Dadang Rukmana.pdf

WORKSHOP

PEDOMAN STUDY GGR PEMBUATAN MODEL GEOLOGI-RESERVOAR SIMULASI RESERVOAR DECLINE ANALYSIS & APLIKASI DCA DALAM OPTIMASI PRODUKSI MATERIAL BALANCE PENENTUAN KATEGORI CADANGAN MIGAS Oleh Dadang Rukmana

21-24 Oktober 2009 (Unpad & K3S) 10-11 Agustus 2009 (Lemigas & K3S)

DINAS PENGKAJIAN EKSPLOITASI & EVALUASI CADANGAN DIVISI PENGKAJIAN DAN PENGEMBANGAN BIDANG PERENCANAAN - BPMIGAS

1

LATAR BELAKANG • Hasil perhitungan cadangan dan perkiraan produksi minyak dan gas bumi yang dilakukan oleh KKKS dari hasil kegiatan eksplorasi-eksploitasi akan mendorong dengan mengajukan Plan of Development (POD) lapangan pada Wilayah Kerja KKKS bersangkutan ke BPMIGAS. • Team BPMIGAS dibidang subsurface memegang peranan sangat penting untuk memberikan persetujuan perhitungan cadangan dalam suatu usulan POD lapangan, karena cadangan migas merupakan aset negara dan aset suatu perusahaan, akan menentukan strategi pengembangan dan investasi. Dengan perhitungan cadangan hidrokarbon yang baik dan dapat diproduksikan secara optimal akan memberikan penerimaan yang sebesar-besarnya bagi negara dengan keekonomian yang wajar bagi KKKS. 2 Copyright Dadang Rukmana (BPMIGAS)

LATAR BELAKANG • Dalam pengembangan suatu lapangan baik BPMIGAS maupun KKKS memerlukan kepastian mengenai perhitungan cadangan dan perkiraan produksi migas yang dapat dioperasikan, karena perhitungan cadangan migas bersifat :  Perkiraan dimana tergantung kelengkapan data, metode atau asumsi-asumsi, personil dan alat bantu yang digunakan. Permasalahan dalam melakukan perhitungan cadangan adalah minimnya data-data yang tersedia atau minimnya informasi.  Perhitungan cadangan sarat dengan interpretasi melibatkan multidisiplin ilmu dan teknologi.

3 Copyright Dadang Rukmana (BPMIGAS)

LATAR BELAKANG • Dari kasus-kasus shortfall gas pada lapangan di Indonesia, cadangan yang telah disertifikasi atau hasil studi, dari datadata statistik cenderung over estimate antara 30% s/d 90%. Dampak Over estimate dalam menentukan cadangan dan produksi, mengakibatkan :

Conton salah satu lapangan yang Over estimate cadangan

 Over Fasilitas Produksi  Mengurangi Pendapatan Pemerintah dan merugikan KKKS.

• Pada umumnya hasil perhitungan cadangan yang diajukan oleh K3S dalam usulan POD ke BPMIGAS baik hasil dari studi pihak ketiga atau inhouse selalu ada perbaikan, hal tsb disebabkan karena berbedaan persepsi dalam cara dan penentuan perhitungan cadangan, akibatnya akan tertunda 4 persetujuan usulan POD lapangan tsb. Copyright Dadang Rukmana (BPMIGAS)

MAKSUD DAN TUJUAN •

Pedoman subsurface ini dimaksudkan untuk memberikan persepsi yang sama dalam melakukan pembuatan pemodelan geolog-reservoar, simulasi reservoar, decline analysis, material balance dan kategori serta penentuan perhitungan cadangan migas bagi Lembaga/institusi/KKKS yang akan melakukan studi subsurface dimana hasilnya akan diajukan ke BPMIGAS.

•

Pedoman ini mencakup data minimum yang harus tersedia, diagram alir dalam proses studi GGR, teknik/metode yang boleh digunakan, pengolahan data dan format standar untuk pembuatan pelaporan/diskusi/presentasi, sehingga pedoman ini diharapkan dapat mempercepat proses pekerjan studi subsurface serta mempercepat proses persetujuan studi atau usulan subsurface untuk POD oleh BPMIGAS. 5

Copyright Dadang Rukmana (BPMIGAS)

MAKSUD DAN TUJUAN •

Dengan menerapkan pedoman subsurface ini diharapkan dapat meningkatkan akurasi/kepastian dalam memperkirakan jumlah cadangan migas dan peramalan produksi.

•

Diharapkan hasil studi subsurface tsb yang dilakukan oleh pihak ketiga (institusi/lembaga dalam negeri) dapat dipakai langsung oleh KKKS baik dalam pengembangan lapangan (usulan POD/POFD) atau optimasi produksi (usulan WP&B) dan hasil studi tsb dapat dilanjutkan oleh KKKS bilamana ada penambahan data seperti tambahan sumur baru atau tambahan line seismic dll.


CONTOH KASUS – KASUS HASIL STUDY GGR & SERTIFIKASI • Salah satu lapangan minyak yang telah mendapat persetujuan POD diperkirakan dapat memproduksikan minyak yang cukup besar tetapi realita produksi hanya 25 % dari rencana semula maka akan berdampak kepada over fasilitas produksi dan merugikan Negara.  Hasil dari Inhouse (Kontraktor) usulan awal POD : peak 60,000 bopd  Hasil Sertifikasi D&M : peak 55,000 bopd  Hasil dari Institusi dalam negeri : peak 40,000 - 50,000 bopd  Persetujuan POD : peak 17,700 Bopd  Aktual : peak 4,500 Bopd • Kasus di lapangan bertambahnya data. Tahun

minyak

OOIP (MMSTB)

dimana

cadangan

menurun

Ult. Rec. Res. (MMSTB)

(%)

2004

298.9

73.84

100.0

2005

295.5

28.4

38.5

2006

295.5

28.4

38.5

2007

125.2

24.6

33.3


dengan

7

CONTOH KASUS – KASUS HASIL STUDY GGR & SERTIFIKASI • Kasus lapangan gas dimana cadangan menurun tinggal 68% dari usulan awal, akibatnya commitment gas untuk pembeli tidak terpenuhi.

Tahun 1995 2001 2005 2007

OGIP (BSCF) 1,943 1,674 1,576 1,408

Ult. Rec. Res. (BSCF) 1,552 1,415 1,126 1,052

(%) 100.0 91.2 72.5 67.8


Kontribusi Parameter Penyebab Over/Under Estimate Perhitungan Inplace Perhitungan Inplace : • Penyebaran Hidrokarbon (Pemodelan Geologi-Reservoar) : ± maks 50 % • Hasil Interpretasi Seismik : ± maks 40% • Keterbatasan Data (minimnya informasi) : ± maks 35 % • Analisa Petrofisik : ɸ < 5%, N/G < 15% & Sw < 15% • Penentuan Cut-Off Petrofisik ± maks 15% • Analisa PVT : < 5 % minyak dan < 20% untuk Gas • Penentuan Contact : ± maks 10 % • Cara Perhitungan : Kontribusi ± maks 20 % • Dan Lain-lain : Kontribusi ± < 20 % Copyright Dadang Rukmana (BPMIGAS)

9

Kontribusi Parameter Penyebab Over/Under Estimate Perhitungan Cadangan Perhitungan RF (Cadangan) : • Kurangnya akurat data Produksi & Tekanan : ± < 15 % • Interpretasi Tes : Kontribusi ± maks 20 % • Penentuan Cut-Off Petrofisik : Kontribusi ± maks 15% • Pengolahan data PVT : Kontribusi ± maks 10 % • Aquifer : Kontribusi Minyak < 20 %, Gas < 40% • Penentuan Facies/Rock Region : Kontribusi ± maks 20% • Parameter yg diasumsi/Analog/Teori : Kontribusi ±< 25% • Cara Perhitungan/Pemodelan : Kontribusi ± < 20% • Penentuan Artificial Lift : Kontribusi ± < 10% • Data Core/Scal : Core ± < 15% dan Scal ± < 20% • Dan Lain-lain : Kontribusi ± < 20 %


Ketidakpastian Cadangan Karena Data Contoh salah satu lapangan dimana cadangan berubah setiap ada penambahan data.

• 2D Seismik (209 Kms) • 3 Sumur

Tambahan Data Lintasan Seismik (127 Kms)

Tambahan 2 Sumur

Tambahan Data PSDM + Inversion 11

KETIDAKPASTIAN DIDALAM INTERPRETASI SEISMIK & PEMETAAN GEOLOGI

12 Compiled by Dadang Rukmana (BPMIGAS)

Contoh Lapangan karena minimnya data pada saat pengajuan POD Contoh kasus kekeliruan dalam interpretasi seismik dan geologi disebabkan minimnya data pada area utara. Rencana Pengembangan

Kondisi Saat ini

Peta Oil Saturasi Peta Oil Saturasi

U


Kasus Usulah Subsurface POD yang harus diperbaiki pada bidang Geofisik Beberapa kasus perhitungan cadangan didalam usulan POD atau studi GGR yang harus diperbaiki disebabkan oleh : • Seismik :  Data seismik 2D dengan kerapatan grid lebih dari 1 Km x 1 Km atau kurang mengcover lapangan yang akan dikembangkan.  Perbedaan yang cukup jauh antara marker sumuran dengan hasil interpretasi top struktur sebelum seismik diikatkan (well seismic ties).  Perhitungan cadangan/inplace hasil dari distribusi porositas hasil inversi.  Kategori cadangan didasarkan pada kejelasan dari distribusi peta seismik hasil inversi, luas area P1 lebih besar dari hasil well test .  Sangat menyebarnya (scatter) korelasi antara parameter AI/parameter attribute seismik lainnya dengan parameter petrohysic sumuran.  Tidak menggunakan secara optimal hasil analisa atribut seismik dan analisa lateral fasies seismik didalam pemodelan geologi-reservoar. 14


CONTOH KURANG TEPATNYA INTERPRETASI SEISMIC

Setelah sumur baru di Bor Top Carbonate turun

Top Carbonate (Old)

Top Carbonate (New)


Contoh Kekeliruan Dalam Pemodelan Porositas Hasil perhitungan Inplace dan RF umumnya akan optimis apabila menggunakan langsung hasil distribusikan porositasi berdasarkan Inversi (Attribute Seismic) karena akan menghasilkan distribusi porositas yang homogen baik secara lateral maupun vertikal. Distribusi Porositasi dari Inversi

Distribusi porositasi hasil perbaikan dengan mengintegrasikan hasil Inversi, Data Log dan Geostatistik


KESALAHAN DALAM PEMBUATAN KORELASI Memaksakan korelasi < 0.85 (Koefisien Error) menyebabkan hasil korelasi tsb tidak akurat, hal ini sering terjadi pada saat membuat korelasi antara data petrophisic dengan parameter attribute seismic. Menurut statistik korelasi dapat valid jika koefisien error > 0.85 ρ=0

ρ = 0.3

ρ = 0.7

ρ = 0.9

ρ = 0.5

ρ = 0.7


Kasus Usulah Subsurface POD yang harus diperbaiki pada bidang Geologi • Geologi :  Tidak membagi sub layer secara detil untuk reservoar batu pasir (sand) terutama tidak dipisahkan antara sand dan shale akan menyebabkan tercampurnya sand dan shale tsb pada saat proses scale-up log sumuran. Seharusnya sand - shale dipisahkan dengan cara membuat top dan bottom sand sehingga shale dapat dimodelkan secara detil terutama shale yang sifatnya menerus.  Tidak membagi zonasi geologi/flow unit secara detil pada reservoar karbonat yaitu horizon reservoar hanya dibuat top s/d bottom karbonat, sehingga akan bercampurnya antara flow unit yang bagus dengan flow unit yang rendah pada saat proses scale-up log sumuran, akan berdampak pada sulitnya proses history matching di simulasi. Seharusnya dibuatkan zonasi geologi/flow unit yaitu memisahkan/ membagi karakteristik reservoar karbonat berdasarkan gammaray atau resistivity dari data log sumuran yang memiliki kemiripan yang sama. 18 Copyright Dadang Rukmana (BPMIGAS)

Contoh Usulan POD yang hasus diperbaiki (Kesalahan pada pembuatan korelasi reservoar batu pasir) Hasil Perbaikan

Usulan Awal

Total Layer

85

Usulan awal zonasi geologi hanya dibagi 3, setelah model diperbaiki yaitu dengan memisahkan shale maka zonasi terbagi menjadi 15 yaitu 9 shale dan 6 sand.

Shale

68%

Sand 32%

Distribusi Sand dari model awal berkurang dari 32% menjadi 13% dan sesuai dengan distribusi sand dari data sumuran sekitar 10%

Total Layer

85

Shale 87%

Sand 13%

Inplace Minyak berkurang dari 64.9 MMSTB menjadi 20.4 MMSTB


Contoh Usulan POD yang harus diperbaiki (Kesalahan pada pembuatan zonasi geologi di reservoar karbonat) Usulan Awal (horizon reservoar hanya dibuat top s/d bottom karbonat)

Top Karbonat

Gambar disebelah kiri contoh usulan POD reservoar karbonat dimana usulan awal model geologi tidak dibuatkan zonasi menyebabkan Recovery Faktor sangat optimis (94%) dan pada saat melakukan history matching pada simulasi reservoar model susah matching terhadap produksi. Recovery Factor sangat optimis karena bercampurnya property yang jelek dengan yang bagus arah vertikal dan lateral.

Bottom Karbonat Hasil Perbaikan (dibuat menjadi 5 horizon reservoar)

Gambar disebelah kanan model geologi diperbaiki dengan dibuatkan zonasi berdasarkan karakteristik log. Hasil model dimana inplace hidrokarbon sedikit berkurang tetapi recovery factor menjadi menurun 83% karena pola aliran secara vertikal dan lateral terhambat oleh property yang kurang bagus dan history matching pada simulasi lebih mudah. Compiled by Dadang Rukmana (BPMIGAS)

Top Z-1 Z-2 Z-3 Z-4 Z-5 20 Bottom

Kasus Usulah Subsurface POD yang harus diperbaiki di bidang Petrophysic. • Petrophysics : 







Penentuan parameter (a,m,n dan Rw) dalam analisa petrophysics diambil dengan cara asumsi atau analogi. Penentuan parameter petropisik harus berdasarkan data/core atau analisa lab atau pendekatan dari analisa petrophisik parameter log lainnya dan dapat dijelaskan kenapa parameter tsb dipakai. Asumsi atau analogi dapat digunakan jika data-data tsb tidak ada dengan catatan mempunyai karakteristik batuan yang sama. Penentuan cutoff untuk menentukan shale dan non shale dengan cara asumsi atau analogi atau harga cutoff tidak realistis. Penentuan cutoff petrophysic harus berdasarkan data-data tes sumur dan hasil cutoff harus realistis. Tidak dilakukan validasi antara hasil interpretasi petrohysics terhadap data core. Validasi interpretasi petrophysics merupakan suatu kaharusan kecuali tidak ada data core. Jika tidak ada data core maka validasi dapat dilakukan dengan data tes sumur. Hasil perhitungan Sw tidak realistis misalkan harga Sw < Swirr (Swc). Hasil Interpretasi log harus divalidasi dangan data kapiler pressure dan 21 Copyright Dadang Rukmana (BPMIGAS) harga Sw ≥ Swirr.

FAKTOR KEKELIRUAN PETROPHYSIC (PARAMETER PETROPHYSIC Vs NET PAY)

Cutoff-Vsh Cutoff-Por Cutoff-Sw m Rw n dll


FAKTOR KEKELIRUAN DALAM PERHITUNGAN SW FA1 K>100

210

Harga Sw akan keliru jika harga Sw tidak divalidasi dengan data Capiler Pressure

FA1 K(10-100) 200

FA1 K(1-10) FA1 K(0.1-1)

190

FA1 K<0.1 Curve A

180

Curve B 170

Curve C Curve D

160

Apa mungkin Sw < Swirr ???

Curve E

150 140 130

Harga Sw dihasilkan dari interprestasi data log analisis sedangkan data Swirr dari capiler pressure atau SCAL

120 110 100 90 80

Dari laporan hasil sertifikasi D&M dan GCA, banyak ditemukan harga Sw < 15%, dari data statistik lapanganlapangan di Indonesia harga Swirr minimum 15%, kecuali pada fracture.

