Karakterisasi Reservoir: Studi Kasus Lapangan Marginal Reservoir Characterization: Case Study of a Marginal Field Muhammad Nur Ali Akbar (1), Pudji Permadi (2) (1)
Teknik Perminyakan, Institut Teknologi dan Sains Bandung (ITSB) Kota Deltamas, Kabupaten Bekasi. e-mail :
[email protected] (2) Teknik Perminyakan, Institut Teknologi Bandung (ITB), Jl. Ganesha 10, Bandung. e-mail :
[email protected]
Sari Karakterisasi reservoir merupakan usaha dan proses yang sangat penting di dalam membangun model dinamik reservoir. Prediksi dan penyebaran permeabilitas pada model dinamik memiliki peran penting yang dapat memengaruhi prediksi kinerja reservoir. Hal ini menjadi bagian utama yang sangat penting dan krusial dalam mengevaluasi lapangan marginal. Tujuan utama dari studi ini adalah menyajikan hasil perbandingan atas penerapan tiga metode prediksi permeabilitas pada model reservoir suatu lapangan marginal dan melakukan pengujian ketiga metode ini terhadap sebelas data DST. Ketiga metode prediksi permeabilitas yang digunakan yaitu metode-metode PGS, HFU dan analisis multivariabel dari respon log. Lapangan yang digunakan untuk studi kasus ini terletak di Lepas Pantai Utara Jawa Barat. Data yang tersedia meliputi model statik dari reservoir terkait, sebelas data DST, PVT, routine core, SCAL, dan data analisis petrografi. Tiga metode prediksi permeabilitas kemudian diterapkan pada model reservoir statik. Diperoleh bahwa hanya dua metode prediksi permeabilitas yaitu PGS dan HFU yang dapat diimplementasikan dan memberikan pola penyebaran permeabilitas yang berbeda antara satu metode dengan metode lainnya. Sedangkan persamaan dari metode analisis multivariabel tidak dapat diimplementasikan pada model reservoir statik. Parameter hasil DST yang digunakan sebagai data uji tingkat akurasi prediksi permeabilitas meliputi laju alir minyak, gas, air, tekanan alir dasar sumur, dan faktor skin. Selain itu, hasil pola sebaran permeabilitas dari penerapan ketiga metode tersebut dikaji berdasarkan aspek geologi, terutama pola pengendapan batuan reservoir. Hasil studi simulasi reservoir yang dilakukan menunjukkan bahwa pola sebaran permeabilitas sangat berpengaruh pada kinerja model dan penyelarasannya terhadap data DST. Pola sebaran permeabilitas yang paling mendekati makna aspek geologinya menghasilkan kinerja dinamik reservoir yang paling mendekati data dan interpretasi DST. Kata kunci: karakterisasi reservoir, prediksi permeabilitas, pola deposisional, simulasi reservoir, lapangan marginal.
1
Abstract Reservoir characterization is the most important task to build a dynamic reservoir model. Permeability distribution of the dynamic model has important roles in the reservoir performance prediction. This is even of particular importance and crucial in evaluating a marginal field. The main purpose of this study is to present results of a comparative study of three permeability prediction methods implemented in the reservoir model of a marginal field and test the model against eleven DST data available from the field. The field data used in this study are from a field located in the Offshore North West Java. The available data consist of reservoir static model, DST data sets, PVT, routine core, SCAL, and petrographic analysis. The three permeability prediction methods are then applied to the static reservoir model. The results show that two methods (PGS and HFU) produces a quite different permeability distribution as compared to the others. Whereas the permeability prediction equation based on multivariate analysis cannot be implemented on this static reservoir model. Parameters from the DST data used to validate the dynamic reservoir model include oil rate, gas rate, water rate, flowing bottom-hole pressure, and skin factor. In addition, the permeability distribution resulted from each method are analyzed on the basis of geological aspects, mainly the depositional point of view. The reservoir simulation results found that the permeability distribution greatly affects the dynamic model performance. The permeability distribution resembling closely the depositional pattern of the reservoir layers requires less reservoir parameter adjustments to get good matches with all the DST data. This demonstrates the importance of geological aspects of the area of interest and implementation of a proper method of permeability prediction for reservoir characterization. keywords: reservoir characterization, permeability prediction, depositional pattern, reservoir simulation, marginal field.
