thickness, lithologi
gravity Character
Amplitude
Velocity
Time
gravity 3 2
4 2
Pressure Log 2 2 3 3 3 2 4 4 3 2
3
3
3 2
2 2 4 3 3 2
4
Mud Log
4
Cuttings
3
3 2
4 3 3 3 2 3 2
4 3 2
4 2 2
Cores
3
4 3
3 4 4
2
2 2
4
3 2
Drillstem
3 2
1
3
2 2 2
4
Electric
3 2
2
3
3 3 2
4
SP
3 2
Logs
During drilling Well bore Operation
2
2 2
4
2 2
4
Density
3 2
Predrilling Seismic Geology-Eng Study
3 3 3
4
Gamma Ray
Depth markers Structure and area Cementation factor Gross thickness Net thickness Lithology Mechanical properties Contacts Pressure Porosity Permeability Relative Permeability Fluid saturation Pore sizes Grain density Hydrocarbon properties Water properties Production rate Fluid produced
Time Operation
Lampiran 2. Tabel penilaian quick look (scoring).
137
Neutron
Acoustic
Environment
Depositional
and Maps
Knowledge,
Regional,
Analogy,
INDEKS C CO2 Injection 101,109 Coalbed Methane 93,95,99,110 D Deskripsi Reservoir 123 E Enhanced Coal Bed Methane (ECBM) 101,102,109 estimasi 77,78,79,82,87,88,90,108,109,135 estimation 78,109 F field development 130 G Gas Content 93,94,95,96,97,98,99,107 I Injeksi CO2 101,102,105,108 injeksi polimer 111,112,113,118,119,120,121 K Kapasitas Adsorpsi Langmuir 101,102 Konektivitas Reservoir 123 L lab test 78 Laboratory study 110,111 Logging 89,90,93,94,95 log sumur 77,78,82,83,84,85,88,89,90,91,135
Langmuir Adsorption Capacity 101 M Monte Carlo 129,130,131,132,133,135 O oil recovery 111,112,121,122,124 P pengembangan lapangan 123,129,130,132,135 perolehan minyak 111,112,117,119,121 POD 129,130,131,132,133,134,135 polymer injection 111 Production Data Analysis 123 Q quick look 129,130.131,132,135,137 R Reservoir Connectivity 123 Reservoir Description 123 rock elastic properties 78 S sifat elastik batuan 77,78,79,81 soft computing 77,78,87 Studi laboratorium 101,111,112 U uji lab 77,120 W well log 77,89,93,94,95
JURNAL TEKNOLOGI MINYAK DAN GAS BUMI PEDOMAN PENULISAN ISI DAN KRITERIA UMUM Naskah makalah ilmiah (selanjutnya disebut ”Naskah”) untuk publikasi di Jurnal Teknologi Minyak dan Gas Bumi (JTMGB) dapat berupa artikel hasil penelitian atau artikel ulas balik/tinjauan (review) tentang minyak dan gas bumi, baik sains maupun terapan. Naskah belum pernah dipublikasikan atau tidak sedang diajukan pada majalah/jurnal lain. Naskah ditulis dalam bahasa Indonesia atau bahasa Inggris sesuai kaidah masing-masing bahasa yang digunakan. Naskah harus selalu dilengkapi dengan Sari dalam Bahasa Indonesia dan Abstract dalam Bahasa Inggris. Naskah yang isi dan formatnya tidak sesuai dengan pedoman penulisan JTMGB akan ditolak oleh redaksi dan redaksi tidak berkewajiban untuk mengembalikan naskah tersebut. FORMAT Umum. Seluruh bagian dari naskah termasuk judul sari, judul tabel dan gambar, catatan kaki, dan daftar acuan diketik satu setengah spasi pada electronic-file dan print-out dalam kertas HVS ukuran A4. Pengetikan dilakukan dengan menggunakan huruf (font) Times New Roman berukuran 12 point. Setiap halaman diberi nomor secara berurutan termasuk halaman gambar dan tabel. Hasil penelitian atau ulas balik/tinjauan ditulis minimum 5 halaman dan maksimum sebanyak 15 halaman, di luar gambar dan tabel. Selanjutnya susunan naskah dibuat sebagai berikut: Judul. Pada halaman judul tuliskan judul, nama setiap penulis, nama dan alamat institusi masing-masing penulis, dan catatan kaki, yang berisikan terhadap siapa korespondensi harus ditujukan termasuk nomor telepon dan faks serta alamat e-mail jika ada. Sari. Sari/abstract ditulis dalam dua bahasa yaitu bahasa Indonesia dan bahasa Inggris. Sari berisi ringkasan pokok bahasan lengkap dari keseluruhan naskah tanpa harus memberikan keterangan terlalu terperinci dari setiap bab. Sari paling banyak terdiri dari 250 kata. Kata kunci/keywords ditulis di bawah sari/abstract dan terdiri atas empat hingga enam kata. Pendahuluan. Bab ini harus memberikan latar belakang yang mencukupi sehingga pembaca dapat memahami dan dapat mengevaluasi hasil yang dicapai dari penelitian yang dilaksanakan tanpa harus membaca sendiri publikasi-publikasi sebelumnya, yang berhubungan dengan topik yang bersangkutan. Pendahuluan harus berisi latar belakang, maksud dan tujuan, permasalahan, metodologi, serta materi yang diteliti. Hasil dan Analisis. Hanya berisi hasil-hasil penelitian baik yang disajikan dengan tulisan, tabel, maupun gambar. Hindarkan penggunaan grafik secara berlebihan bila dapat disajikan dengan tulisan secara singkat. Batasi penggunaan foto, sajikan yang benar-benar mewakili hasil penemuan. Beri nomor gambar dan tabel secara berurutan. Semua gambar dan tabel yang disajikan harus diacu dalam tulisan. Pembahasan atau Diskusi. Berisi interpretasi dari hasil penelitian yang diperoleh dan pembahasan yang dikaitkan dengan hasil-hasil yang pernah dilaporkan. Kesimpulan dan Saran. Berisi kesimpulan dan saran dari isi yang dikandung dalam tulisan. Ucapan Terima Kasih. Dapat digunakan untuk menyebutkan sumber dana penelitian dan untuk memberikan penghargaan kepada beberapa institusi atau orang yang membantu dalam pelaksanaan penelitian dan atau penulisan laporan.