70 60 50 40 30 20 10 0 0

Compiled by Dadang Rukmana (BPMIGAS)

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9 23

1

Kasus Usulah Subsurface POD yang harus diperbaiki dibidang Geostatistik. • Modeling Geologi-Reservoar :  Property yang ditampilkan pada histogram hasil scale-up tidak matching dengan property dari data log sumuran.  Penggunaan variogram suatu properti tidak dipisahkan baik secara formasi/zonasi/facies.  Proses pendistribusian properti hasil dari variogram diserahkan ke software, tidak mengakomodasi konsep geologi atau tidak menggunakan hasil interpretasi seismik.  Pembuatan model grid untuk dual porosity homogen dimana cell pada fracture arah vertikal sama dengan arah horizontal, kecuali ada justifikasi yang cukup kuat berdasarkan konsep geologi. 24 Copyright Dadang Rukmana (BPMIGAS)

Hubungan Well Correlation dengan hasil Scale-up well log pada batu pasir. Gambar dibawah samping kiri adalah hasil korelasi antar sumur dan hasil interpretasi seismik yang terbagi atas 3 top struktur dan satu bottom sand. Hasil geostatik dimana histogram facies/porosity terlihat ada perbedaan antara data sumuran (well logs) dengan hasil Scaleup well log disebabkan karena tidak dibuatkan bottom sand (shale tidak dimodelkan)

Sedangkan gambar bawah samping kanan adalah hasil perbaikan dimana korelasi antar sumur di detilkan dan dibuatkan bottom sand (shale dimodelkan). Terlihat dari histogram baik facies maupun porosity hampir cocok antara data sumuran dengan hasil Scaleup well log. Data Analysis to Facies in All Zones

Data Analysis to Facies in All Zones Top A

Top A-1

A-1 A

Top A-2

A-2 Bottom A-2

Top B

Top B

Data Analysis to Porosity in All Zones

B

Bottom B

Data Analysis to Porosity in All Zones

B

Top C

C

Top C Bottom C

C Bottom C

Bottom Shale C

25

Hubungan Variogram dengan hasil Pemodelan Orientasi didalam variogram harus sesuai dengan konsep geologi. Tidak mungkin didalam pemodelan geostatistik pada suatu lapangan yang terdiri dari beberapa lapisan hanya menggunakan satu variogram pada property tertentu, kecuali ada penjelasan berdasarkan konsep geologi.

Orientasi

Contoh hasil modeling dimana ada 4 zone dengan menggunakan satu variogram & orientasi yang sama menghasilkan trend penyebaran property yang sama di setiap zonasi.

Hasil Pemodelan


Kasus Usulah Subsurface POD yang harus diperbaiki dibidang reservoar dan simulasi. • Reservoar dan Simulasi :  History matching pada simulasi kurang bagus baik secara field atau per sumur akibat kesalahan dalam modeling.  Model hanya menggunakan satu rock region atau rock type.  Untuk model dual porosity kurva relatif permeability pada fracture mengasumsikan Swc = 0.  Tidak mengoptimalkan data-data PVT.  Hasil prediksi produksi tidak smoot dengan data history akibat prediksi kena konstring karena tidak dilakukan PI matching.  Prediksi tidak menerapkan konstring produksi sehingga hasil prediksi sangat optimis. 27 Copyright Dadang Rukmana (BPMIGAS)

Hubungan Perhitungan Cadangan dengan P/Z, Simulasi Reservoar dengan Cadangan Terbaru Cadangan hasil perhitungan dengan P/Z umumnya lebih optimis dibandingkan dengan hasil simulasi. Gambar bawah ini presentase kesalahan dari suatu lapangan dimana cadangan terbaru dengan cadangan hasil dari perhitungan dengan P/Z dan hasil simulasi. Cadangan dari P/Z mempunyai kesalahan sangat tinggi (52%) bila dibandingkan dengan simulasi reservoar (34%). Kesalahan pada simulasi terdiri dari kesalahan dalam penentuan contact 6%, aquifer 15%, rock compressibility 9% dan data lainnya sekitar 4%.


FAKTOR KEKELIRUAN PENGOLAHAN DATA RES. Relative Permeabilitas untuk Fracture Contoh Kesalahan dalam membuat Kro, Krw vs Swc didalam Fracture. Kro, Krw vs Swc di reservoar fracture umumnya ditarik garis lurus, seharusnya bentuk kurva tergantung dari lebar fracture dan Permeabilitas fracture. Fracture Water-Oil Relative Permeability Curve 1,0

Cocok untuk Permebilitas > 10 D

0,9 0,8

Kr

0,7 0,6

Krw

0,5

Kro

0,4 0,3 0,2 0,1 0,0 0,0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1,0

Sw


Hubungan kesalahan pada pemodelan dengan Hasil Prediksi Produksi Model yang dipaksakan didalam simulasi reservoar berdampak pada hasil prediksi tidak akurat. Model yang tidak baik dapat juga dipaksakan agar matching dengan data aktual, tetapi pada saat melakukan history matching akan banyak parameter yang dirubah-rubah sehingga model menjadi tidak karuan dan proses history matching akan membutuhkan waktu yag lama.

Uncertainty In Predictions


31

WORKSHOP PEDOMAN PEMBUATAN MODEL GEOLOGI-RESERVOAR Oleh Dadang Rukmana

21-24 Oktober 2009 (Unpad & K3S) 4-7 Oktober 209 (SPE – New Orleans) 10-11 Agustus 2009 (Lemigas & K3S) 7 November 2008 (Pertamina EP) 9 Juni 2008 (UIR) 17 Mei 2008 (ITB) 10 Mei 2008 (Unpad) 18 April 2008 (Trisakti) 14 April 2008 (Lemigas) 8 Desember 2007 (UPN)

DINAS PENGKAJIAN EKSPLOITASI & EVALUASI CADANGAN DIVISI PENGKAJIAN DAN PENGEMBANGAN BIDANG PERENCANAAN - BPMIGAS Copyright Dadang Rukmana (BPMIGAS)

AGENDA PEMODELAN GEOLOGI-RESERVOAR 1. 2. 3. 4. 5.

WORKFLOW 3D GGR MODELING PETA GEOLOGI & SEISMIC UNTUK PEMODELAN PETROPHYSICS PEMBUATAN MODEL GRID FRACTURE DAN PEMBUATAN MODEL GRID POROSITY 6. SCALE-UP WELL LOG 7. VARIOGRAM 8. FACIES & PEMODELAN 9. PEMODELAN POROSITAS 10. PENENTUAN PERMEABILITAS & PEMODELAN 11. VALIDASI PROPERTY 12. COARSE MODEL

DUAL


1. WORKFLOW 3D GGR MODELING Top & bottom Structure Map

Top Main Structure & Fault Map => Geophysics (Seismic)

(Sand layer/ Marker / zone/ reservoir characterization ) + Fault => Conventional Geological logic

3D Grid/SGrid

Facies generated from Seismic Inversion => G&G (Attribute Seismic)

Property (Facies, Porosities, Vshale) => Petrophysics

(GG Model, Fault)

Variogram Facies

Fracture prognosis Geology Petrophysics Formation Evaluation

ScaleUp Well Log

Variogram Property

Each field/Marker/ Reservoir Characteristic

Facies Map Each field/Marker/ Reservoir Characteristic

=> G & G

(Por. & Vshale)

Each layer each Facies

Porosities distribution from Seismic Inversion => Neural Network (Attribute Seismic)

Facies Distribution Porosities (M&/F) & Vshale Distribution

Reservoir Simulation

Permeability Distribution => K Versus Φ ( Each Facies) 3D Property Models

Validation Property Copyright Dadang Rukmana (BPMIGAS)

ScaleUp Coarse Model 3

4

2. PETA GEOLOGI & SEISMIC UNTUK PEMODELAN Peta Top Structure (Main) & Fault => Seismic Property (Facies, Porosities, Vshale) => Petrophysics

Peta Top & bottom Structure

3D Grid/SGrid

(Lapisan sand / Marker / zonasi / reservoir characterization ), Fault

(GG Model, Fault

=> Geologi

Peta Top & Bot. Lap.

Facies

Cell Layering

Top Layer 1

Intepretasi Seismik

Facies A Bot. Layer 1 Shale Top Layer 2

Formasi B

Formasi C

Peta Top Struktur Formasi A

Formasi A

Formasi A

12 Layer Shale

1 Layer

Facies B

Misalkan 14 Layer

Bot. Layer 2

Shale

Misalkan :

Shale

1 Layer

Top Layer 3 Facies C

Misalkan 17 Layer

Bot. Layer 3 Shale

Shale

1 Layer

Top Layer 4 Facies D

Misalkan 20 Layer

Bot. Layer 4 Copyright Dadang Rukmana (BPMIGAS)

PETA TOP STRUCTURE (Main) Hasil Interpretasi Seismik Penampang Seismik

Synthetic seismogram WELL TIE TO SEISMIC

DEPTH STRUCTURE TIME DEPTH 3D Velocity Cube


5

6

PETA TOP/BOTTOM STRUCTURE Penampang Seismik

Depth Structure Top Log Sumur Top A Zone 4

Top B

Zone 5

Top C

Zone 6

Top D

Sebagai input 3D model geostatistik pada batu pasir perlu dimodelkan shale dengan cara membuat bottom sand berdasarkan data log.

Top A1

Penampang Korelasi Sumur Top A2

Top B1

Bottom B1

Top B2

Bottom B2


PEMBAGIAN ZONASI / FLOW UNIT UNTUK RESERVOAR KARBONAT

7

Pemodelan geologi untuk input geostatistik pada batuan karbonat perlu dibuatkan zonasi geologi atau flow unit yaitu memisahkan karakteristik reservoar berdasarkan gammaray /resistivity dari data log sumuran yang memiliki kemiripan yang sama.


3. PETROPHYSICS

8

DATA-DATA DAN PARAMETER 1. Data-data yang tersedia, seperti :  Total sumur yang ada dan sumur yang akan dianalisa petrophysics (Jika sumur yg dianalisa tidak selurunya, jelaskan alasannya ?)  Jenis log yang tersedia, buatkan check list dalam matrik.  Ketersedian data core, sebutkan nama2 sumur, berapa data core dan diambil pada formasi/lapisan mana saja ? Tandai di peta lokasi sumur yg ada Core.  Data test (sumur & lapisan pada saat diambil), sejarah complesi (yg sudah produksi) dan analisa water.

2. Tampilkan parameter-parameter petrofisik dan bagaimana dalam penentuan parameter tsb. Pertimbangkan perbedaan formasi, zonasi dan facies  Faktor sementasi (m), saturation exponent (n), koefisien (a), Rw, sifat-sifat fisik fluida (rhof) dan matriks batuan (rhob)  Dalam penetuan Rw (Resistivity Water), tampilkan Rw dari analisa water (jika ada), Rw dari Sp, Pendekatan Rwa, dari sumber lain (Katalog Rw, dari test (RFT & DST) dan lain-lain. Sebutkan alasan pemilihan harga Rw.  Cara penentuan Vshale, Jika menggunakan : GR (tampilkan Grbersih & GRshale ), SP (tampilkan SPbersih & SPshale ), Netron (Por.N,min & PorN,shale), Resistivity (RTshale & RTmin) dan lain-lain. Copyright Dadang Rukmana (BPMIGAS)

DATA-DATA DAN PARAMETER PETROPHYSICS Contoh check list dalam bentuk matrik


DATA-DATA DAN PARAMETER PETROPHYSICS Contoh penentuan parameter a,m,n berdasarkan data dari laboratorium : a = 0.66, m = 2.05, n = 1.94


PARAMETER PETROPHYSICS Contoh Penetuan Rw (Resistivity Water) Water Analysis

Pickett Plot

Method Well Fro

Analisa Water (Rwa)

Pickett Plot

Sumur-1

0.228

0.223

0.222

Sumur-2

0.243

0.230

0.223

Hasil analisa misalkan diambil harga Rw = 0.228 Ohm-m @ 75 oF Hasil perhitungan Sw dengan menggunakan harga Rw tsb cocok dengan kandungan hidrokarbon hasil dari tes sumur dan harga Sw pada contact ≥ cutoff, dimana harga contact hasil dari perpotongan gradient pressure antara hidrokarbon dengan water. Compiled by Dadang Rukmana (BPMIGAS)

GWC

11

VALIDASI PETROPHYSIC DAN PENENTUAN CUT-OFF 3. Validasi hasil interpretasi log :  Porositas Log dengan data dari porositas Core  Water Saturation dengan data test, produksi dan kapiler pressure (Jfunction)  Vshale dengan data test

Contoh validasi antara harga porositas dari core atau sidewall core dengan hasil interpretasi petrofisik dg beberapa metode perhitungan. Dari gambar disamping ini menunjukkan bahwa perhitungan porositas dengan metode Netron Density lebih cocok. Copyright Dadang Rukmana (BPMIGAS)

12

VALIDASI PETROPHYSICS (Interpretasi Log divalidasi dg data Routine Core, Pc dan Scal)


13

VALIDASI PETROPHYSIC DAN PENENTUAN CUT-OFF

14

4. Penentuan Cut-off : Porositas (Permeabilitas), Vshale dan Sw. Dalam penentuan cut-off perlu dipertimbangkan kalau ada fracture dan kandungan hidrokarbon (minyak & gas). Secara statistik cut-off Por (untuk oil 10 – 16% tergantung tekanan & viskositas dan gas (6 – 12%), Vshale (20 – 50 %) dan Sw (55 – 70%).

Harga cut-off (pancung) sifat fisik batuan adalah suatu harga yang ditentukan untuk membedakan antara bagianCopyright Dadang Rukmana (BPMIGAS) bagian produktif dan tidak produktif dari suatu formasi

PENENTUAN CUT-OFF

15

BERDASARKAN DATA TEST Penentuan Cut-off dengan metode kombinasi antara Permeability, Porosity dan Sw dengan data tes. Hasil contoh gambar dibawah ini cutoff : Por = 7%, K = 3 md, Sw=70%. 10000.00

PIGN=7.0%

10000

ELAN KINT (md)

1000 100

1000.00

100.00

10

10.00

KINT=3.0 md

Sw 0-0.1 0.1-0.2 0.2-0.3 0.3-0.4 0.4-0.5 0.5-0.6 0.6-0.7 0.7-0.8 0.8-0.9 0.9-1.0

1.0 0.1

0.01 0.001 0.00

0.05

0.10

0.15

0.20

1.00

0.10

系列2 系列3 系列1 DSTs A3 DST#1

0.01

0.00 0.00

0.05

0.10

0.15

0.20

ELAN PIGN

Apabila ada data tes yang anomali terhadap cut-off (por, vsh, permeabilitas) perlu di cek posisi tes sumur pada penampang Log. Compiled by Dadang Rukmana (BPMIGAS)

0.25

PENENTUAN CUT-OFF

16

BERDASARKAN DATA TEST

POROSITY = 0.13 VCLAY = 0.38 K = 15 md

1615-1618

Por dan vsh dibawah cutoff dapat diabaikan setelah di cek dengan penampang Log apabila fluida yang mengalir pada interval tes tsb diyakini berasal dari harga Por & Vsh > cutoff.

PENENTUAN CUT-OFF Contoh kasus dimana hasil tes sumur menunjukkan semuanya mengalir (Flow), biasanya pada Lapangan Gas.

Metode ini dapat dilakukan jika metode dengan cross plot antara Vsh vs Porosity dengan dasar tes sumur tidak bisa dilakukan. Compiled by Dadang Rukmana (BPMIGAS)

17

PENENTUAN CUT-OFF SW Besaran Cut-off untuk Por, Vsh dan Sw bisa berbeda untuk tiap-tiap facies.

Untuk penentuan cut off Sw pada reservoar gas dapat dianalogikan dengan gambar (cutoff Sw pada zone minyak) dengan syarat mempunyai karakteristik reservoar yang sama. Compiled by Dadang Rukmana (BPMIGAS)

18

PENENTUAN CUT-OFF SW Penentuan Cutoff Sw untuk reservoar gas dapat digunakan dengan metode Por * Sw vs Por. 4000

Sw Cut-off = 70%

Por*Sw

3000

Sw > 70%.