2
2003), bahkan melakukan prediksi permeabilitas Pendahuluan
dengan
Karakterisasi reservoir memiliki peran yang sangat
penting
dalam
merancang
strategi
pengembangan dan pengelolaan suatu lapangan. Hal ini dilakukan untuk mendorong tingkat keakuratan dari kegiatan pemodelan reservoir terutama dalam memprediksi nilai permeabilitas
menggunakan
pengukuran
virtual
artificial intelegent atau yang dikenal sebagai artifical neural network (Mohaghegh dkk., 1994 ; Shujath Ali dkk., 2013). Secara umum, metode dan konsep yang telah dikembangkan tersebut masih belum dapat mengintegrasikan aspek geologi dan aspek reservoir dengan baik.
yang sangat berpengaruh dalam membangun Sebuah
suatu model dinamik.
metode
rock
type
dan
prediksi
permeabilitas telah dikembangkan (Permadi Permeabilitas merupakan salah satu sifat fisik batuan yang sangat perlu diketahui untuk membentuk model dinamik tetapi cukup sulit untuk di prediksi. Secara tradisional, prediksi permeabilitas dilakukan berdasarkan analisis regresi pada grafik semilog antara permeabilitas dan porositas yang diperoleh dari data routine core tanpa menganalisis dari aspek geologi, sehingga
metode
ini
dapat
menimbulkan
kesalahan (error) yang signifikan terutama pada reservoir yang heterogen.
dkk.,
2013),
yaitu
mempertimbangkan
konsep
hubungan
antara
dengan aspek
geologi maupun aspek teknik reservoir. Pada konsep ini menyatakan bahwa arsitektur pori dalam hal ini adalah geometri pori dan struktur pori dapat digunakan untuk mengelompokkan batuan dan juga menjadi dasar dalam melakukan prediksi permeabilitas. Dari hasil penelitian metode ini arsitektur kemiripan
mengungkap bahwa kemiripan
pori-pori fitur-fitur
berkaitan geologi
erat pada
dengan skala
Berbagai macam konsep dan pendekatan telah
mikroskopik (microscopic geological features)
dikembangkan
klasifikasi
yang merupakan manifestasi dari kejadian-
batuan (rock typing) dan memprediksi nilai
kejadian geologi (lingkungan pengendapan dan
permeabilitas batuan, baik dari pendekatan yang
diagenesa) yang serupa. Sehingga pada makalah
berlandaskan aspek geologi maupun aspek dari
ini mendorong penulis untuk membandingkan
teknik reservoir. Beberapa konsep yang populer
beberapa metode karakterisasi reservoir yang
saat ini telah dikembangkan diantaranya melalui
populer yang dalam hal ini adalah metode PGS,
pendekatan aspek geologi (R.L. folk, 1959 ; R.J.
HFU, dan analisis multivariabel dari respon log
Dunham, 1961; dan W.E Ham dan L.C.Pray,
dan kemudian hasilnya akan diaplikasikan
1962), pengelompokan batuan dengan konsep
kedalam suatu model Lapangan Marginal yang
Leverett J-Function (M.C. Leverett, 1940 dan N.
berada disekitar Lepas Pantai Utara Jawa Barat
El-Khatib, 1995), konsep hydraulic flow unit
(Offshore North West Java).
untuk
melakukan
(HFU) (J.O. Amaefule dkk., 1993 ; Abbaszadeh dkk., 1996 ; Gunter dkk., 1997; dan Corbett dkk., 3
Ketiga metode ini kemudian diimplementasikan kedalam model reservoir dan disimulasikan. Maksud dan Tujuan
Berikut sacara berurutan pada Gambar 1 sampai
Penelitian ini dimaksudkan untuk memahami secara mendalam peran penting dari kegiatan karakterisasi reservoir untuk keperluan simulasi reservoir yang dalam hal ini melakukan rock
Gambar 4 menunjukkan metodologi dan garis besar
langkah-langkah
pengerjaan
dalam
melakukan suatu proses karaterisasi reservoir pada Lapangan Marginal ini.