JURNAL TEKNOLOGI MINYAK DAN GAS BUMI PEDOMAN PENULISAN Acuan. Acuan ditulis dan disusun menurut abjad. Beberapa contoh penulisan sumber acuan: Jurnal Hurst, W., 1934. Unsteady Flow of Fluids in Oil Reservoirs. Physics (Jan. 1934) 5, 20. Buku Abramowitz, M and Stegun, I.A., 1972. Handbook of Mathematical Functions. Dover Publications, Inc., New York. Bab dalam Buku Costa, J.E., 1984. Physical geomorphology of debris flow. Di dalam: Costa, J.E. & Fleischer, P.J. (eds), Developments and Applications of Geomorphology, Springer-Verlag, Berlin, h.268-317. Sari Barberi, F., Bigioggero, B., Boriani, A., Cavallini, A., Cioni, R., Eva, C., Gelmini, R., Giorgetti, F., Iaccarino, S., Innocenti, F., Marinelli, G., Scotti, A., Slejko, D., Sudradjat, A., dan Villa, A., 1983. Magmatic evolution and structural meaning of the island of Sumbawa, Indonesia-Tambora volcano, island of Sumbawa, Indonesia. Abstract 18th IUGG I, Symposium 01, h.48-49. Peta Simandjuntak, T.O., Surono, Gafoer, S., dan Amin, T.C., 1991. Geologi Lembar Muarabungo, Sumatera. Pusat Penelitian dan Pengembangan Geologi, Bandung. Prosiding Marhaendrajana, T. and Blasingame, T.A., 1997. Rigorous and Semi-Rigorous Approaches for the Evaluation of Average Reservoir Pressure from Pressure Transient Tests. paper SPE 38725 presented at the SPE Annual Technical Conference and Exhibition, San Antonio, Oct. 5–8. Skripsi/Tesis/Disertasi Marhaendrajana, T., 2000. Modeling and Analysis of Flow Behavior in Single and Multiwell Bound ed Reservoir. PhD dissertation, Texas A&M University, College Station, TX. Informasi dari Internet Cantrell, C., 2006. Sri Lankan’s tsunami drive blossom: Local man’s effort keeps on giving. Http:// www.boston.com/news/local/articles/2006/01/26/sri_lankans_tsunami_drive_blossoms/[26 Jan 2006] Software ECLIPSE 100 (software), GeoQuest Reservoir Technologies, Abbingdon, UK, 1997. Naskah sedapat mungkin dilengkapi dengan gambar/peta/grafik/foto. Pemuatan gambar/peta/grafik/foto selalu dinyatakan sebagai gambar dan file image yang bersangkutan agar dilampirkan secara terpisah dalam format image (*.jpg) minimal resolusi 300 dpi, Corel Draw (*,cdr), atau Autocad (*,dwg). Gambar dan tabel diletakkan di bagian akhir naskah masing-masing pada halaman terpisah. Gambar dan tabel dari publikasi sebelumnya dapat dicantumkan bila mendapat persetujuan dari penulisnya. PENGIRIMAN Penulis diminta mengirimkan satu eksemplar naskah asli beserta dokumennya (file) di dalam compact disk (CD) yang harus disiapkan dengan program Microsoft Word. Pada CD dituliskan nama penulis dan nama dokumen. Naskah akan ditolak tanpa proses jika persyaratan ini tidak dipenuhi. Naskah agar dikirimkan kepada: Redaksi Jurnal Teknologi Minyak dan Gas Bumi d.a. Patra Office Tower Lt. 1 Ruang 1C Jln. Jend. Gatot Subroto Kav. 32-34 Jakarta 12950 – Indonesia Pengiriman naskah harus disertai dengan surat resmi dari penulis penanggung jawab/korespondensi (corresponding author) yang harus berisikan dengan jelas nama penulis korespondensi, alamat lengkap untuk suratmenyurat, nomor telepon dan faks, serta alamat e-mail dan telepon genggam jika memiliki. Penulis korespondensi bertanggung jawab atas isi naskah dan legalitas pengiriman naskah yang bersangkutan. Naskah juga sudah harus diketahui dan disetujui oleh seluruh anggota penulis dengan pernyataan secara tertulis.
ISSN 021664101-2 ISSN 0216-6410
9
7 7 0 2 1 6
6 4 1 0 1 4