2000 1000

Sw < 70%. 0 0

10

20 Por, %

30

40


FORMAT PELAPORAN PETROPHYSICS 5. Format pelaporan hasil analisa petrofisik :  Format pelaporan standar petrofisik (gambar log Porositas, Sw, Marker, data core, lithologi batuan, data test, komplesi dan lain-lain).  Tabel-1, Summary parameter-parameter Petrofisik yang digunakan dan cut-off.  Tabel-2, Summary hasil analisa Petrofisik (Lumping Results). Tabel-1 Formasi/Zonasi/Res ervoar

a

m

n

Rw

rhof

rhob

GRmin

GRmak

Cut-off Por

Cut-off Vsh

Cut-off Sw

dll

Formasi A/Res. A

--

--

--

--

--

--

--

--

--

--

--

--

Formasi B/Res.B

--

--

--

--

--

--

--

--

--

--

--

--

Tabel-2 Well

Well -1

Cut-off Por & Vshl Formasi/ Layer/ Zonasi Formasi A Layer A.1 Layer A.2 Formasi B Layer B.1 Layer B.2

Facies

Cut-off Sw

Top

Bott om

Gros s

Net Sand

Vshl

Por

Sw

N/ G

Net Pay

Vshl

Por

Sw

N/ G

Bar-Shale Bar dan Channel

-------

-------

-------

-------

-------

-------

-------

-----

-------

-------

-------

-------

-----

Barl Shale

-------

-------

-------

-------

-------

-------

-------

-----

-------

-------

-------

-------

-----

(Contoh)


20

DATA INPUT DARI PETROPHISIC UNTUK PEMODELAN Setelah harga cutoff parameter petrofisik ditentukan, langkah selanjutnya ada menguji dari harga cutoff tsb. Contoh gambar disamping ini cutoff porosity = 10% eqivalent dengan harga permeability = 3 mD dan harga K > 3 mD dianggap untuk gas dapat mengalir setelah di cek dengan persamaan Darcy.

6. Hasil Petrofisik untuk Input Pemodelan 3D Curve Property :  Data-data petrofisik sebagai input Pemodelan adalah per ½ (setengah) feet.  Data-data utama : Depth, Facies, Porositas, Vshale.  Data-data pendukung : PorDN,, PorSonic,GR, RT, Res. Flag, Flow Unit, Permeability (jika permeabilitas akan dimodelkan, maka harus dalam bentuk log(K)), Sw, Swi (hasil dari Jfunction), dll.


22

4. PEMBUATAN MODEL GRID


PEMBUATAN MODEL GRID •

Ukuran cell agar diperhitungkan jarak antar sumur yang paling dekat untuk fine model minimal 4 cell dan untuk coarse model minimal 2 cell diluar cell sumur. Untuk Fine model usahakan ukuran cell maksimum 50 m (0.62 acres).

•

Distribusi ketebalan cell agar diperhitungkan/dipertimbangkan distribusi inplace untuk tiap-tiap zone (lapisan berdasarkan geologi). Jika zone yang mempunyai inplace yang besar maka ketebalan cell pada zone tersebut harus lebih kecil begitu juga sebaliknya. Ketebalan cell agar divalidasi dengan hasil scaleup well log, jika kurang bagus maka ketebalan cell harus diperkecil. Untuk zone shale yang sifatnya menerus cukup 1 lapisan. Dalam laporan/presentasi ditampilkan :  Ukuran cell : … dan jumlah cell : ….  Jumlah lapisan : ….. (dari zone geologi …)  Dimensi grid (fine/coarse) :  Rata-rata ketebalan cell untuk sand/porous : …..  Rata-rata ketebalan cell untuk shale : …..

• • •


23

PEMBUATAN MODEL GRID Top & bottom Structure Map

Top Main Structure & Fault Map => Geophysics (Seismic)

(Sand layer/ Marker / zone/ reservoir characterization ) + Fault => Conventional Geological logic

3D Grid/SGrid (GG Model, Fault)

Structure Modeling Pillar Gridding

Fault Modeling


5. FRACTURE DAN PEMBUATAN MODEL GRID DUAL POROSITY Analisa Fracture dari Petrophysic :  Anomali produksi yang signifikan tidak sebanding dengan property batuan (porositas dan permebilitas).  Lithologi batuan terutama parameter m (faktor sementasi), pengaruh fracture biasanya harga harga m < 2.  Data FMI, pengamatan core, thin section dan Swirr < 10%.  Pengamatan dan Interpretasi well test analisis (omega dan lamda).  Anomaly spike sering terjadi seperti Cross over antara swrr vs drho, juga terjadi pada SP.  Terjadi noise pada Rxo dan pada density yang telah dikoreksi.  Nilai pef (density) yang menonjol, disertai kehadiran barite  Nilai caliper yang menonjol (terjadi bila fracture > 1 mm  Micro spirical focus log ( MSFL – resistivity) yang menonjol  Jika mengunakan lumpur yang berbahan air, nilai resistivity mud filtrate (Rmf) akan tinggi jika dibandingkan dengan resistivity water

Perlu dihitung porositas dan permeabilitas fracture, misal menggunakan Density-Netron dan Sonic. Porositas fracture = PorDensity Netron – PorSonic Model geologi yang tidak mengakomodasi adanya fracture akan menyulitkan dalam melakukan history macthing pada simulasi reservoar. Compiled Dadang Rukmana & Galih A.W. (BPMIGAS)

25

THIN SECTIONS


CONTOH PENAMPANG LOG YANG TERIDENTIFIKASI ADANYA FRACTURE


CONTOH PENAMPANG LOG YANG TERIDENTIFIKASI ADANYA FRACTURE Data dan Analisa Fracture


INTERPRETASI POROSITY FRACTURE

28

PEMBUATAN MODEL GRID DUAL POROSITY Parameter Fracture • • • •

Klasifikasi fracture (Type A,B atau C), dapat ditentukan dari omega. Intensitas fracture, dapat ditentukan dari core, thin section dan FMI. Lebar fracture, thin section Porositas fracture (dari statistik dunia lapangan Frac. rata-rata ΦF < 0.5%), dapat ditentukan :

o Analisa data log antara Sonic dan Density-Netron : ΦF = ΦDN – ΦS o Menggunakan Lithologi m (faktor sementasi) dan porositas total (density-netron log) o Menggunakan formula apabila harga Lebar Fracture (W) dan intensitas fracture (Z) dapat ditentukan. ΦF = W / Z x 100, % dan ΦF = W / (W x Z) x 100, % o Menggunakan chart apabila harga Lebar Fracture (W) & intensitas fracture dpt diketahui.


PEMBUATAN MODEL GRID DUAL POROSITY Parameter Fracture •

Permeabilitas Fracture, dapat ditentukan apabila lebar fracture dan intensitas fracture dapat diketahui :  Menggunakan formula : Kf = 84.4 x105 W3/Z , D  Menggunakan Chart.

Lucia 1995 AAPG


PEMBUATAN MODEL GRID DUAL POROSITY Klasifikasi Fracture ω=

φf Cf φ f C f + φm C m

TYPE

A λ=

km kf

B

C

Omega Omega < 0.35

F vs M Hidrokarbon di matrik > Fracture

0,36 <σ < 0.65

Hidrokarbon di matrik = Fracture

0.66 < Omega

Hidrokarbon di matrik < Fracture

PEMBUATAN MODEL GRID 31 Copyright Dadang Rukmana (BPMIGAS)

PEMBUATAN MODEL GRID DUAL POROSITY Klasifikasi Fracture Dalam Pembuatan Model 3D FractureType-A

FractureType-B

FractureType-C

Type A : Perbandingan arah hor. & vert. 1 x (> 20) Type B : Perbandingan arah hor. & vert. 1 x (< 20) Ratio arah hor. X ver. Dapat juga dihasilkan dari history macthing pd saat simulasi. Copyright Dadang Rukmana (BPMIGAS)

Model Fracture 1 x 5 1 arah horiz. Vs 5 arah vert.

Model Fracture 1 x 1 1 arah horiz. Vs 1 arah vert.

Penentuan perbandingan fracture arah hor. & vertical ditentukan dari hasil analisa geologi.

32

PEMBUATAN MODEL GRID DUAL POROSITY Konsep Model Grid dengan arah fracture kemiringan 30o dari SPE 120942 Continuous Improvement Initiative to Optimize Reservoir Management in Carbonate Fracture Reservoir: Integrated GGRP in East Java throughout Bali Area Galih Agusetiawan, Gunawan Sutadiwiria, SPE, and Dadang Rukmana, BPMIGAS


PEMBUATAN MODEL GRID DUAL POROSITY DENGAN SOFTWARE Geometri Fracture : • Arah Fracture • Intensitas fracture • Property fracture

Dip Azimuth

Arah Fracture : • Phenomena tectonic • Peta Major Fault Intensitas Fracture : • Kerapatan fracture akan menurun dg bertambahnya kedalaman • Kerapatan fracture akan bertambah dg mendekati fault • Kerapatan fracture akan bertambah pada lipatan/ lengkungan lapisan batuan Model Fracture


34

6. SCALEUP WELL LOG Hal-hal yang perlu diperhatikan : 1. Setelah model grid dibangun dan data petrophysics sudah di-inputkan kedalam model, maka proses selanjutnya adalah scaleup well log (petrel) / Well Block (Roxar) yaitu mengisi cell pada posisi sumur dengan cara merata-ratakan property dari data petrophysics (1/2 ft). Apabila menggunakan Gocad dan Geolit tidak perlu proses scaleup well log. 2. Validasi antara property hasil scaleup dengan data well log dengan melihat bentuk/besaran pada histogram, jika terlalu jauh maka tebal lapisan harus dikurangi. Dalam laporan/presentasi agar ditampilkan histogram tsb dan buat tabel yang berisi perbandingan antara data hasil scaleup dengan data dari well log :  Nilai Minimum dan maksimum.  Nilai Median dan rata-rata.


Well Log Scale Up

35

SCALEUP WELL LOG


SCALEUP WELL LOG Contoh hasil scaleup well log yang salah (tidak match antara data sumuran dengan hasil scaleup) akan berdampak pada hasil modeling terlalu optimis atau terlalu pesimis) Penyebab kesalahan dalam melakukan proses scaleup well log : • Metode dalam merata-ratakan property yang tidak tepat. • Ukuran ketebalam cell terlalu besar • Tidak memisahkan shale di dalam pemodelan.


37

SCALEUP WELL LOG Contoh hasil scaleup well log yang benar dimana data sumuran match dengan hasil scaleup dan juga dengan hasil modeling.


38

7. VARIOGRAM Variogram adalah statistik tool untuk interpolasi diantara dua/lebih data yang bersifat pembobotan.

Penentuan Panjang/lebar Major & Minor dan Orientasi dari Geologi setelah memetakan Properti 2D


39

ANALISA VARIOGRAM

Nugget


40

PARAMETER VARIOGRAM Pengaruh Nugget Apabila Nugget > 0 Bentuk Variogram Nugget = 0

Perubahan properti akan smooth, cocok untuk reservoar yang relatif homogen

Bentuk Variogram Nugget > 0

Perubahan properti sangat dratis, cocok untuk reservoar yang heterogen


41

PARAMETER VARIOGRAM Pengaruh Range Penentuan Range dalam analisa variogram akan menentukan keakuratan pemodelan property

Compiled Dadang Rukmana (BPMIGAS)

42

PARAMETER VARIOGRAM Pengaruh Metode Penentuan metode Variogram sangat penting dalam pemodelan distribusi property Spherical

Exponential


Linear

Gaussian

43

FORMAT PELAPORAN VARIOGRAM Format pelaporan hasil analisa variogram Property (Facies, Porositas, dll) harus ditabelkan dan ditampilkan gambar untuk tiap-tiap property, per facies dan per lapisan. Per Lapisan bila memungkinkan (data cukup banyak), jika data tidak cukup banyak variogram tiap-tiap lapisan bisa digabungkan berdasarkan justifikasi dari geologi yaitu ada kemiripan trend, orientasi yang mirip, parameter (major,minor dan range) yang identik. Tabel : Variogram Facies (Contoh) Formasi/ Zonasi Formasi A

Layer Layer A.1 Layer A.2 Layer A.3

Model Type Spherical Exponential Spherical

Major

Minor

Anisotropy Ratio

----------

----------

----------

Orientasi (contoh)

Sill

Nugget

Keterangan

N-S NE – SW NW – SE

----------

----------

----------

Tabel : Variogram Porositas atau property lainnya (Contoh) Formasi/ Zonasi Formasi A Layer A.1

Porositas/ dll

Model Type

Anisotropy Ratio

Major

Orientasi

Sill

Nugget

Keterangan

Bar Channel Shale

----------

----------

-------

-------

-------

-------

-------

Bar Channel Shale

----------

----------

----------

----------

----------

----------

----------

Minor

Layer A.2


44

45

8. FACIES & PEMODELAN ANALISA FACIES

Facies berkaitan dg Performance Produksi. Performance produksi untuk Channel umumnya mempunyai produksi awal tinggi tetapi cepat menurun (rata-rata decline rate diatas 30%), sedangkan subtidal produksi awal rendah dan umur produksi cukup panjang (decline rate rata-rata dibawah 30%). Analisa facies dimulai dari data core, analisa log, tekanan dan performance produksi.

Chanel

Chanel Copyright Dadang Rukmana (BPMIGAS)

Subtidal Permeabilitas

Porositas

ANALISA FACIES

Integrasi dalam analisa ficies antara di surface, data core, petrograpy dan data log sangat diperlukan untuk menghasilkan analisa yg akurat. Copyright Dadang Rukmana (BPMIGAS)

46

JENIS-JENIS FACIES DALAM HISTOGRAM POROSITAS


PERMEABILITAS

47

IDENTIFIKASI FACIES DARI LOG SUMURAN Identifikasi ficies dimulai dari analisa data core dan petrograpy kemudian dicocokkan dengan bentuk dari data log sumuran. Selanjutnya diaplikasikan ke seluruh sumur.


48

INTERPRETASI FACIES DARI ATRIBUTE SEISMIC Spectral Decomposition at 5Hz


Seismic Attribute

49

50

PEMBUATAN PETA FACIES Analisys Facies Analysis, => Petrophysics Interpretasi Facies dari Data Log


Facies Map Each field/Marker/ Reservoir Characteristic => G & G Hasil akhir dari Interpretasi Facies hasil kombinasi dari Data Log, Attribute Seismic dan Data Produksi

Facies generated from Seismic Inversion => G&G (Attribute Seismic)

Interpretasi Facies dari Attribute Seismic

51

PEMODELAN FACIES ScaleUp Well Log Property (Facies, Porositas, Vshale) => Petrophisic

Peta Facies Per Lap./ Marker/ Res.Charact eristic => Geologi

Chanel

Variogram Facies Per Lap./Marker/

Penyebaran Facies

Variogram

A1

Lay. A1

Lay. A1

A2

Facies Modeling - ISF (Indicator

A3

Simulation of Facies)

- SIS (Sequential Indicator Simulation) -MPS (Multi Points Statistic)

Chanel Copyright Dadang Rukmana (BPMIGAS)

Subtidal Sheet

Lay. A1

9. PEMODELAN POROSITAS Untuk mendistribusikan Porositas diperlukan data sumuran, variogram, distribusi facies dan distribusi porositas hasil inversi (jika ada). Hasil pemodelan tergantung probability yg diset pd software geostatistik tsb. Well Data

Distribusi Facies

Porositas dari Inversi Neural Network

ScaleUp Well Log

Hasil Distribusi Porositas

Variogram


52

10. PENENTUAN PERMEABILITAS 1. Untuk Penyebaran Permeabilitas bisa beberapa cara : • Menggunakan transform hubungan K vs Porositas di quide dengan Vshale. • Disebarkan dengan Geostatistik tetapi software harus tersedia “Neural Network” atau “Cloud Transform” atau metode baru yang bisa memodelkan permeabilitas (bukan SGS atau Co-kriging) dan data well yang masuk harus dalam bentuk Log(K). 2. Baik menggunakan transform maupun geostatisk data-data permeabilitas hasus dapat dipisahkan per Facies. Jika tidak memungkinkan untuk pemisahan berdasarkan facies karena data core tidak cukup, bisa menggunakan FZI (flow zone indikator).

Compiled by Dadang R (BPMIGAS)

53

TRANSFORM PERMEABILITAS Vs POROSITAS Permeability Transform For Facies A 100.0

Permeability, md

Vsh, % 0 10 10.0

20 30

1.0

0.1 0.00

0.05

0.10

0.15

Porosity


0.20

0.25

54

HUBUNGAN MODEL FACIES VS TRANSFORM Core photograph of slightly bioturbated, fine-medium grained, multi-story, fining upward sandstone with quartz pebbles and locally calcite cement.