typing serta membandingkan 3 metode prediksi permeabilitas yaitu pore-geometry structure (PGS), hydraulic flow unit (HFU), dan analisis multivariabel dari respon log. Ketiga hasil prediksi
tersebut
akan
diimplementasikan
kedalam suatu kasus Lapangan Marginal minyak dan gas yang berada di sekitar Lepas Pantai Utara Jawa Barat. Metodologi Dalam studi ini terdapat 4 langkah utama yang dilakukan untuk mencapai maksud dan tujuan penelitian, yaitu : 1) penentuan
rock
type
dan
Gambar 1. Langkah Kerja Metode Pore GeometryStructure (PGS) dalam menentukan rock type dan prediksi permeabilitas
prediksi
permeabilitas dengan metode pendekatan pore-geometry structure (Permadi dan Susilo, 2009) yang didukung dengan penggunaan rock types curve (Wibowo dan Permadi, 2013), 2) Penentuan
flow
unit
dan
prediksi
permeabilitas dengan metode pendekatan hydraulic flow unit (Amaefule dkk., 1993) yang di dukung dengan penggunaan global hydraulic element basemaps (Corbett dan Gambar 2. Langkah Kerja Metode Hydraulic Flow Unit (HFU)
Potter, 2004), 3) Penentuan
permeabilitas
menggunakan
metode analisis multivariabel dengan variabel yang digunakan adalah respon log dan hasil interpretasi log. 4
Data DST yang akan dilakukan proses history matching
Data-data tersebut dipergunakan dalam proses karakterisasi yang dalam hal ini yaitu penentuan jumlah rock type, flow unit, melakukan prediksi Gambar 3. Langkah Kerja Multivariabel dari Respon Log
Metode
Analisis
permeabilitas, dan dilanjutkan pada proses simulasi reservoir. Hubungan Porositas vs Permeabilitas Pada
umumnya,
permeabilitas eksponen
hubungan
dimodelkan
pada
semilog
porositas dengan
plot.
Data
dan fungsi yang
digunakan dalam plot porositas () terhadap log permeabilitas (k) (Gambar 5) diperoleh dari sampel conventional core sebanyak 63 sampel pada Sumur-02 dan Sumur-05. Dari hasil crossplot tersebut menunjukkan suatu hubungan Gambar 4. Langkah Kerja Pemodelan dan Simulasi Reservoir
bahwa karakter batuan dari reservoir tersebut
Data Penelitian Data penelitian dalam studi ini diperoleh dari data lapangan yang berada di Lepas Pantai Utara Jawa Barat (ONWJ). Data yang diperlukan dan tersedia pada studi kasus ini diantaranya :
yang menyebar dan dapat diinterpretasikan
Data model statik dari reservoir terkait yaitu model v-shale,
porositas,
bersifat heterogen, sehingga dalam memprediksi permeablitas
hanya
dengan
menggunakan
hubungan persamaan crossplot tersebut akan menyebabkan
prediksi
yang
menyimpang
(overpredicted atau underpredicted).
dan saturasi
dengan jumlah sumur sebanyak 4 (empat) sumur eksplorasi (Gambar A-3 sampai Gambar A-5)
Data Wireline Log dari keempat sumur
Data core yang terdiri dari routine core analysis (RCA) yang diukur dalam kondisi overburden
dan
special
core
(SCAL)
Analisis petrografi dari sampel core
Data PVT Analysis
analysis Gambar 5. Crossplot Porositas () vs Permeabilitas (k)
Penentuan Rock Type dan Flow Unit 5
Rock typing adalah proses pengklasifikasian batuan ke dalam beberapa unit yang berbeda, dimana
masing-masing
unit
mengalami
pengendapan di bawah kondisi geologi yang sama dan memiliki perubahan diagenesa yang sama (Archie, 1950). Dalam studi kasus ini, penentuan
rock
menggunakan
type
metode
pengelompokkannya
dilakukan PGS
yang
didasarkan
dengan jumlah atas
penggunaan PGS rock type curves (Wibowo & Permadi, 2013). Rock type curve tersebut mencirikan suatu karakter batuan disetiap rock typenya dimana semakin besar harga pore geometry
dan pore structure
,
menunjukkan kualitas batuan yang semakin baik dan sebaliknya. Berdasarkan hasil plot dari parameter pore geometry dan pore structure pada rock type curve tersebut diperoleh bahwa terbentuk sebanyak 8 (delapan) rock type pada Lapangan Marginal ini yang selanjutnya disebut
Gambar 6. Penentuan Rock Type Berdasarkan Hasil Plot antara parameter Pore Geometry terhadap Pore Structure pada PGS Rock type curve
Dalam
penentuan
flow
unit
dengan
menggunakan metode HFU, pengklasifikasian dilakukan dengan mengombinasikan petrotyping oleh GHE basemap untuk mengontrol jumlah flow unit yang terbentuk pada sampel core yang tersedia (Corbett dan Potter, 2004). Semakin tinggi GHE menunjukkan kualitas batuan yang lebih baik dan sebaliknya. Hasil crossplot porositas dan permeabilitas pada GHE basemap (gambar 7) menunjukkan bahwa terdapat 6 GHE yang terbentuk yang selanjutnya disebut sebagai flow unit HU-1 sampai HU-6. Seperti halnya pengelompokkan dengan metode PGS, hasil dari klasifikasi flow unit ini juga menunjukkan karakter geologi yang terbentuk berdasarkan klasifikasi dari GHE basemap diikuti dengan nilai FZI (flow zone indicator) disetiap flow unitnya (Tabel A-2).
dengan RT-1 sampai RT-8 (Gambar 6). Dari setiap rock type yang terbentuk menunjukkan suatu kelompok batuan yang memiliki karakter kemiripan baik dari geometri pori maupun struktur pori batuan sebagaimana sebagaimana ditunjukkan pada Tabel A-1.