Porosity vs. Hz.Permeability X-Plot Core photograph of bioturbated, very fine grained, fining upward sandstone with locally calcite cement and glauconite distribution.

Typical well-log Compiled by Hadi Prasetyo (BPMIGAS)

55

56

PENYEBARAN/DISTRIBUSI PERMEABILITAS Penyebaran Facies

Penyebaran Permeabilitas

Penyebaran Por. & Vshale

Hasil Distribusi Permabilitas

Distribusi Porositas & Vshale

Distribusi Facies Facies A 0

Vsh, % 0 10 0

20 30

0

Facies B


11. VALIDASI PROPERTY

Realisasi Pemodelan Didalam software geostatistik saat ini dapat dibuat ratusan/ribuan model 3D facies . Hasil penyebaran facies tsb pada umumnya dari model satu dg model akan mempunyai trend yang berbeda. Yang jadi masalah model mana yang sesuai dengan kondisi lapangan ? Contoh 4 Realisasi hasil pemodelan distribusi facies, dengan data dan variogram yang sama.

Realisasi 1

Realisasi 3 Copyright Dadang Rukmana (BPMIGAS)

Realisasi 2

Realisasi 4 57

VALIDASI PROPERTY HASIL PEMODELAN Realisasi Pemodelan Contoh 2 Realisasi hasil pemodelan distribusi property Model/Realisasi 1

Model/Realisasi 2


58

VALIDASI PROPERTY HASIL PEMODELAN Realisasi Pemodelan Setiap pemodelan properti agar dibuat realisasi beberapa model minimal 5 realisasi. Sgs_Facies_1_Phie_1 Realisasi 1

Realisasi 2

Sgs_Facies_2_Phie_1 Sgs_Facies_2_Phie_2 Sgs_Facies_2_Phie_3 Sgs_Facies_2_Phie_4 Sgs_Facies_2_Phie_5

Realisasi 3


Realisasi 4


Realisasi 5 Copyright Dadang Rukmana (BPMIGAS)

Sgs_Facies_1_Phie_2 Sgs_Facies_1_Phie_3 Sgs_Facies_1_Phie_4 Sgs_Facies_1_Phie_5


59

VALIDASI PROPERTY HASIL PEMODELAN Beberapa cara dalam melakukan validasi dari hasil pemodelan dangan data well log/scale-up log : 1. Jika sumur cukup banyak : • Keluarkan minimal 10% sumur, dimana posisi sumur tsb harus menyebar, kemudian lakukan geostatistik dimulai dari minimal 5 realisasi facies dan dilanjutkan dengan pemodelan porositas 5 realisai untuk masing-masing facies, sehingga akan ada minimal 25 realisasi model porositas. • Dari 25 realisasi pemodelan porositas, pilih model yang mana yang cocok dg data-data dari 10% sumur tsb. Ambil 10 model yang terbaik. • Cek dengan histogram dari 10 model tsb antara porositas hasil model dengan scale-up log (data2 seluruh sumur) dan keluarkan model yang terjelek. • Cek dengan bubble map kumulatif produksi masing-masing model, kemudian ambil 5 model yang terbaik. Jika tidak ada yang cocok satupun dapat disebabkan oleh : Penentuan variogram yang keliru, atau pembobotan dalam mendistribusikan porositas yang salah atau pembuatan peta facies yang belum divalidasikan dengan produksi & tekanan. Copyright Dadang Rukmana (BPMIGAS)

60

VALIDASI PROPERTY HASIL PEMODELAN 2. Jika sumur sedikit : • Lakukan sensitifiti probabilistik facies mulai dari 20%, 40%, 60% dan 80% terhadap data secale-up log + variogram dengan map facies hasil modeling konventional atau attribute seismic. • Setiap sensitifiti realisasikan facies minimal 5 realisasi (total realisasi ada 20 realisasi. • Dari 20 realisasi pilih 5 realisasi terbaik berdasarkan histogram, penyebaran facies (geologi), bubble map kumulatif produksi (reservoar), performance produksi, tekanan dll. • Dari 5 realisasi, lakukan pemodelan porositas minimal 5 realisasi untuk tiap-tiap facies. (total realisasi ada 25 model). • Cek dengan histogram dari 25 model tsb antara porositas hasil model dengan scale-up log (data2 seluruh sumur) dan keluarkan model yang terjelek. Ambil 15 model yang terbaik. • Diskusikan dengan geologi-geofisik-reservoar mengenai penyebaran porositas untuk masing-masing model, cek dengan bubble map kumulatif produksi, kemudian ambil 5 model yang terbaik. Copyright Dadang Rukmana (BPMIGAS)

61

VALIDASI PROPERTY HASIL PEMODELAN

 Setelah mendapatkan 5 model penyebaran porositas yang terbaik, lakukan penyebaran permeabilitas.  Lakukan perhitung Inplace untuk masing-masing model, kemudian bandingkan harga inplace tsb dengan hasil volumetrik.  Selanjutnya adalah proses scale up model yaitu mengurangi jumlah sell (coarse modeling) sehingga model dapat dilanjutkan ke simulasi reservoar.


62

63

12. COARSE MODEL Scale-up

Untuk mengurangi jumlah cell dari model yang detil (fine model dimana jumlah cell > 1 jt ) menjadi model dengan jumlah cell yang lebih kecil (coarse model dimana jumlah cell < 1 jt) yaitu dengan melakukan scale-up. Pengurangan jumlah cell ini perlu dilakukan jika model tsb akan dijadikan input untuk run simulasi. Fine Model Fine Model

Coarse Model

Scale up

116 x 84 x 289 2,8160,016 Copyright Dadang Rukmana (BPMIGAS)

Coarse Model

58 x 48 x 150 417,600 (15%)

COARSE MODEL Kriteria Hal-hal yang perlu diperhatikan dalam Scale-up ”COARSE MODEL” : 1. Total cell coarse model minimum 15% dari fine model. 2. Perubahan inplace coarse model maksimum 5% dari inplace fine model. 3. Jarak antar sumur terdekat minimal ada 2 cell 4. Perubahan properti (Porositas dan Permeabilitas) tidak terlalu besar. Perubahan untuk porositas rata-rata < 2% dan Permeabilitas rata-rata < 10% Metode dalam merata-ratakan property pada proses scale-up :  Gunakan weighted average untuk semua property.  Metode arithmetic average dapat digunakan untuk semua property kecuali :  Most of concept untuk facies  Geometric average untuk horizontal permeability  Harmonic average untuk vertical permeability Copyright Dadang Rukmana (BPMIGAS)

64

COARSE MODEL Scale-up Analysis Validasi model antara fine model vs coarse model dapat dilakukan :

1. Jika menggunakan Gocad software, coarse model sudah baik apabila 4 kriteria sudah terpenuhi dan fractional flow coarse model berada diantara fractional flow fine model.


65

COARSE MODEL Scale-up Analysis 2. Jika menggunakan Petrel atau Roxar software, coarse model sudah baik apabila 4 kriteria sudah terpenuhi dan perbandingan histogram permeabilitas dari fine model vs coarse model tidak terlalu jauh begitu juga dengan property lainnya seperti Facies, Porosity dan Sw. Perbandingan Permeabilitas Fine Model vs Coarse Model Fine Model Coarse Model


66

COARSE MODEL Scale-up Analysis Contoh hasil scaleup Facies antara fine model dengan coarse model Fine Grid

Coarse Grid

Fine Grid Coarse Grid

Compiled by Dadang R (BPMIGAS)

67

COARSE MODEL Scale-up Analysis Contoh hasil Scaleup Porosity antara fine model dengan coarse model Fine Grid Coarse Grid

Model

Grid

Average Porosity

Number of Cells

Fine

171x80x47

0.18

642,960

Coarse

121x36x23

0.17

100,188

Compiled by Dadang R. (BPMIGAS)

Fine Grid Coarse Grid

68

COARSE MODEL Scale-up Analysis Contoh hasil Scaleup Water Saturation antara fine model dengan coarse model

Fine Grid

Coarse Grid

Fine Model Coarse Model

69 Compiled by Dadang R. (BPMIGAS)

SEMOGA BERMANFAAT BAGI KITA SEMUA

70

WORKSHOP

PEDOMAN SIMULASI RESERVOAR Oleh Dadang Rukmana

21-24 Oktober 2009 (Unpad & K3S) 10-11 Agustus 2009 (Lemigas & K3S) 7 November 2008 (Pertamina) 9 Juni 2008 (UIR) 17 Mei 2008 (ITB) 18 April 2008 (Trisakti) 14 April 2008 (Lemigas) 14 Maret 2008 (UPN)

DINAS PENGKAJIAN EKSPLOITASI & EVALUASI CADANGAN DIVISI PENGKAJIAN DAN PENGEMBANGAN BIDANG PERENCANAAN

1

2

AGENDA 1. TUJUAN SIMULASI RESERVOAR 2. WORKFLOW SIMULASI RESERVOAR 3. PENGOLAHAN DATA-DATA RESERVOAR • • • •

4. 5. 6. 7.

Menentukan Rock Region ( Data Swi & Permeabilitas) Data Scal (End Point data, Normalisasi & Rekontruksi) Data PVT Data Produksi

INPUT SIMULASI RESERVOAR KEY WELL & PARAMETER HISTORY MATCHING INITIALIZATION (INPLACE MATCHING) HISTORY MATCHING • •

Kriteria Matching (Lapangan dan Key Well) Parameter yg dapat dirubah

8. PRODUCTIVITY INDEX (PI) MATCHING 9. PREDIKSI • •

Production Constraint (Economic Limit) Skenario Prediksi


1. TUJUAN SIMULASI RESERVOAR Tujuan simulasi reservoir adalah memodelkan kondisi reservoar secara matematik dengan meng-integrasikan berbagai data yang ada (geologi, geofisik, petropisik dan reservoar) untuk memperoleh kinerja reservoir dengan teliti pada berbagai kondisi sumur dan skenario produksi sehingga akan diperoleh perkiraan yang baik terhadap rencana/tahapan pengembangan suatu lapangan selanjutnya Unsur-unsur dalam melakukan simulasi reservoir meliputi : • Mendefinisikan tujuan yang akan dicapai. • Mengumpulkan, menganalisa dan mengolah data. • Membuat model geologi-reservoir dan karakteristiknya. • Menyelaraskan volume hidrokarbon (initialisation) dan menyelaraskan kinerja model reservoir dengan sejarah produksi (history matching). • Melakukan peramalan produksi dengan berbagai skenario pengembangan.


3

4

2. WORKFLOW SIMULASI RESERVOAR MODEL 3D GEOLOGI-RESERVOAR

Distri. Porositas

Distri. Facies

Tidak

ya

Tidak PC = 0 ya

Distribusi Permeabilitas

DATA-DATA RESERVOAR & PENGOLAHAN

1/2 Data Scal

Data PVT

End Point data Scal

Pb = f(depth)

Normalisasi

Rekontruksi Scal

Plot : Pb vs depth, Bob, Rs, Sg Bob, Rs, Sg, API @ f(datum)

Distribusi Fluid Region

HISTORY MATCHING

Performance Produksi & Tekanan

Bubble Map

1 2 Tidak

Aquifer ya

Metode PVT PVT = f(P,T)

INITIALIZATION PI MATCHING


Tidak

ya

Distri. Water Saturasi

Distribusi Rock Region

Production Constraint

Data Produksi

Equilibrium

Input History Matching = Oil Rate

Input History Matching = Liquid Rate

PREDIKSI key-well

1

3. PENGOLAHAN DATA-DATA RESERVOAR  Penetuan Rock Region •

Data Swi

•

Data Permeabilitas

 Data SCAL (Special Core Analysis) : •

Data Input (Format)

•

End Point data Scal

•

Normalisasi Relative Permeability Curve

•

Rekontruksi Relative Permeability

•

Kurva Relative Permeability untuk Fracture

 Data PVT, Tekanan dan Temperatur •

Data (Format)

•

Analisa Data

•

Perhitungan

 Data Produksi. Copyright Dadang Rukmana (BPMIGAS)

5

PENGOLAHAN DATA-DATA RESERVOAR Penentuan Rock Region Rock Region didalam model simulasi diperlukan untuk membagi atau memisahkan antara property yang bagus dengan property yang jelek. Penentuan Rock Region, dapat berfungsi : • Mengelompokkan produksi yang memiliki performance yang sama atau performance tekanan yang sama. • Dapat membantu mempercepat dalam proses history matching. • Hasil prediksi dari simulasi tidak over/under estimate. • Akan membantu lapangan.

dalam

menentukan

skenario

pengembangan

Contoh Rock Region secara Lateral


6

PENGOLAHAN DATA-DATA RESERVOAR Penentuan Rock Region Penentuan Rock Region dapat dilakukan dengan dua cara :

A. Berdasarkan data Swi. Data Sw diambil dari hasil distribusi 3D property model • Urutkan data Swi dari nilai yang kecil ke nilai besar, usahakan untuk membagi berdasarkan Reservoar/Formasi/Facies. • Plot Swi vs Number of Sample (Cumulative Data) • Bagi beberapa interval, dimana setiap interval mempunyai trend yang sama. Tiap-tiap interval tsb dapat mewakili rock region. • Swi setiap rock region dapat dicari dengan mengambil rata-rata harga Swi pada tiap-tiap interval. Persyaratan metode ini dapat dilakukan, jika : • Data resistivity log tidak menunjukkan adanya transisi zone (Pc = 0) • Pada saat awal produksi, water belum terproduksikan (WC = 0). • Harga Swirr (data Scal) sama dengan data Swi (hasil interpretasi log). Note : Inplace antara hasil dari Initialisasi simulasi dg 3D model umumnya kurang dari 10%. Compiled by Dadang Rukmana (BPMIGAS)

7

PENGOLAHAN DATA-DATA RESERVOAR Penentuan Rock Region Berdasarkan Swi Contoh penentuan rock region untuk seluruh lapangan ”X1”. Contoh Input Data Swi dari 3D Property model


8

PENGOLAHAN DATA-DATA RESERVOAR Penentuan Rock Region Berdasarkan Swi

Gambar dibawah ini contoh penentuan rock region dengan dibagi per reservoar.


9

PENGOLAHAN DATA-DATA RESERVOAR Penentuan Rock Region Berdasarkan Swi

Gambar dibawah ini contoh penentuan rock region per facies. Facies - 1

Facies - 2


10

PENGOLAHAN DATA-DATA RESERVOAR Penentuan Rock Region B. Berdasarkan data Permeabilitas.

Prosedure hampir sama dengan data Swi. Data Permeabilitas diambil dari hasil distribusi 3D property model • Urutkan data Permeabilitas dari nilai yang kecil ke nilai besar, usahakan untuk membagi berdasarkan Reservoar/Formasi/Facies. • Plot Permeabilitas vs Number of Sample (Cumulative Data) • Tentukan setiap interval yang mempunyai trend yang sama. Tiap-tiap interval dapat mewakili rock region. • Tentukan permeabilitas dari setiap rock region dengan cara mengambil rata-rata harga permeabilitas pada tiap-tiap interval. • Setelah mendapatkan harga permeabilitas rata-rata tiap-tiap rock region maka dapat menentukan Swc. • Tentukan Swc tiap-tiap rock region dengan menggunakan korelasi hubungan Swc vs Permeabilitas.


11

PENGOLAHAN DATA-DATA RESERVOAR (Penentuan Rock Region)

Metode ini dapat dilakukan, jika : • Data resistivity log menunjukkan adanya transisi zone (Pc > 0). • Pada awal produksi water sudah terproduksikan (Awal produksi WC > 0%) terutama pada daerah transisi zone. • Harga Swi (hasil interpretasi log) pada daerah trasisi zone selalu lebih besar dibandingkan dengan harga Swirr (data scal) atau Swi > Swc (Swirr).

Jika rock region menggunakan data permeabilitas : • Inplace antara hasil dari inialisasi simulasi dengan 3D model umumnya lebih dari 10% tergantung dari tinggi rendahnya daerah transisi. • Untuk me-matching inplace dapat memasukkan data kapiler pressure. Copyright Dadang Rukmana (BPMIGAS)

12

PENGOLAHAN DATA-DATA RESERVOAR (Penentuan Rock Region Berdasarkan Data Permeabilitas)

Gambar dibawah ini contoh penentuan rock region seluruh lapangan.