Gambar 7. Crossplot Porositas vs Permeabilitas pada GHE Basemap dalam Menentukan Jumlah Flow Unit yang terbentuk
Permeabilitas dari Ketiga Metode Permeabilitas merupakan salah satu dari sifat fisik batuan yang harus dimiliki oleh batuan reservoir, yaitu kemampuan untuk mengalirkan 6
fluida reservoir melalui pori-pori yang saling terhubung
dalam
batuan
reservoir
(interconnected pores). Permeabilitas memiliki peran yang sangat penting dalam membangun suatu model dinamik tetapi tidak mudah untuk diprediksi penyebarannya. Prediksi permeabilitas dalam
studi
kasus
ini
dilakukan
dengan
menggunakan 3 (tiga) metode yang berbeda, yaitu
Metode
PGS,
HFU,
dan
analisis
Gambar 9. Hasil Prediksi Permeabilitas pada Skala Interval Log dengan Metode PGS
Prediksi
permeabilitas
kedua
menggunakan
multivariabel dari respon log. Ketiga metode
metode HFU yang dilakukan dengan membentuk
tersebut akan diimplementasikan kedalam suatu
persamaan
model
fungsi dari porositas efektif dan FZI untuk setiap
reservoir
untuk
disimulasikan
dan
permeabilitas
unitnya
(Tabel
yang
A-4).
merupakan
dibandingkan agar diperoleh hasil prediksi yang
flow
Persamaan
lebih akurat dalam melakukan model dinamik.
permeabilitas tersebut juga memberikan hasil prediksi permeabilitas yang sangat baik untuk
Hasil prediksi permeabilitas pertama diperoleh dengan menggunakan metode PGS, dimana
skala sampel core (Gambar 10) dan skala interval log (Gambar 11).
persamaan prediksi permeabilitas diperoleh dari fungsi porositas () dan irreducible water saturation (Swirr). Bentuk persamaan prediksi permeabilitas
dengan
metode
PGS
ini
ditunjukkan pada Tabel A-3. Hasil persamaan tersebut memberikan hasil prediksi yang sangat baik untuk skala sampel core (Gambar 8) maupun hasil prediksi dari interval log (Gambar 9). Gambar 10. Perbandingan k prediksi terhadap k core Metode HFU
Gambar 8. Perbandingan k Prediksi Terhadap k Core dengan Metode PGS
Gambar 11. Hasil Prediksi Permeabilitas pada Skala Interval Log Metode HFU 7
Hasil
prediksi
permeabilitas
ketiga
yaitu
suatu model dinamik untuk menentukan metode
menggunakan metode analisis multivariabel dari
manakah
respon
terbaik.
log.
Metode
ini
mengintegrasikan
yang
memberikan
hasil
prediksi
berbagai respon dan hasil interpretasi log yang memiliki hubungan erat dalam membentuk nilai permeabilitas
dari
suatu
batuan
berpori
(reservoir). Hasil persamaan yang dibentuk dapat berupa
persamaan
kuadrat,
polinomial,
logaritmik, eksponensial, maupun kombinasi. Hasil prediksi permeabilitas pada studi kasus ini diperoleh persamaan permeabilitas dari respon
Gambar 13. Perbandingan Hasil 3 (Tiga) Metode Prediksi Permeabilitas pada Interval Log
Ketiga metode prediksi ini diimplementasikan
log yaitu :
kedalam suatu model reservoir. Hasil distribusi permeabilitas dari metode PGS dan HFU (1)
menunjukkan pola sebaran yang berbeda satu
Dimana : k = Permeabilitas PHIT = Porositas dari Neutron-Density NPHI = Neutron Log GR = Gamma Ray = NPHI – PHIT Dari persamaan diatas juga menunjukkan hasil prediksi permeabilitas yang baik pada interval log (Gambar 12).
sama
lain,
sedangkan
metode
analisis
multivariabel tidak dapat diimplementasikan kedalam model reservoir karena persamaan permeabilitas yang dibentuk dari Sumur-02 tidak sesuai untuk diimplementasikan pada sumur-05 (gambar 14). Sehingga dalam melakukan analisis selanjutnya, yaitu proses simulasi reservoir hanya menggunakan model permeabilitas dari metode PGS dan HFU.