13

PENGOLAHAN DATA-DATA RESERVOAR 3D Pemodelan Rock Region

Hasil penentuan rock region kemudian diaplikasikan ke 3D model seperti gambar dibawah ini. Rock-2 10 < K < 100 mD

Rock-1 K > 100 mD

Rock-3 K < 10 mD


PENGOLAHAN DATA-DATA RESERVOAR (Relative Permeability)

Pengolahan dan analisa data Spesial Core(Special Core Analysis SCAL) dalam pembuatan kurva relative permeability sangat diperlukan sebagai input simulasi reservoar, relative permeability diperlukan karena : •

Dapat dianalogikan dengan perbedaan sifat fisik batuan dan fluida.

•

Menentukan flow karakteristik fluida reservoar didalam model simulasi.

•

Menentukan faktor perolehan (RF) dan performance produksi.

Faktor yang mempengaruhi relative permeability adalah : •

Saturasi fluida.

•

Pori-pori batuan yaitu geometri, ukuran dan distribusi.

•

Sifat kebasahan batuan (wettability).


15

PENGOLAHAN DATA-DATA RESERVOAR (Parameter pada Relative Permeability) Parameter pada kurva Relative Permeability, yaitu : Swirr (Irreducible water saturation, Kro pada Swi, Sor (Residual Oil Saturation), Krw pada Sor dan bentuk Kurva.


16

PENGOLAHAN DATA-DATA RESERVOAR Data SCAL (INPUT DATA) Format Data Scal (Water-Oil Relative Permeability), sbb : RINGKASAN WATER-OIL RELATIVE PERMEABILITY DATA Contoh Sumur

Sample Number

Sumur X-1 Sumur X-2

19 20 21 29 23 B 16

Sumur X-3

Ka (mD)

Por (frac.)

605.75 116.00 28.00 2.20 4162 1743 236

Swc (frac.)

0.258 0.253 0.220 0.170 0.277 0.261 0.215

0.2370 0.2890 0.3640 0.4800 0.2090 0.2230 0.2600

Kro@Swc (frac.)

Krw@Sor (frac.)

0.8600 0.7400 0.6290 0.4045 0.7640 0.7400 0.7288

0.3600 0.2330 0.1840 0.1160 0.3090 0.2990 0.2910

Sor (frac.) 0.364 0.343 0.348 0.295 0.424 0.412 0.404

Format Data Scal (Gas-Oil Relative Permeability), sbb : RINGKASAN GAS-OIL RELATIVE PERMEABILITY DATA CONTOH Sumur

Sample Number

Sumur X

29 23 B 16


Ka (mD)

Por (frac.)

Swc (frac.)

Sor (frac.)

Slr (frac.)

Kro@Swc (frac.)

Krg@Slr (frac.)

4162 1743

0.277 0.261

0.094 0.117

0.352 0.328

0.446 0.445

0.605 0.618

0.286 0.352

236

0.215

0.203

0.269

0.472

0.583

0.263 17

PENGOLAHAN DATA-DATA RESERVOAR Data SCAL (End Point data Scal)

Pengolahan data scal dimulai dari pengumpulan data yang ada, kemudian menentukan korelasi hubungan parameter satu dengan parameter yang lain. Korelasi ini akan menentukan flow fluida didalam model simulasi. Jika data scal cukup banyak end point dapat dipisahkan per facies atau per reservoar/formasi. Jika data-data scal lebih dari 2 data dapat dibuat hubungan :  Water-Oil Relative Permeability • Swc vs log (Permeabilitas) atau Swc vs Permeabilitas • Swc vs Sor • Swc vs Kro@Sor • Swc vs Krw@Swc

 Gas-Oil Relative Permeability • Swc vs Slr • Slr vs Kro@Swc • Slr vs Krg@Slr Copyright Dadang Rukmana (BPMIGAS)

18

PENGOLAHAN DATA-DATA RESERVOAR Data SCAL (End Point data Scal)

 Gas-Water Relative Permeability untuk Lapangan Gas • Swc vs Permeability • Swc vs Krg@Swc • Swc vs Krw@Sgr • Swc vs Sgr


19

PENGOLAHAN DATA-DATA RESERVOAR End Point data Scal (Water-Oil Relative Permeability)

Contoh hubungan Swc vs Permeabilitas. Pada gambar disebelah kiri ini, data-data mempunyai trend yang sama secara lapangan. Untuk kasus ini tidak perlu dipisahkan baik secara facies atau formasi/reservoar.

Contoh Hubungan Swc vs K, Trend kurva yang tidak sama, harus dipisahkan secara facies. Copyright Dadang Rukmana (BPMIGAS)

Facies A Facies B

20

PENGOLAHAN DATA-DATA RESERVOAR End Point data Scal (Water-Oil Relative Permeability)

Contoh hubungan Sor vs Swc, Kro@Swc vs Swc, Krw@Sor vs Swc


21

PENGOLAHAN DATA-DATA RESERVOAR End Point data Scal (Gas-Oil Relative Permeability)

Contoh hubungan Slr vs Swc, Kro@Swc vs Slr, Krg@Slr vs Slr


22

PENGOLAHAN DATA-DATA RESERVOAR End Point data Scal (Gas-Water Relative Permeability)

Contoh Plot Swc vs K, Sgr vs Swc, Krg@Swc vs Swc, Krw@Sgr vs Swc


PENGOLAHAN DATA-DATA RESERVOAR (Normalisasi Relative Permeability Curve)

Pada umumnya kurva relatif permeabilitas mempunyai bentuk yang berbeda pada suatu lapangan, untuk menentukan bentuk kurva yang mewakili seluruh data dapat dilakukan dengan cara normalisasi. Jika data scal cukup banyak dan trend dari normalisasi berbeda secara facies atau per reservoar/formasi, maka normalisa harus dipisahkan. Persamaan sederhana dalam menentukan normalisasi :  Water-Oil Relative Permeability • Sw* = (Sw - Swc) / (1 – Swc – Sor) • Krow* = Krow / Krow@Swc • Krw* = Krw@Sorw  Gas-Oil Relative Permeability • Sg* = (Sg – Sgc) / (1 – Sgc – Swc – Sorg) • Krg* = Krg / Krg@Slr • Krog* = Krog / Krog@Sgc Copyright Dadang Rukmana (BPMIGAS)

24

PENGOLAHAN DATA-DATA RESERVOAR Normalisasi Relative Perm. Curve (Water-Oil System)

Contoh hasil normalisasi kurva relative permeability menunjukkan trend dari beberapa data hampir sama, maka tidak perlu dipisahkan baik secara facies atau formasi/reservoar.

Contoh hasil normalisasi relative permeability yang menunjukkan trend yang tidak sama, maka harus dipisahkan secara facies atau formasi. Copyright Dadang Rukmana (BPMIGAS)

25

PENGOLAHAN DATA-DATA RESERVOAR Normalisasi Relative Perm. Curve (Gas-Oil System)


26

PENGOLAHAN DATA-DATA RESERVOAR Normalisasi Relative Perm. Curve (Gas-Water System)

Contoh hasil Normalisasi untuk Lapangan Gas


27

PENGOLAHAN DATA-DATA RESERVOAR Rekontruksi Relative Permeability (Water-Oil System)

Contoh hasil rekontruksi kurva Kro dan Krw vs Sw untuk berbagai rock type dan berbagai end point (Swc, Kro, Krw, Sor) untuk lapangan minyak.


28

PENGOLAHAN DATA-DATA RESERVOAR Rekontruksi Relative Permeability (Gas-Water System)

Contoh hasil rekontruksi dengan 5 jenis kurva relatif permeabilitas untuk berbagai Swc, Krg, Krw dan Sgc pada lapangan gas.


PENGOLAHAN DATA-DATA RESERVOAR

30

Relative Permeabilitas untuk Fracture Harga Swc di fracture tidak selamanya bernilai nol tergantung dari permeabilitas. Untuk menghitung Swc tsb dapat diambil dari data matrik yaitu hubungan permeabilitas vs Swc. Dengan menggunakan korelasi/chart harga Permeabilitas di fracture dapat ditentukan, sehingga swc di fracture dapat dihitung. Relatif Perm. Di Fracture untuk Kf < 10 D


PENGOLAHAN DATA-DATA RESERVOAR

31

Capillary Pressure J-Function Untuk mengolah Capillary Pressure dapat dilakukan berbagai cara : 1). Dengan Metode J-Funtion

2). Normalisasi Pc

Hal-hal yang perlu diperhatian dalam pembuatan J-Funtion / Normalisasi Pc : • Pisahkan per Facies atau flow unit (jika data mendukung) • Jika bentuk kurva scatter pisahkan/kelompokkan.


PENGOLAHAN DATA-DATA RESERVOAR PVT (Analisa Fluida Reservoar)

Masalah dalam pengolahan PVT : A. Jumlah lapisan banyak, tetapi data PVT hanya pada lapisan tertentu, bagaimana mengambil/membuat PVT pada lapisan yang tidak ada data ?? B. Data PVT lebih dari satu sample, mana yang mau diambil ??

Data PVT Ada Data PVT


32

PENGOLAHAN DATA-DATA RESERVOAR Pengolahan Data PVT untuk kasus ‘A’

Buatkan tabel PVT untuk semua parameter data PVT, kemudian lakukan sbb : 1. Cari hubungan beberapa parameter dengan cara mem-plot : Kedalaman vs Tek.Saturasi (Pb), Pb vs T, Pb vs Rs, Pb vs Bo@Pb (Bob), Pb vs Sg dan Pb vs API 2. Tentukan datum untuk masing-masing lapisan kemudian dari masingmasing datum akan diperoleh tekanan saturasi (Pb). 3. Hasil plot point 1 dan harga Pb dari masing-masing lapisan (point 2) dapat menentukan : temperatur reservoar, Bo@Pb, API, Sg dan RS@Pb. 4. Dengan menggunakan metode PVT yang ada (standing, vasquez, glaso , Trijana dll.) tentukan metode mana yang cocok dengan cara menghitung Pb untuk masing-masing metode PVT tsb dengan merubah-rubah harga Sg atau Rs sehingga harga Pb dari masing-masing metode PVT sama dengan harga Pb dari point 2. Bandingan Bo@Pb antara hasil dari masing-masing metode PVT dengan Bo@Pb berdasarkan point 3 dan cari perbedaan yang kecil dimana metode PVT tsb yang cocok. 5. Setelah mendapatkan metode PVT yang cocok maka tiap-tiap layar akan mempunyai data PVT sendiri. Copyright Dadang Rukmana (BPMIGAS)

33

34

PENGOLAHAN DATA-DATA RESERVOAR Data PVT (Format Data)

Semua data PVT dari berbagai sumber (laboratorium, well test) dikumpulkan dalam format yang sama untuk memudahkan dalam analisa lebih lanjut. Data PVT yang akan dianalisa harus diambil/dipilih pada sumur yang original atau pada reservoar yang belum lama berproduksi. Gambar dibawah ini contoh format data PVT : DATA ANALISA FLUIDA RESERVOAR Lap. / Sumur Tanggal Res. X1

X2

X3 X4

X5

S-19 S-37 S-42 S-13 S-31 S-35 S-46 S-99 S-7 S-21 S-24 S-6 S-18 S-90 S-6 S-2

2-11-84 3-7-92 12-7-92 9-10-83 24-9-85 16-2-79 15-2-79 28-8-85 29-7-84 22-5-85 4-4-80 14-12-80 11-9-79 3-2-85 16-10-75 19-8-75

Interval Datum Produksi ft ftss

Pi

Pr

Pb

T

psi

psi

psi

o

4260-4275 2962-2972 2816-2822 5716-5718 7140-7157 6779-6782 3410-3416 2980-2990 8768-8774 8293-8297 8850-8866 9768-9776 3480-3490

2035 1160 2882 1454 1246 3820 3600 3833 4164 532 1517

1796 2721 1262 1139 2412 2855 2880 1159 3820 3600 3833 4164 511 1267

1792 2243 2035 1262 1022 2350 2802 2554 1448 1246 3770 3498 3325 3720 684 1438


4268 6330 4580 2972 2816 5680 7110 6779 3405 2990 8600 8295 8815 9686 1286 3406

o

API

F

173 211 205 140 131 165 191 190 157 132 180 185 195 217 120 142

38.6 33.7 35.9 41.4 22.2 32.4 31.9 36.5 40.7 42.7 28.5 33.1 29.3 30.8 36.5 27.0

Den. Bob Rs Gas Oil gm/cc bbl/stb scf/stb Gravity 0.745 0.729 0.698 0.745 0.874 0.748 0.735 0.703 0.704 0.661 0.746 0.748 0.734 0.749 0.804 0.834

1.265 1.353 1.399 1.237 1.075 1.256 1.290 1.402 1.343 1.633 1.348 1.355 1.294 1.407 1.107 1.145

440 598 600 379 152 498 527 695 615 1024 654 724 616 957 200 280

0.820 0.813 0.740 0.694 0.668 0.659 0.560 0.688 0.725 0.841 0.679 0.897 0.637 0.922 0.913 0.923

PENGOLAHAN DATA-DATA RESERVOAR Data PVT (Analisa Data)

Gambar dibawah ini, contoh hubungan tekanan saturasi sebagai fungsi dari kedalaman.



Contoh hubungan tekanan saturasi (Pb) vs temperatur reservoar dan Pb vs faktor volume minyak pada tekanan saturasi (Bob). Korelasi-korelasi ini akan digunakan untuk menentukan PVT pada lapisan yang tidak memiliki data.



Contoh hubungan tekanan saturasi (Pb) vs Rs dan Pb vs Sg.


PENGOLAHAN DATA-DATA RESERVOAR PERHITUNGAN Setelah data-data PVT terkumpul dan hasil plot beberapa parameter PVT mempunyai trend yang bagus, maka PVT dapat ditentukan untuk masing-masing lapisan/reservoar. Untuk memilih metode mana yang cocok dan parameter apa saja sebagai dasar perhitungan, dapat dilakukan dengan dua cara : 

Rs data sebagai input dan Sg gas yang akan dihitung dengan cara coba-coba sehingga akan diperoleh harga Pb, kemudian di matching dengan Pb data. Jika Pb belum cocok maka Sg di coba lagi. Rs data dan Pb data adalah hasil dari korelasi-korelasi.



Caranya sama, hanya Sg data sebagai input dan Rs gas yang dihitung.


38

PENGOLAHAN DATA-DATA RESERVOAR PERHITUNGAN Contoh hasil perhitungan dengan berbagai metode dimana Rs sebagai input dan harga Sg dicoba-coba : Sg Dihitung METHOD

RS (SCF/STB)

STANDING

SGgas

Pb (psig)

Bobm Bobc (V/VR)

Perbedaan (%)

Keterangan

286.60

0.788

1153.3

1.166

1.1733

0.626

SGgas dihitung

286.60

0.882

1153.0

1.166

1.1348

2.676

SGgas dihitung

286.60

0.892

1153.9

1.166

1.153

1.115

SGgas dihitung

o

Oil Gravity = 36.56 ( API @ 60 oF ) VASQUEZ & = 1.166 (V/V ) Bob @Pb BEGGS R Rsi = 286.6 (scf/stb) GLASO Psep = 35 (psig) Tsep Sggas

o

= 84 ( F) = 0.8326

TRIJANA K.

Harga API, Bob, Rsi dan Sg(gas) pada lapisan/ reservoar tertentu dan dihasilkan dari plot data PVT Copyright Dadang Rukmana (BPMIGAS)

Harga Rs sebagai input data

286.60

-

-

Harga Sg hasil coba-coba sehingga Pb hitungan = Pb data (hasil dari plot)

1.166

-

-

SGgas tidak dapat dihitung

Perbedaan Bob hasil cobacoba Sg dengan Bob dari data, diperoleh perbedaan yg kecil 0.626% metode Standing dg parameter Sg gas = 0.788 39

PENGOLAHAN DATA-DATA RESERVOAR PERHITUNGAN Contoh hasil perhitungan dengan berbagai metode dimana Sg sebagai input dan harga Rs dicoba-coba : RS Dihitung METHOD

RS (SCF/STB)

SGgas

Pb (psig)

Bob (V/VR)

Perbedaan (%)

Keterangan

STANDING

302.90

0.833

1153.0

1.166

1.1856

1.681

Rs dihitung

VASQUEZ & BEGGS GLASO

272.20

0.833

1153.3

1.166

1.1281

3.250

Rs dihitung

267.50

0.833

1153.2

1.166

1.1385

2.358

Rs dihitung

TRIJANA K.