Gambar 12. Hasil Prediksi Permeabilitas pada Skala Interval Log Metode Analisis Multivariabel dari Respon Log.
Perbandingan tersebut
jika
dari
ketiga
dilihat
metode
dari
prediksi
interval
log
menunjukkan hasil prediksi yang baik (Gambar 13). Namun perlu dilakukan hasil prediksi permeabilitas yang diimplementasikan kedalam
Gambar 14. Prediksi Permeabilitas dengan Metode Analisis Multivariabel pada Sumur-05
Hasil
distribusi
permeabilitas
pada
model
reservoir untuk metode PGS ditunjukkan pada Gambar 15 dan Gambar 16, sedangkan untuk 8
metode HFU ditunjukkan pada Gambar 17 dan Gambar 18.
Gambar 18. Model Permeabilitas dari Metode HFU (Tampak Samping)
Inisialisasi Gambar 15. Model Permeabilitas dari Metode PGS (Tampak Atas)
Tahap
inisialisasi
merupakan
tahap
untuk
menyelaraskan hasil perhitungan in-place dari volumetrik dengan hasil hitungan simulator. Hasil inisialisasi untuk model dari Lapangan X ditunjukkan pada Tabel 1, Gambar 19 dan Gambar 20 berikut. Tabel 1. Inisialisasi Model Lapangan X Zona Minyak Gas
Gambar 16. Model Permeabilitas dari Metode PGS (Tampak Samping)
Segmen 2 (east) 4 2 (west) 3
Initial Inplace Unit Volumerik Simulasi 19.474 19.247 MMSTB 13.4 13.21 MMSTB 106.235 108.85 BSCF 34.232 35.42 BSCF
Gambar 19. Inisialisasi Zona Minyak Lapangan X Gambar 17. Model Permeabilitas dari Metode HFU (Tampak Atas)
9
Gambar 20. Inisialisasi Zona Gas Lapangan X
Perbandingan Hasil Simulasi dan History
Gambar 21. Perbandingan Hasil Simulasi Reservoir dari Kedua Metode* pada Kondisi Awal Reservoir Segmen-2 untuk Zona Gas. *)
PGS (Hijau) dan HFU (Merah)
Matching dari Kedua Metode Dari kedua model permeabilitas yaitu PGS dan HFU, selanjutnya dilakukan proses simulasi reservoir untuk melihat kinerja terbaik simulasi model dinamik dari kedua model permeabilitas tersebut. Proses simulasi dalam
studi ini
dilakukan pada Segmen 2, 3 dan 4 yang terbagi atas zona minyak dan zona gas. Hasil simulasi yang menunjukkan penyelarasan lebih mendekati data observasi menunjukkan bahwa model hasil prediksi tersebut mendekati makna dari aspek geologi dan kondisi sebenarnya dari reservoir
Gambar 22. Perbandingan Hasil Simulasi Reservoir dari Kedua Metode* pada Kondisi Awal Reservoir Segmen-3 *)
PGS (Hijau) dan HFU (Merah)
terkait. Adapun hasil simulasi dari kedua metode untuk kondisi awal reservoir sebelum dilakukan proses penyesuaian parameter (adjustment) di setiap segmen dan zona hidrokarbon tersebut ditunjukkan pada Gambar 21 dan Gambar 22 untuk zona gas, sedangkan untuk zona minyak ditunjukkan pada Gambar 23 dan Gambar 24.
Gambar 23. Perbandingan Hasil Simulasi Reservoir dari Kedua Metode* pada Kondisi Awal Reservoir untuk Zona Minyak *)
PGS (Hijau) dan HFU (Merah)
10
dari harga skin simulasi terhadap skin observasi berdasarkan data welltest (Tabel A-5 dan Gambar A-9).
Gambar 24. Perbandingan Hasil Simulasi dari Kedua Metode* pada Kondisi Awal Reservoir Segmen-4 *)
PGS (Hijau) dan HFU (Merah)
Jika dilihat dari perbedaan relatif hasil simulasi sebelum dilakukan proses penyesuaian parameter (adjustment), bahwa metode PGS secara umum menunjukkan
hasil
prediksi
yang
Gambar 23. Hasil History Matching dari Hasil Adjustment pada Segmen-2 Zona Gas *)
PGS (Hijau) dan HFU (Merah)
lebih
mendekati data observasi dibandingkan metode HFU, baik untuk parameter laju alir gas, minyak, air, maupun bottomhole pressure untuk di kedua zona
hidrokarbon.