332.40

0.833

1153.3

1.166

1.1663

0.026

Rs dihitung

o

Oil Gravity = 36.56 ( API @ 60 oF ) Bob @Pb = 1.166(V/VR) Rsi Psep

= 286.6 (scf/stb) = 35 (psig)

Tsep Sggas

= 84 ( F) = 0.8326

o

Harga API, Bob, Rsi dan Sg(gas) pada lapisan/ reservoar tertentu dan dihasilkan dari plot data PVT

Harga Rs hasil coba-coba sehingga Pb hitungan = Pb data (hasil dari plot)


Harga Sg sebagai input data

Perbedaan Bob hasil cobacoba Rs dengan Bob dari data, diperoleh perbedaan yg kecil 0.026% metode Trijana dg parameter Rs = 332.4 40


Setelah hasil perhitungan PVT selesai, kemudian bandingkan mana perbedaan bob yang lebih kecil diantara kedua cara tsb, kemudian tentukan parameter Rs, Bo, Viskositas oil, Bg dan viskositas gas untuk berbagai tekanan dan berbagai lapisan/reservoar.


41

PENGOLAHAN DATA-DATA RESERVOAR PVT (Analisa Fluida Reservoar)

Pengolahan Data PVT untuk kasus ‘B’, dimana ada dua data PVT atau lebih dan pengambilan sample pada kedalaman yang sama (Pb ≠ Fungsi(kedalaman). Untuk menentukan data PVT mana yg akan diambil, dapat dengan cara :  Plot performance GOR dan Tekanan reservoar vs Waktu  Amati performance GOR dan pada saat GOR naik tentukan tekanan reservoar. Tekanan reservoar pada saat GOR eqivalen dengan tekanan saturasi (Pb)

Contoh Kasus-2 : Dari pengukuran ada 2 data PVT dari 2 sumur .

Trend Pr

• PVT (1) : Pb = 2485 psi • PVT (2) :Pb = 2155 psi Pb = 2485 psi GOR mulai naik Copyright Dadang Rukmana (BPMIGAS)

42


Dalam mengolah PVT pada reservoar gas untuk lapangan yang memiliki jumlah lapisan banyak, penentukan PVT pada lapisan yang tidak memiliki data dapat dilakukan dengan mem-plot komposisi gas vs kedalaman. Gambar dibawah ini contoh hasil analisa untuk PVT reservoar gas untuk berbagai zone.


43

PENGOLAHAN DATA-DATA RESERVOAR (Data Produksi dan Tekanan) Mengolah dan menganalisa data produksi yang baik akan menentukan waktu penyelesaian dalam proses simulasi. Hasil analisa data produksi dapat untuk memvalidasi model geologi reservoar, sebagai masukan simulasi dan membantu dalam mempercepat proses history matching. Dalam mengolah data produksi hal-hal yang perlu disiapkan :  Data-data yang tersedia. • Data Sumuran terdiri dari : total jumlah sumur dan status sumur (sumur aktif, sumur sudah shutin/abandon dan sumur injeksi dll). Jelaskan penyebab status sumur yang sudah shutin atau abandon dalam bentuk matrik. • Sejarah komplesi untuk tiap-tiap sumur. • Data produksi per sumur, per reservoar/lapisan dan lapangan. • Data tes sumur dan summary hasil analisa well testing • Data tekanan • Data laporan sumur (well report) termasuk masalah-masalah sumur seperti kepasiran dll • Data artificial well (sumur flowing, gas lift, pompa termasuk kapasitas Copyright Dadang Rukmana (BPMIGAS)

44

PENGOLAHAN DATA-DATA RESERVOAR Data Produksi (Format Data) Format data produksi untuk lapangan : DATA PRODUKSI PRODUCTION

INJECTION

CUMULATIVE PROD.

CUM. INJEC.

GOR WELL DATE OIL WATER GAS WATER GAS OIL WATER GAS WATER GAS stb/ WC PRODUCER INJECTION bopd bwpd mscfpd bwpd mscfpd mstb mstb mmscf mstb mmscf scf % Active Total Active Total

Format data produksi per sumur : DATA PRODUKSI WELL

DATE

OIL bopd

PRODUCTION

CUMULATIVE PROD.

WATER GAS LIQUID bwpd mscfpd blpd

OIL mstb

WATER GAS mstb mmscf

GOR stb/ scf

GLR stb/ scf

WC %

WOR mmscf

DATA INJEKSI WELL

DATE

INJECTION CUM. INJEC. WATER GAS WATER GAS bwpd mscfpd mstb mmscf


45

PENGOLAHAN DATA-DATA RESERVOAR Data Produksi dan Tekanan  Buat Plot sejarah produksi untuk Lapangan :  Grafik 1 => Sumbu Y1 : Oil rate, Y2 : WC dan Sumbu X : Date dan Grafik 2 => Jika jumlah sumur producer lebih dari 20 sumur plot Sumur aktif vs Date dan apabila jumlah sumur kurang dari 20 sumur buatkan barchart sumur active vs Date.  Grafik 1 => Sumbu Y1 : Liquid rate, Y2 : GLR dan Sumbu X : Date dan Grafik 2 => Pressure vs Date  Grafik 1 => Sumbu Y1 : Np & Wp, Y2 : Gp dan Sumbu X : Date dan Grafik 2 => Pressure vs Date  Plot Sumbu Y1 : GOR, Y2 : WOR dan Sumbu X : Date  Jika lapangan sudah ada injeksi water misalkan: Grafik 1 => Sumbu Y1 : Oil rate & Injection rate, Y2 : WC dan Sumbu X : Date dan Grafik 2 => Jika jumlah sumur injector lebih dari 20 sumur plot Sumur injeksi aktif vs Date dan apabila jumlah sumur kurang dari 20 sumur buatkan barchart sumur injeksi active vs Date. Note : o

Grafik 1 dan grafik 2 dalam lembar yang sama, usahakan skala sumbu x untuk kedua grafik tsb harus sama.

o

Semua data pressure harus sudah di konversi pada suatu datum.


46

PENGOLAHAN DATA-DATA RESERVOAR Grafik Sejarah Produksi Lapangan Contoh Sejarah produksi dengan barchart sumur aktif : Grafik 1

Grafik 2

Sumur Aktif Copyright Dadang Rukmana (BPMIGAS)

47

PENGOLAHAN DATA-DATA RESERVOAR Data Produksi dan Tekanan  Buat Plot sejarah produksi untuk Sumuran :  Grafik 1 => Sumbu Y1 : Oil rate, Y2 : WC dan Sumbu X : Date dan Grafik 2 => plot barchart sejarah komplesi vs Date  Grafik 1 => Sumbu Y1 : Liquid rate, Y2 : GLR dan Sumbu X : Date dan Grafik 2 => Pressure vs Date (Jika ada)  Grafik 1 => Sumbu Y1 : Np & Wp, Y2 : Gp dan Sumbu X : Date dan Grafik 2 => Pressure vs Date (Jika ada)  Plot Sumbu Y1 : GOR, Y2 : WOR dan Sumbu X : Date Note : o


o

Semua data pressure harus sudah di konversi pada suatu datum.


48

PENGOLAHAN DATA-DATA RESERVOAR Grafik Sejarah Produksi Sumuran Contoh Sejarah produksi dengan barchart lapisan yg di komplesi :

Grafik 1

WC bisa diganti dengan GOR, tergantung parameter data yang akan diselaraskan

Grafik 2


PENGOLAHAN DATA-DATA RESERVOAR Data Produksi dan Tekanan  Buat bubble map produksi dengan frekwensi Np tiap-tiap 5 tahun jika lapangan telah berproduksi lebih dari 10 tahun atau per 2.5 tahun jika lama produksi dibawah 10 tahun :  Bubble map untuk Kumulatif Oil dan overlay dengan : • Peta HPT (So x H x Por) pada total lapangan dan lapisan yang paling dominan produksinya. • Peta Facies pada lapisan yang paling dominan produksi oil. • Peta iso permeability pada lapisan yang paling dominan produksi oil. • Peta rock region pada lapisan yang paling dominan produksi oil. • Peta struktur dan telah dibatasi contact.

 Bubble map untuk Kumulatif Water dan overlay dengan : • Peta HPT (So x H x Por) pada total lapangan dan lapisan yang paling dominan produksinya. • Peta Facies pada lapisan yang paling dominan produksi water. • Peta iso permeability pada lapisan yang paling dominan produksi water. • Peta rock region pada lapisan yang paling dominan produksi water. • Peta struktur dan telah dibatasi contact. Copyright Dadang Rukmana (BPMIGAS)

50

PENGOLAHAN DATA-DATA RESERVOAR Data Produksi dan Tekanan  Bubble map untuk Pressure (jika data mencukupi) dan overlay dengan : • Peta HPT (So x H x Por) pada total lapangan dan lapisan yang paling dominan produksinya. • Peta Facies pada lapisan yang paling dominan produksi water. • Peta iso permeability pada lapisan yang paling dominan produksi oil. • Peta rock region pada lapisan yang paling dominan produksi oil. • Peta struktur dan telah dibatasi contact.  Jika ada, bubble map untuk Kumulatif Water/Gas Injeksi dan overlay dengan : • Peta iso permeability pd lapisan yang paling dominan produksi oil. • Peta Facies pada lapisan yang paling dominan produksi oil. • Peta struktur dan telah dibatasi contact.


4. INPUT SIMULASI RESERVOAR  Model Simulasi : Black Oil, Compositional, Dual Porosity, Thermal  3D Model Property hasil Pemodelan Model Grid : Bentuk Grid (Corner & Cartesian), Grid Dimensi (X,Y,Z), Ukuran Cell, Jumlah Cell dan Cell Aktif/non aktif

 Rock- Property  Fluid Property (PVT)  Equilibrium  Produksi untuk History Matching : Jika sudah berproduksi  Input : Liquid rate jika mekanisme reservoar water drive Oil rate jika mekanisme reservoar solution/gas cap drive Gas rate untuk reservoar gas  Frekwensi data produksi : Per bulan (produksi < 10 tahun) dan Per 3 bulan (produksi > 10 tahun) Jika belum berproduksi History Matching terhadap well test Input : WHP (sumur flowing) dan BHP (sumur sudah pakai pompa) Copyright Dadang Rukmana (BPMIGAS)

52

5. KEY WELL & PARAMETER HISTORY MATCHING Key Well & Kriteria Jika lapangan sudah berproduksi, tentukan terlebih dahulu sumursumur sebagai key-well dalam history matching. Kriteria key-well :  Sumur-sumur yang mempunyai umur produksi yang cukup lama.  Sumur-sumur s/d akhir history masih berproduksi  Sumur yang tidak mempunyai masalah (misal kebocoran packer atau kepasiran)  Dapat mewakili performance block/region/area tertentu  Jumlah sumur sebagai key-well harus mempunyai total produksi dari key-well lebih dari 75% terhadap total produksi lapangan : Lapangan Minyak Water Drive : Np & Wp (key-well) > 75% terhadap Np & Wp (Lapangan) Lapangan Minyak Solution/Gas Cap Drive : Np & Gp (key-well) > 75% terhadap Np & Gp (Lapangan) Lapangan Gas : Gp & Wp (key-well) > 75% terhadap Gp & Wp (Lapangan) Copyright Dadang Rukmana (BPMIGAS)

53

KEY WELL & PARAMETER HISTORY MATCHING Parameter History Matching Data produksi sebagai input model simulasi : SOLUTION GAS DRIVE

WATER DRIVE

Undersaturated Pressure

WOR

BOPD

Pressure GOR

Oil rate

BOPD

Saturated

GOR

Oil rate WOR

Time or Cum. Prod

Time or Cum. Production

Lapangan Minyak (Water Drive)

Lapangan Minyak (Solution Gas Drive

Input Liquid rate parameter yg di matching : Ql, Qo, Wc, Gor & Pressure

Input Oil rate parameter yg di matching : Qo, Qw, Gor & Pressure

atau Gas Cap Drive)

Lapangan Gas Input Gas rate parameter yg di matching Qg, Qc, Qw, Pressure atau P/Z vs Gp Copyright Dadang Rukmana (BPMIGAS)

54

6. INITIALIZATION (MATCHING INPLACE) Setelah model simulasi terbentuk dan semua data-data reservoar masuk kedalam model simulasi, maka proses inilisasi dapat segera dilakukan untuk me-matching inplace model dengan inplace hasil volumetrik atau inplace hasil dari geostatistik. Hal-hal yang perlu diperhatikan dalam proses inilisasi :  Hasil modeling (acuan study GGR) akan diperoleh 5 realisasi model terbaik.  Setiap model pastikan cell-cell property (Por & Vsh) sudah diatas cut off.  Lakukan run simulasi ke 5 model tsb.

 Cek kestabilan model, masukkan sebagai input pada model dengan Ql = 0 dan run untuk waktu satu tahun : •

Usahakan tidak terjadi warning apalagi Error.

•

Cek run time & prores iterasi untuk setiap step, usahakan iterasi tidak ada yang di cut oleh simulator.

•

Usahkan tidak terjadi perubahan Sw dan Pressure yang signifikan selama proses running. 55


56

INITIALIZATION (MATCHING INPLACE)  Apabila model sudah stabil, tabel kan inplace hasil inilisasi dan bandingkan dengan hasil dari Volumetrik. Untuk Lapangan dengan sumur cukup banyak.  Umumnya perbedaan hasil simulasi dengan Volumetrik (properti dipakai rata-rata) < 10%, sedangkan Volumetrik hasil modeling (sw dari log) < 5%.  Perbedaan inplace dari 5 realisasi rata-rata < 5%. Untuk Lapangan dengan sumur sedikit.  Umumnya perbedaan hasil simulasi dengan Volumetrik (properti dipakai rata-rata) < 20%, sedangkan Volumetrik hasil modeling (sw dari log) < 10%.  Perbedaan inplace dari 5 realisasi rata-rata < 10%.  Jika perbedaan cukup besar, lakukan update model : •

Cek model, mungkin ada trasisi zone sehingga Pc perlu dipasang.

•

Pemakaian equilibrium, Compresibility dan PVT belum tepat.

•

Pembagian rock region perlu didetilkan.

•

Korelasi end point data scal belum tepat

•

DLL.


INITIALIZATION (INPLACE MATCHING) Contoh hasil Inplace Matching (OOIP) :


57

7. HISTORY MATCHING Kriteria Matching untuk Lapangan  Performance Produksi antara model dan data aktual harus selaras : Oil Rate, Water Rate, Gas Rate, Pressure, WC, GOR dll.  Input Liquid rate, perbedaan model dg data aktual pd end of history : •

Kumulatif liquid model terhadap kumulatif Liquid aktual < 1%

•

Np model terhadap Np aktual < 5%

•

Wp model terhadap Wp aktual < 10%

•

Gp model terhadap Gp aktual < 20%

 Input Oil rate, perbedaan model dg data aktua pada end of history : •


•


•


 Input Gas rate, perbedaan model dg data aktual pada end of history : •


•



58

HISTORY MATCHING Kriteria Matching untuk Key Well dan Blok  Performance Produksi antara model dan data aktual harus selaras : Oil Rate, Water Rate, Gas Rate, Pressure, WC, GOR dll.  Input Liquid rate, perbedaan model dg data aktual pd end of history : •

Kumulatif liquid model terhadap kumulatif Liquid aktual < 1%

•


•


•


 Input Oil rate, perbedaan model dg data aktua pada end of history : •


•


•


 Input Gas rate, perbedaan model dg data aktual pada end of history : •


•



59

HISTORY MATCHING Parameter yang dapat dirubah didalam proses History Matching :  Aquifer : Volume, Property, Metode dll  Trasmibility  Bentuk Kurva Relativ Permeability  Rock Region  Property : Permeability, Porositas, Net to Gross (2D model)  Kompresibility  PVT  Data Sumuran : PI, BHP, Skin Factor dll  Batas Fluida (Contact) : OWC, GOC atau GWC Catatan perubahan parameter dapat dilakukan, jika :  Selama didukung dengan data yang ada atau data laboratorium  Perubahan penarikan korelasi tidak keluar dari data maksimum/minimum  Perubahan inplace hasil history matching terhadap inplace inilisasi < 10% Copyright Dadang Rukmana (BPMIGAS)

60

HISTORY MATCHING Contoh perubahan penarikan korelasi.

Interval dimana Perubahan Permeabilitas yg dibolehkan


61

62

HISTORY MATCHING Contoh Hasil history matching blok-1 (Lap. ”X”) dengan input Liquid. Qo, Qw vs Time

Np, Wp vs Time


63

HISTORY MATCHING Contoh Hasil history matching blok-2 (Lap. ”X) dengan input Liquid. Qo, Qw vs Time

Np, Wp vs Time


64

HISTORY MATCHING Contoh Hasil history matching key well untuk Blok-1 (Lap. ”X) dengan input Liquid.


65

HISTORY MATCHING Contoh Hasil history matching key well untuk Blok-2 (Lap. ”X) dengan input Liquid.


66

HISTORY MATCHING Contoh Lap. ”X2” hasil history matching Field dengan input Liquid.


67

HISTORY MATCHING Contoh Lap. ”X2” hasil history matching Pressure per Region dengan input Liquid.


HISTORY MATCHING Contoh hasil history matching per sumur dengan input gas rate dan yang di matching P/Z.


68

8. PRODUCTIVITY INDEX (PI) MATCHING Setelah dilakukan history matching dan sebelum melakukan prediksi, agar dilakukan PI matching (khusus lapangan minyak). Ketentuan PI Matching :  Dilakukan pada sumur-sumur yang sudah dipilih sebagai key-well.  Data produksi yang diambil 3 s/d 6 bulan terakhir.  Perameter yang di match adalah Oil Rate dan Water Rate  PI matching dilakukan baik pada sumur key-well dan Lapangan.  Input simulasi untuk PI Matching : •

Konstrain untuk prediksi telah di apasang : Qo Minimum, BHP minimum dan Wc maksimum.

•

Liquid Rate, Liquid diambil hasil rata-rata dari data produksi (3 s/d 6) bulan terakhir.

 Parameter yang dirubah selama PI matching adalah data sumuran : PI, Injectivity, Skin, table vertical flow performance (untuk sumur flowing) dll. Copyright Dadang Rukmana (BPMIGAS)

69

PI HISTORY MATCHING Contoh PI matching untuk lapangan.


70

PI HISTORY MATCHING Contoh PI matching untuk Sumur.


71

9. PREDIKSI Production Constraint (Economic Limit) Sebelum melakukan prediksi parameter constraint harus dimasukkan didalam model simulasi. Parameter dan Ketentuan Constraint : Lapangan Minyak :  Minimum Oil rate per sumur dan per lapangan  Maksimum Water Cut  Minimum BHP  Maksimum GOR untuk lapangan minyak mekanisme gas cap Lapangan Gas  Minimum Gas rate per sumur dan per lapangan  Maksimum WGR  Minimum WHP Constraint oil rate, gas rate, water cut dan wgr dihitung berdasarkan nilai keekonomian suatu sumur atau lapangan, sedangkan BHP berdasarkan operasional peralatan artificial lift dan WHP berdasarkan operasional supply gas/fasilitas. 72


PREDIKSI

73

Penentuan Produksi Puncak (Peak Production) Lapangan Minyak o Perkiraan produksi puncak per sumur ditentukan oleh data tes dan telah mempertimbangan : Kurva Inflow Performance Relationship (IPR) dan Critical Rate Water Coning atau Gas Coning. o Lama waktu produksi puncak per lapangan minimal 1/3 dari umur produksi (sampai economic limit).

Lapangan Gas o Perkiraan produksi puncak per sumur ditentukan oleh data tes dan tidak melebih dari : 30% absolute open flow (AOF), Kurva IPR dan Critical Rate Water Coning o Lama waktu produksi puncal per lapangan minimal 2/3 dari umur produksi (sampai economic limit). o Perkiraan produksi harus mencakup perkiraan produksi gross dan net (gas sales). Perkiraan produksi Net dihitung dari perkiraan produksi gross setelah dipotong dengan impurities, fraksi berat/kondensat, own use/fuel dan losses. Lamanya produksi puncak 1/3 (minyak) dan 2/3 (gas) dapat dipertimbangkan untuk lebih rendah seperti pada kasus-kasus tertentu, misalkan fasilitas sudah tersedia, perubahan biaya terhadap perubahan fasilitas tidak terlalu besar dan pertimbangan keekonomian pengembangan.

PREDIKSI Skenario Prediksi Lapangan Minyak dan Gas  Base case : Meneruskan produksi dari sumur-sumur yang ada (existing wells)

 Case 1 : Base case + Workover WorkOver membuka lapisan baru.

 Case 2 : Case 1 + Optimisasi Produksi Optimisai produksi adalah mengoptimalkan artificial lift.

 Case 3 : Case 2 + Infill drilling (sumur vertikal) Infill drilling di lokasi/area hidrokarbon yang belum terkuras

 Case 4 : Case 2 + Infill drilling (sumur horizontal) Infill drilling di lokasi hidrokarbon yang belum terkuras dan K rendah

 Case 5 : Case 2 + Infill drilling (gabungan Vertikal & Horizontal) Khusus Lapangan Minyak  Case 5 : Case 3/4/5 + Water Flood (Peripheral)  Case 6 : Case 3/4/5 + Water Flood (Pattern)  Case 7 : Case 3/4/5 + Gas injection (Lap. yg mempunyai gas cap) Copyright Dadang Rukmana (BPMIGAS)

74

PREDIKSI Hasil Prediksi Lapangan Minyak Contoh hasil prediksi dengan berbagai skenario.


75

PREDIKSI (Hasil Prediksi Lapangan Minyak) Contoh hasil prediksi dengan berbagai skenario.


76

PREDIKSI (Hasil Prediksi Lapangan Minyak) Contoh hasil prediksi simulasi dalam pengembangan lapangan per Phase . 5,000 By assuming field economic limit of 400 BOPD, the cumulative production is 3.7 MMBO (until Sept 2013)

4,500

4,000

4,000

3,500

3,500

3,000

3,000 Phase 2 Region I

2,500

Phase 2 Region III

2,500

Phase 1 Region IV

2,000 1,500 1,000

Phase 1 Region III Existing Region I Existing Region III Existing Region II Cumualtive Oil (MBO)

500

1,500 1,000 500 0

Ja nM 08 ay Se 08 pJa 08 nM 09 ay Se 09 pJa 09 nM 10 ay Se 10 pJa 10 nM 11 ay Se 11 pJa 11 nM 12 ay Se 12 pJa 12 nM 13 ay Se 13 pJa 13 nM 14 ay Se 14 pJa 14 nM 15 ay Se 15 pJa 15 nM 16 ay Se 16 pJa 16 nM 17 ay Se 17 pJa 17 nM 18 ay -1 8

0

2,000

Cumualtive Oil (MBO)

BOPD

4,500

5,000


77

SEMOGA BERMANFAAT BAGI KITA SEMUA

78

WORKSHOP

PEDOMAN DECLINE ANALYSIS, APLIKASI DCA DALAM OPTIMASI PRODUKSI DAN MATERIAL BALANCE Oleh Dadang Rukmana

21-24 Oktober 2009 (Unpad & K3S) 10-11 Agustus 2009 (Lemigas & K3S) 7 November 2008 (Pertamina) 9 Juni 2008 (UIR) 17 Mei 2008 (ITB) 18 April 2008 (Trisakti) 14 April 2008 (Lemigas) 14 Maret 2008 (UPN)

DINAS PENGKAJIAN EKSPLOITASI & EVALUASI CADANGAN DIVISI PENGKAJIAN DAN PENGEMBANGAN BIDANG PERENCANAAN

1

2

AGENDA DECLINE ANALYSIS • Faktor yang Mempengaruhi Penurunan Produksi • Diagram Flow Chart Decline Curve Analysis • Analisa Dan Pemilihan Data • Metode Penentuan DCA APLIKASI DECLINE ANALYSIS DALAM OPTIMASI PRODUKSI • Flow Pembuatan Sektor • Pembuatan Model • Analisa DCA per Sector METODE MATERIAL BALANCE • Persamaan Umum • Persyaratan Penggunaan Metode Material Balance • Tank Model Material Balance • Input Tank Model Material Balance • Tank Model Secara Areal dan Secara Vertikal Copyright Dadang Rukmana (BPMIGAS)

DECLINE ANALYSIS Metode Decline Curve Analysis (DCA) adalah salah satu cara untuk mengetahui perilaku reservoar dengan menganalisa kurva penurunan laju produksi. Metode ini banyak digunakan dalam memprediksi produksi minyak, menentukan cadangan minyak dan dapat menentukan umur produksi suatu lapangan dengan cepat, sederhana dan relatif murah dibandingkan dengan metode simulasi. Masalahnya :  Penarikan garis pada penurunan produksi yang bagaimana yang akan ditentukan.  Metode apa yang akan dipakai (eksponensial, harmonik atau hiperbolik) dan apa indikatornya.  Apakah kurva decline yang telah dipilih benar-benar representatif.  Bagaimana kurva decline produksi suatu sumur jika ada titik pengurasan baru (drainage) atau workover.  Bagaimana menganalisa hasil penarikan DCA berkaitan dengan lapangan sudah mature atau masih virgin.  Bagaimana memperkirakan penambahan produksi dari suatu zone/ lapangan dimasa datang dengan bertambahnya titik pengurasan. Copyright Dadang Rukmana (BPMIGAS)

3

Diagram Flow Chart Decline Curve Analysis Input : Data Produksi

    

Tentukan Periode Trend Penurunan Produksi Log Qo vs Time

Plot data produksi : Log Qo vs Time dan Log QL vs Time GOR & WOR vs Time Sumur aktif vs Time Sejarah Komplesi vs Time Qo vs Time (rata-rata data sumur)

Ya

Trend DCA Tidak

Prediksi dari Sumur-sumur existing : • Penarikan decline dimulai pada data produksi terakhir • Jika penarikan DCA dari beberapa kurva pada history produksi menuju ke satu titik maka prediksi juga jatuhkan ke titik yang sama. • Jika kurva penarikan DCA dari kurva sebelumnya ternyata sejajar maka prediksi juga harus sjajar.

Penambahan Sumur Baru Tidak Copyright Dadang Rukmana (BPMIGAS)

Ya

Prediksi untuk penambahan sumur baru : • Hitung Qi per sumur • Tambahkan Qi pada hasil Prediksi existing / DCA sebelumnya • Jika penarikan DCA sebelumnya sejajar atau menuju satu titik, maka untuk prediksi penambahan sumur baru juga menuju satu titik atau sejajar. Ubah dari Log Qo vs Np menjadi Log Qo vs Time. Hasil akhir : • Prediksi Produksi • Ultimate Recovery • Remaing Reserve

Cek periode pada trend penurunan produksi tsb harus pada sumur aktif konstant dan tidak ada perubahan : komplesi, choke, kapasitas pompa dan problem di fasilitas

Tidak

Tidak

Baik

Cek periode pada trend penurunan produksi bukan akibat water coning atau kepasiran. Baik

Plot :  Log Qo vs Np  Log Oil Cut vs Np

Dca pada Oil cut vs Np sebagai pembanding

Proses Decline Curve : • Penentuan Metode DCA

(Eksponen, Hyperbolik & Harmonik)

• Penentuan Parameter Qi, b dan Dn

Selesai

4

DECLINE ANALYSIS Faktor yang Mempengaruhi Penurunan Produksi Kurva atau pola decline suatu produksi dicirikan oleh 3 faktor :  Laju Produksi awal atau laju produksi dalam kurung waktu tertentu  Kelengkungan kurva penurunan produksi  Konstanta decline Ketiga faktor tsb hasil kombinasi banyak faktor :  Parameter Geologi : Facies dan distribusi property.  Parameter resevoar : Tekanan, Kr dan Dimensi reservoar dll  Parameter sifat fisik batuan & fluida : Viskositas, Compresibilitas dll  Pengaruh kondisi sumur : Ukuran Choke, Lubang sumur, diameter lubang, interval komplesi, kerusakan formasi, ketinggian fluida dll  Fasilitas dan mekanisme pengangkatan


5

DECLINE ANALYSIS Syarat-syarat dalam analisa decline curve Faktor yang mempengaruhi penurunan produksi secara langsung : • Penurunan tekanan rata-rata reservoar • Perubahan mekanisme pendorong di dalam reservoar • Perubahan Sifat fisik fluida dan batuan. Penentuan periode trend penurunan produksi sangat penting dan akan menentukan hasil dari DCA. Untuk menganalisa dan menentukan penarikan garis pada suatu kurva decline yaitu menentukan periode pada kurva penurunan produksi pada suatu waktu tertentu dimana penurunan produksi harus disebabkan secara alamiah, syarat-syarat dalam penentuan periode trend penurunan produksi untuk DCA yaitu : • Jumlah sumur aktif harus konstan untuk DCA per lapangan/per reservoar/ per blok). • Tidak ada perubahan choke atau perubahan kapasitas /mekanisme pengangkatan dan perubahan komplesi untuk DCA per sumur. • Tidak ada masalah di lubang sumur (kepasiran) • Tidak ada masalah dengan fasilitas atau gangguan dari surface Copyright Dadang Rukmana (BPMIGAS)

6

7

DECLINE ANALYSIS Analisa data Contoh perubahan kapasitas pompa (ESP)

Pada gambar diatas terlihat kurva-1 liquid rate konstan dari periode 74-81 dan begitu juga kurva -2 periode 91 – 95, kemungkinan pada periode tsb dapat dianalisa untuk penarikan garis decline. Prediksi produksi dapat dimulai pada kurva-3 yang mana penarikan garis DCA berdasarkan hasil DCA kurva-1 dan kurva-2 yaitu menuju ke satu titik atau sejajar. Copyright Dadang Rukmana (BPMIGAS)

DECLINE ANALYSIS Analisa data  Untuk analisa data dimulai dengan Plot sejarah produksi untuk per Lapangan :  Grafik 1 => Oil rate & WC vs Date Grafik 2 => Jika sumur producer > 20 sumur plot Sumur aktif vs Date dan jika jumlah sumur < 20 sumur plot barchart Sumur aktif vs Date.  Grafik 1 => Liquid rate & GLR vs Date Grafik 2 => Pressure vs Date  Plot : GOR dan WOR vs Date  Jika lapangan sudah di lakukan water flood atau pressure maintenant : Grafik 1 => Oil rate, Injection rate & WC vs Date Grafik 2 => Jika jumlah sumur injector > 20 sumur plot Sumur injeksi aktif vs Date dan jika jumlah sumur kurang < 20 sumur plot barchart sumur active injeksi vs Date. Note : o Grafik 1 dan grafik 2 dalam lembar yang sama, skala sumbu x untuk kedua grafik tsb harus sama. Pada grafik Oil rate & WC vs Date, maksudnya adalah Oil Rate pada sumbu Y1 dan WC pada umbu Y2 sedangkan Date pada sumbu X o Semua data pressure harus sudah di konversi pada datum yang sama (satu datum). Copyright Dadang Rukmana (BPMIGAS)

8

PENGOLAHAN DATA-DATA RESERVOAR Analisa Data  Buat Plot sejarah produksi untuk Sumuran :  Grafik 1 => Oil rate dan WC vs Date Grafik 2 => plot barchart sejarah komplesi vs Date  Grafik 1 => Liquid rate dan GLR vs Date Grafik 2 => Pressure vs Date (Jika ada)  Plot : GOR dan WOR vs Date Note : o


o

Semua data pressure harus sudah di konversi pada satu datum.

 Buat sejarah produksi rata-rata Sumuran : Sejarah produksi rata-rata sumuran dihitung berdasarkan total produksi dibagi jumlah sumur aktif. Plot : 

Oil Rate dan Wc vs Date



GOR dan WOR vs Date Copyright Dadang Rukmana (BPMIGAS)

9

DECLINE ANALYSIS Seleksi Data

10

Seleksi data untuk penarikan decline yaitu mencari periode dimana produksi mengalami trend menurun pada kurva Qo vs Date dengan syarat : •

Periode dimana jumlah sumur yang aktif relatif konstan khusus untuk penarikan decline per lapangan/reservoar/blok). Gunakan hasil Plot Sumur Aktif vs waktu.

•

Penarikan decline per sumur pilih periode dimana tidak ada perubahan komplesi atau buka/tutup lapisan. Gunakan Plot Sejarah komplesi vs waktu.

•

Pilih periode dimana liquid rate yang konstant atau menurun. Penururnan liquid rate bukan disebabkan karena perubahan kapasitas pompa tetapi karena alamiah. Gunakan Plot Liquid Rate vs Waktu.

•

Pilih periode dimana penurunan produksi bukan karena water coning atau kepasiran. Gunakan Plot WOR vs Waktu dan sejarah sumur.