Kemudian,
untuk
menyelaraskan parameter-parameter yang masih mengalami overpredicted dan underpredicted, pertama dilakukan penurunan kontak fluida, yaitu WOC hingga total depth peforasi pada Sumur-02 untuk reservoir Segmen 2. Hal ini
Gambar 24. Hasil History Matching dari Hasil Adjustment pada Segmen-3 Zona Gas *)
PGS (Hijau) dan HFU (Merah)
dilakukan karena batas kontak yang ditentukan sebelumnya tidak menunjukkan adanya indikasi air
yang terproduksi dari
hasil observasi
(Gambar A-2). Proses kedua yaitu melakukan penyesuaian harga permeabilitas dan batas kontak fluida pada model reservoir Segmen-4. Langkah
terakhir
yaitu
melakukan
proses
penyelarasan harga BHP dengan melakukan adjustment pada harga skin. Sehingga diperoleh hasil akhir history matching pada setiap segmen reservoir Lapangan X ini (Gambar 23 sampai
Gambar 25. Hasil History Matching dari Hasil Adjustment pada Segmen-2 Zona Minyak *)
PGS (Hijau) dan HFU (Merah)
Gambar 26) serta perbandingan perbedaan relatif 11
rock type yang ditentukan agar hasil prediksi lebih akurat. 2) Perlunya studi lebih lanjut dalam penerapan metode prediksi permeabilitas dengan analisis multivariabel untuk dibandingkan dengan metode-metode lainnya. Ucapan Terima Kasih Penulis ucapkan terima kasih kepada bapak Prof. Gambar 26. Hasil History Matching dari Hasil Adjustment pada Segmen-4 Zona Minyak *)
PGS (Hijau) dan HFU (Merah)
Ir. Pudji Permadi, M.Sc., Ph.D. dan Agung Budiarto, ST serta rekan-rekan sekalian atas arahan, dukungan dan diskusi yang bermanfaat
Kesimpulan
selama proses pengerjaan studi kasus ini.
1) Hasil prediksi permeabilitas dari ketiga metode menunjukkan hasil prediksi yang baik, namun persamaan dari metode analisis multivariabel tidak dapat diaplikasikan pada sumur-sumur lainnya dikarenakan lingkungan pengendapan dan diagenesa dari batuan yang terwakili dari setiap sumur sudah sangat berbeda. 2) Hasil keseluruhan dari history matching menunjukkan memberikan
bahwa hasil
metode
simulasi
yang
PGS lebih
mendekati data observasi, baik dari laju alir gas, minyak, dan air serta nilai BHP. 3) Hasil
penyesuaian
terhadap
nilai
skin
menunjukkan bahwa hasil simulasi dengan metode PGS secara keseluruhan memberikan selisih skin yang lebih kecil terhadap data welltest analysis. Rekomendasi 1) Data SCAL baik tekanan kapiler dan relatif permeabilitas untuk keperluan model statik dan dinamik sebaiknya dapat mewakili setiap
Referensi Abbaszadeh, M., et al. 1996. Permeability Prediction by Hydraulic Flow Unit –Theory and Applications. SPE Formation Evaluation Journal, December. Afianti, Anisa. 2013. Penentuan Rock Type dan Prediksi Permeabilitas pada Lapangan Widuri [Thesis]. Bandung : Program Studi Teknik Perminyakan, Pascasarjana, Institut Teknologi Bandung. Ahmed, U., Crary, S. F., and Coates, G. R. (1991): Permeabiilty Estimation: The various Sources and Their Interrelationships. SPE 19604. San Antonio. Amaefule, J. O., et.al. 1993. Enhanced Reservoir Description: Using Core and Log Data to Identify Hydraulic (Flow) Units and Predict Permeability in Uncored Intervals/Wells. SPE 26436. Texas. Amyx, J. W., Bass, Jr, D. M., and Whiting, R. L. 1960. Petroleum Reservoir Engineering–Physical Properties. McGrawHill Book Company. New York. Archie. 1950. Introduction to petrophysics of reservoir rocks. Buletin of the American Association of Petroleum Geologists. Vol. 34, No. 5, p. 943-961. Corbett P.W.M, dan D.K. Potter. 2004. Petrotyping: a basemap and atlas for Navigating through permeability and Porosity data for reservoir comparison and Permeability prediction. Paper dipresentasikan pada International 12
symposium of the Society of Core Analysis . Abu Dhabi, UEA. 5-9 oktober 2004. Dorojatun et al. (1996): Geological reservoir heteroginity of Talang Akar depositional system in the Jatibarang SubBasin, Offshore Northwest Java, Indonesia. Proceedings of the Indonesian Petroleum Association. 15th Annual Convention. 1, p. 357-373. Dunham, R.J. (1962) : Classification Of Carbonate Rocks According To Depositional Texture, Memoir of the American Association of Petroleum Geologists, 1, 108 – 121. El-Khatib. 1995. Development of a Modified Capillary Pressure J-Function, SPE 29890, Saudi Arabia. Folk, R.L. (1962) : Spectral Subdivision Of Limestone Types, Memoir of the American Association of Petroleum Geologists, 1, 62 – 84. Guo, G. et al. 2005. Rock Typing as an Effective Tool for Permeability and WaterSaturation Modeling: A Case Study in a Clastic Reservoir in the Oriente Basin. Paper SPE 97033 yang dipresentasikan pada SPE Annual Technical Conference and Exhibition, Dallas,U.S.A., 9-12 October 2005. Kurnia, I., Permadi, A. 2011. Rock Type Based Permeability Prediction Using Routine and Special Core Analysis Data [Tugas Akhir]. Bandung : Departemen Program Studi Teknik Perminyakan, Program Sarjana, Institut Teknologi Bandung. Leverett, M.C. 1941. Capillary Pressure in Porous Solids, Trans., AIME, Vol. 142, p. 341-358. Lucia, J.F. (1983) : Petrophysical Parameters Estimated from Visual Descriptions of Carbonate Rocks: A Field Classification of Carbonate Pore Space, Journal of Petroleum Technology, March, 626 – 637. Lucia, J.F. (1999) : Carbonate Reservoir Characterization An Integrated Approach 2nd Edition, Springer-Verlag Berlin Heidelberg, 29 – 65. Lucia, J.F., dan Jening Jr. (2003) : Carbonate Reservoir Characterization, Bureau of Economic Geology.
Permadi, et.al. 2011. Rock typing and permeability prediction for water-wet and oil-wet rocks, Proceedings of Society of Core Analyst, SCA2011-53, Texas. Permadi, P., and Susilo, A. (2009): Permeability Prediction and Characteristics of Pore Structure and Geometry as Inferred from Core Data, SPE 125350-PP, Abu Dhabi. Rushing, J.A., Newsham, K.E., Blasingame, T.A. 2009. Rock Typing – Keys to Understanding Productivity in Tight Gas Sands. Paper di presentasikan pada Unconventional Reservoirs Conference. Colorado, USA. 10-12 Februari 2009. Soto. R and J.C. Garcia. 2013.Permeability Prediction Using Hydraulic Flow Units And Hybrid Soft Computing Systems. Paper dipersentasikan pada 2001 SPE Annual Technical Conference and Exhibition held in New Orleans. Lousiana. 30 September – 3 October 2001. Stolz, A., and Graves, R. M. 2003. Sensitivity Study of Flow Unit Definition by Use of Reservoir Simulation, SPE 84277, Colorado. Tiab, Djebbar., Erle C. Donaldson. 2004. Petrophysics: Theory and Practice of Measuring Reservoir Rock and Fluid Transport Properties. Elsevier. USA. 105189. Tucker, M.E. 2003. Sedimentary rocks in the field. Ed ke-3. West Sussex: Jhon Willey. Wibowo, A.S, and Permadi, P. 2013. A type curve for carbonate rock typing. Paper dipresentasikan pada International Petroleum Technology Conference. Beijing, 26-28 Maret 2013. Wibowo, A.S. 2013. Karakterisasi Batuan Karbonat Berdasarkan Geometri dan Struktur Pori-Pori [Disertasi]. Bandung : Program Studi Teknik Perminyakan, Program Doktor, Institut Teknologi Bandung. Yogi, Ade. 2012. Studi perbandingan beberapa metode karakterisasi reservoir untuk keperluan simulasi reservoir Formasi Talang Akar non-marine lapangan x [thesis]. Bandung: Pascasarjana Teknik Perminyakan, Fakultas Teknik Pertambangan dan Perminyakan, Institut Teknologi Bandung. 13
Young dan Atkinson. 1993. A Review of Talang Akar Formation (Oligo-Miocene) reservoir in the Offshore Areas of Southeast Sumatra and Northwest Java. IPA. Clastic Core Workshop. October.
14
Lampiran Table A-1. Klasifikasi Rock Type PGS dan Deskripsi Geologinya RT
Persamaan Rock type
Deskripsi Geologi Didominasi tuff sandstone dengan ukuran butir dari fine-coarse,
1
angular-subangular, sorting jelek, keras, terdapat kristalisasi kuarsa. Didominasi tuff sandstone dengan ukuran butir fine-coarse,
2
subangular-angular, keras, umumnya berwarna light-medium grey, sorting jelek, ash mtrx. Didominasi oleh tuff sandstone dan diselingi juga andecitic
3
sandstone, berwarna light grey, poor-mod. Sorted, very finecoarse grain, beberapa mengandung carbonan Didominasi oleh Andecitic sandstone, medium-coarse grain, very
4
hard, berwarna kuning kebiruan , mengandung karbonatan, dan sorting jelek. Didominasi oleh tuff dan andecitic sandstone, berwarna light-
5
medium grey, very hard, very fine–medium grain, mengandung calcareous. Didominasi oleh tuff sandstone dan juga diselingi oleh batuan
6
metamorf tuff yang berwarna gelap dengan ukuran butir dari very fine-fine, very hard, angular-subangular, dan poor sorted. Didominasi oleh tuff sandstone yang memiliki ukuran butir yang
7
sangat halus (mud) berwarna gelap, serta di selingi batuan metamorf, very fine silt grain, moderate well sorted. Didominasi oleh mudstone yang mengandung tuffa, berwarna
8
dari medium-dark grey, dense, ukuran butir dari very fine–silt, well sorted, banyak mengandung mica dan karbonatan (calcareous)
14
Table A-2. Klasifikasi Flow Unit Berdasarkan GHE Basemap dan Deskripsi Geologinya GHE
HU
FZI
Deskripsi Geologi
8
1
12
Didominasi oleh: Sandstone, vf-c, p srtd, hd, ash mtrx
7
2
6
Didominasi oleh: mud, Sandstone, vf-f, vf-m, vf-c, hd, p srtd
6
3
3
Didominasi oleh: mud, Sandstone, vf-f, vf-m, vf-c,hd-vhd,andesitic SD, p srtd
5
4
1.5
Didominasi oleh: mud, Sandstone, vf-f, vf-c, m-c, hd-vhd, p srtd, dense
4
5
0.75
Didominasi oleh: mud, Sandstone, vf silt, vf-c, m-c, hd, p srtd, carb strk
3
6
0.375
Didominasi oleh: Sandstone, m-c, andesitik, vhd, p srtd
Table A-3. Persamaan Permeabilitas Metode PGS untuk Setiap Rock Type
Table A-4. Persamaan Permeabilitas untuk Metode HFU GHE
HU
FZI
8
1
12
7
2
6
6
3
3
5
4
1.5
4
5
0.75
3
6
0.375
Persamaan Permeabilitas
15
Table A-5. Perbandingan Perbedaan Relatif Skin Hasil Penyesuaian untuk Keperluan History Matching Skin Perbedaan Relatif Skin DST Zona Well test PGS HFU PGS HFU Analysis Sumur-01, DST-1 19 105 122 86 103 Gas Sumur-01, DST-2 32 120 116 88 84 Sumur-02, DST-1 5 8.1 -5.8 3.1 -10.8 Gas Sumur-02, DST-1A 5 30 9 25 4 Sumur-02, DST-2 N.A 21.39 -23 Sumur-02, DST-2 N.A 21.45 37.01 Minyak Sumur-02, DST-4 N.A 32.55 39.7 Sumur-03, DST-1 -0.82 37 35 37.82 35.82 Sumur-03, DST-2 6.25 39 37 32.75 30.75 Sumur-03, DST-3 -3.55 22 23.2 25.55 26.75 Minyak Sumur-03, DST-4 -2.55 16.5 18 19.05 20.55 Sumur-03, DST-5 -2.26 21.5 23 23.76 25.26 Sumur-03, DST-6 -2.57 31 28 33.57 30.57 Tabel A-6. Data DST dari Lapangan X
16
Gambar A-1 Model Porositas dan Pembagian Segmen
Gambar A-2. Penentuan WOC berdasarkan Model Statik
Gambar A-3. Model Volume Shale Lapangan X 17
Gambar A-4. Model Porositas Lapangan X
Gambar A-5. Model Saturasi Air Lapangan X
Gambar A-6. Distribusi Hidrokarbon pada Lapangan X 18
Gambar A-7. Bar Chart Perbandingan Perbedaan relatif Air dan BHP untuk Zona Gas
Gambar A-8. Bar Chart Perbandingan Perbedaan Relatif Liquid, Air, Minyak, dan BHP pada Zona Minyak
19
Gambar A-9 Perbandingan Perbedaan Relatif Nilai Skin dari Kedua Metode pada Zona Gas
Gambar A-10. Perbandingan Perbedaan Relatif Nilai Skin dari Kedua Metode pada Zona Minyak
20