Untuk penarikan decline plot Log Qo vs Np dan oil cut vs Np (khusus untuk reservoar water drive) dan jika solution drive cukup Log Qo vs Np. Copyright Dadang Rukmana (BPMIGAS)

DECLINE ANALYSIS Seleksi data Contoh menseleksi periode/interval waktu dalam menentukan penarikan DCA

Periode waktu yang dapat dianalisa DCA


11

DECLINE ANALYSIS Metode Penurunan produksi secara alamiah biasanya mengikuti pola dari bentuk kurva exponential, hyperbolic dan harmonic, maka metode decline curve analysis terbagi tiga tipe, yaitu : • Exponential Decline

: Q = Qi e-Dn t

• Hyperbolic Decline

: Q = Qi ( 1 + b Dn t)-1/b

• Harmonic Decline

: Q = Qi ( 1 + Dn t)-1/b

Parameter didalam ke tiga metode tsb : • b : • Dn :

Eksponen decline yaitu menggambarkan kelengkungan kurva. Konstanta decline rate yaitu mencerminkan kecepatan penurunan laju produksi dalam interval waktu tertentu.


12

DECLINE ANALYSIS Metode Karakteristik masing-masing Metode DCA : Log (Qo) vs Kumulative

0 < b < 1 Hiperbolik b=0 Eksponen

Log (Qo) vs Date

b=1 Harmonik

0
b=1 13

DECLINE ANALYSIS

14

Penentuan DCA Gambar disebelah ini adalah contoh hasil dari analisa data dimana diperoleh 2 periode sebagai dasar untuk penarikan decline. Hasil penarikan garis DCA baik untuk kurva-1 dan maupun kurva-2 menuju ke satu titik artinya lapangan tsb sudah mature, penambahan sumur sifatnya hanya mempercepat produksi (accelerate). Jika menambah sumur baru maka penarikan untuk prediksi produksi dijatuhkan ke titik yang sama sesuai kurva-1 & kurva-2.

Produksi awal (Qi) dari sumur baru dapat menggunakan hasil grafik dari rata-rata produksi sumuran dan telah disesuaikan dengan rencana produksi sumur baru tsb.

DECLINE ANALYSIS Penentuan DCA Gambar dibawah ini contoh salah satu lapangan di Jawa Timur dimana hasil studi simulasi menunjukkan tidak ada penambahan cadangan apabila dilakukan penambahan sumur baru (lapangan sudah mature) dan hasilnya sama dengan metode DCA berdasarkan konsep seperti pada pedoman ini. Hasil DCA


Hasil Simulasi

15

DECLINE ANALYSIS Penentuan DCA Gambar disebelah kanan adalah contoh hasil dari analisa data diperoleh 2 interval waktu sebagai dasar dalam penarikan decline. Hasil penarikan DCA kurva-1 dan kurva-2 menunjukan garis yang sejajar artinya lapangan tsb masih virgin, penambahan sumur akan menambah cadangan. Jika menambah sumur baru maka penarikan decline untuk prediksi produksi dapat ditarik sejajar mengikuti kurva1 & kurva-2 Copyright Dadang Rukmana (BPMIGAS)

16

DECLINE ANALYSIS Penentuan DCA untuk Lapangan Primary & WF Contoh analisa DCA untuk Lapangan Primary & Water Flood. Hasil DCA kurva-1 dan kurva-2 menunjukan garis yang sejajar, maka penentuan prediksi primary dapat diambil sejajar (kurva ND) mengikuti kurva 1 dan 2. Kurva 3 analisa decline untuk waterflood. Terlihat ada perubahan harga b dan Dn, menunjukkan perubahan mekanisme didalam reservoar. Copyright Dadang Rukmana (BPMIGAS)

17

APLIKASI DECLINE CURVE ANALYSIS KOMBINASI DCA DENGAN KARAKTERISTIK RESERVOAR


18

19

APLIKASI DECLINE CURVE ANALYSIS Gabungan data-data model 3D property dengan Metode Decline Curve Analysis (DCA) dapat memperkirakan area pada suatu lapangan yang belum optimal. Cara yang cukup sederhana yaitu membagi area lapangan menjadi beberapa sektor berdasarkan karakteristik reservoar, seperti : 

Reservoar Potensial (OOIP)



Permeabilitas

Prosedur dalam melakukan optimasi produksi dalam suatu lapangan, sbb :  Bagi lapangan menjadi beberapa sektor.  Gabungkan data-data produksi untuk masing-masing sumur menurut sektor-sektor tsb.  DCA dapat dilakukan berdasarkan masing-masing sektor.  Hasil DCA dimana penarikan garis yang menuju satu titik menunjukkan sektor tsb tidak layak untuk di bor karena sudah mature, tetapi untuk DCA dengan garis sejajar menunjukkan masih punya potensi untuk menambah Copyright Dadang Rukmana (BPMIGAS) titik serap (sumur baru).

APLIKASI DECLINE CURVE ANALYSIS

20

Pembuatan Sektor Prosedur dalam pembuatan karakteristik reservoar :

sektor suatu lapangan berdasarkan

 Lakukan modeling 3D model geologi-reservoar, distribusikan parameter property petropisik seperti Netpay, Porositas, Sw dan permeabilitas untuk masing-masing lapisan reservoar terutama lapisan yang mempunyai data produksi. Hitung OOIP per grid dan per lapisan sehingga akan diperoleh peta OOIP per lapisan.  Gabungkan dari beberapa lapisan menjadi satu lapisan dengan cara menjumlanghkan semua peta ooip.  Dengan cara yang sama, lakukan untuk permeabilitas. Untuk menggabungkan beberapa lapisan yang berisi data permeabilitas menjadi satu lapisan yaitu dengan cara merata-ratakan harga permeabilitas gunakan metode harmonik.  Kelompokkan harga inplace dan permeabilitas masing-masing menjadi 3 kategori (besar, menengah dan kecil) dengan menggunakan metode statistik . Data-data yang dikelompokkan diambil dari grid peta OOIP dan grid peta Permeabilitas . Copyright Dadang Rukmana (BPMIGAS)

21

APLIKASI DECLINE CURVE ANALYSIS Pembuatan Sektor  Kombinasikan ketiga sektor inplace dengan ketiga sektor permeabilitas menghasilkan 9 sektor OOIP-Permeabilitas Sektor Sektor OOIP high

K high

OOIP medium

K medium

OOIP low

K low

 Distribusikan dalam bentuk kontur/peta data-data kumulativ produksi minyak dan jika ada kumulativ produksi air injeksi dari data-data terakhir sumuran.  Kelompokkan harga kumulativ tsb masing-masing menjadi 3 kategori (besar, menengah dan kecil) dengan menggunakan statistik dan aplikasikan kedalam peta sehingga di peta kumulativ produksi diperoleh 3 sektor . Copyright Dadang Rukmana (BPMIGAS)

APLIKASI DECLINE ANALYSIS Pembuatan Sektor  Overlay hasil pemetaan kumulativ produksi yang telah menjadi 3 sektor dengan pemetaan hasil kombinasi sektor inplace-K. Hasil akhir dari kombinasi peta produksi, peta inplace dan peta permeabilitas akan menghasilkan kurang lebih 4 sektor.  Cek hasil kombinasi kumulativ produksi-Inplace-permeabilitas yang terdiri dari 4 sektor dengan profile tekanan dan produksi sumuran pada masingmasing sektor pada grafik produksi, seperti : • Pressure vs Time • Qo vs Np • QL & Qo vs Time • Sumur aktif vs Time Jika data tekanan dan produksi masing-masing sumur pada sektor yang sama mempunyai profile kemiripan yang sama maka pembuatan sektor sudah selesai dan jika tidak cek kembali dan ulangi pada kombinasi overlay antara peta kumulativ produksi dengan peta sektor inplace-K. Copyright Dadang Rukmana (BPMIGAS)

22

APLIKASI DECLINE ANALYSIS Flow Pembuatan Sektor OOIP tiap-tiap grid berasal dari hasil modeling dari peta netpay, porositas dan Sw OOIP dan K tiap-tiap grid dikelompokkan menjadi 3 kelompok dengan kategori high, medium dan low menggunakan metode statistik kemudian diaplikasikan ke model 2D menjadi sektor-sektor. 3 kelompok OOIP dan 3 kelompok dari permeabilitas dikombinasikan menjadi 9 kombinasi dan diaplikasikan ke 2D model mejadi 9 sektor. Data kumulatip produksi dan injeksi (jika ada) dari tiap-tiap sumur di petakan dalam bentuk 2D model dan statistikkan menjadi 3 kelompok dan 3 sektor di 2D model, kemudian overlay dengan 2D model hasil kombinasi OOIP-K akan dihasilkan sektor-sektor baru dan sederhanakan sektor-sektor tsb menjadi 4 sektor. Copyright Dadang Rukmana (BPMIGAS)

23

APLIKASI DECLINE ANALYSIS Pembuatan Model Contoh Peta Net Pay


24

APLIKASI DECLINE ANALYSIS Pembuatan Model Contoh Peta Porositas


25

APLIKASI DECLINE ANALYSIS Pembuatan Model Contoh hasil perhitungan OOIP tiap-tiap grid dikelompokkan dengan metode statistik menghasilkan 9 interval kemudian disederhanakan menjadi 3 interval yaitu interval dengan OOIP low, medium dan high


26

APLIKASI DECLINE ANALYSIS Pembuatan Model Contoh Peta OOIP


27

APLIKASI DECLINE ANALYSIS Pembuatan Model Contoh Data Permeabilitas dari tiap-tiap grid dikelompokkan dengan metode statistik menghasilkan 9 interval kemudian disederhanakan menjadi 3 interval yaitu interval dengan permeabilitas low, medium dan high


28

APLIKASI DECLINE ANALYSIS Pembuatan Model Contoh Peta Permeabilitas


29

APLIKASI DECLINE ANALYSIS Pembuatan Model Contoh Kombinasi Statistik OOIP dengan Statistik Permeabilitas


30

APLIKASI DECLINE ANALYSIS Pembuatan Model Contoh Peta OOIP - K


31

APLIKASI DECLINE ANALYSIS Pembuatan Model Contoh Peta Kumulatif Produksi


32

APLIKASI DECLINE ANALYSIS Pembuatan Model Contoh Peta Kumulatif Water Injeksi


33

APLIKASI DECLINE ANALYSIS Pembuatan Model Contoh Hasil Modeling vs Produksi


34

APLIKASI DECLINE ANALYSIS Pembuatan Model Contoh Lapangan ”X” Peta Sektor OOIP-K


35

APLIKASI DECLINE ANALYSIS Analisa DCA per Sector Contoh Gambar Tekanan yang scatter


36

APLIKASI DECLINE ANALYSIS Analisa DCA per Sector Contoh Gambar Tekanan pada sector-1


37

APLIKASI DECLINE ANALYSIS Analisa DCA per Sector Contoh Gambar Tekanan pada sector-2


38

APLIKASI DECLINE ANALYSIS Analisa DCA per Sector Contoh Sektor-1 sudah Mature, kurva menuju satu titik


39

APLIKASI DECLINE ANALYSIS Analisa DCA per Sector Contoh Sektor-2 sudah Mature, kurva menuju satu titik


40

APLIKASI DECLINE ANALYSIS Analisa DCA per Sector Contoh Sektor-3 masih Virgin, kurva-1 & Kurva-2 sejajar


41

APLIKASI DECLINE ANALYSIS Analisa DCA per Sector Contoh Sektor-4 masih Virgin, kurva-1 & Kurva-2 sejajar


42

APLIKASI DECLINE ANALYSIS Pembuatan Model Contoh Lapangan ”Y” (Peta Sektor OOIP-K)


43

APLIKASI DECLINE ANALYSIS Analisa DCA per Sector Contoh Lap. ”Y”, Sektor 3-N sudah Mature, 2 kurva menuju satu titik


44

APLIKASI DECLINE ANALYSIS Analisa DCA per Sector Contoh Sektor 3-E masih Virgin, kurva-1, 2 & 3 sejajar


45

METODE MATERIAL BALANCE UNTUK PREDIKSI PERFORMANCE PRODUKSI


47

PERSAMAAN UMUM MATERIAL BALANCE Metode material balance dapat dilakukan untuk memperkirakan produksi minyak dan gas dalam usulan POD dengan alasan metode simulasi tidak bisa dilakukan setelah mendapat persetujuan dari tim teknis BPMIGAS. Metode material balance untuk membuat forecast produksi hanya analitic material balance. Persamaan material balance secara umum :  Reservoar minyak : F = N(Eo + mEg + Efw) + We  Reservoar gas : F = G(Eg + Efw) + We Dimana : F = production of oil, water and gas, rb N = original oil-in-place,stb G = original gas-in-place, scf Eo = expansion of oil and original gas in solution,rb/stb m = initial gas cap volume, fraction of initial oil volume Eg = gas cap expansion, rb/stb Efw = connate water expansion and pore volume reduction due to production, rb/stb We = cumulative natural water influx, rb Copyright Dadang Rukmana (BPMIGAS)

PERSYARATAN PENGGUNAAN METODE MATERIAL BALANCE Material balance analitic, yaitu semi-simulasi karakteristik reservoir dengan menggunakan tank model. Metode ini dapat dilakukan baik untuk reservoar minyak maupun reservoar gas dengan syarat :  Perhitungan inplace berdasarkan model geologi (Volumetrik) atau 3D model property dan telah memiliki peta pendukung seperti peta Netpay, Porosity, Sw, Permeabilitas serta rock region untuk masingmasing lapisan.  Harus dimodelkan beberapa tank model yang mencerminkan perbedaan karakteristik reservoar seperti rock region/flow unit/property/facies yang berbeda baik secara lateral maupun vertikal.  Tank model harus mengakomodasi : pergerakan fluida, aquifer dan gas cap (tergantung sifat reservoar).  Hasil perhitungan cadangan telah diselaraskan dengan data produksi dan tekanan.


48

49

TANK MODEL MATERIAL BALANCE Gambar dibawah ini contoh hasil modeling geologi dan tank model yang terbagi atas 5 tank. Pembagian tank model didasarkan pada kompartment reservoar. Tank model nomor 1 s/d nomor 4 secara geologi saling berhubung maka model tank-1 s/d tank-4 diasumsikan saling berhubungan. Sedangkan tank-5 secara geologi terpisahkan oleh adanya fault maka tank-5 dibuat tank sendiri.

Tank-3 Tank-I

Tank-2

Tank-4 Tank-5


INPUT TANK MODEL MATERIAL BALANCE Tabel dibawah ini contoh properti petropisik, besaran inplace dan data-data reservoar sebagai input untuk masing-masing tank model.


50

51

TANK MODEL Secara Areal Contoh model lain dimana tank model disesuaikan dengan rencana pemboran dan didasarkan atas distribusi porositas dari hasil 3D modeling. Dihasilkan tank model secara areal sebanyak 6 tank.

Tank-1

Tank-4 Tank-8

Tank-12 Tank-16 Tank-20


52

PEMBAGIAN TANK MODEL Secara Vertikal Pembagian Tank model secara vertikal disesuaikan karakteristik reservoar yaitu fasies, properti batuan, kategori cadangan dan zone water dimana tank model secara vertikal saling komunikasi.

Tank-4

Tank-1,2&3

Tank-1 Tank-2

Tank4,5,6&7

Tank-3

Tank8,9,10&11 Tank12,13,14&15

Tank-5 Tank-6 Tank-7

Tank-12

Tank-1 Tank-2

Tank-13 Tank-14

Tank-3

Tank-15

Tank16,17,18 &19

Tank-20,21&22 Copyright Dadang Rukmana (BPMIGAS)

PEMBAGIAN TANK MODEL Secara Vertikal Contoh Prediksi Produksi dengan menggunakan metode material balance dengan konsep multi tank model mengakomodasi perbedaan karakteristik reservoar.


53

54

WORKSHOP PEDOMAN PENENTUAN KATEGORI

DAN PERHITUNGAN CADANGAN MIGAS Oleh DADANG RUKMANA

21-24 Oktober 2009 (Unpad & K3S) 16-17 Oktober 2009 (Forum Iatmi - Bali) 10-11 Agustus 2009 (Lemigas & K3S) 11-12 Juni 2009 (Pertamina - Bali)

DINAS PENGKAJIAN EKSPLOITASI & EVALUASI CADANGAN DIVISI PENGKAJIAN DAN PENGEMBANGAN BIDANG PERENCANAAN 1

2

AGENDA 1. ATURAN DAN KETENTUAN BERHUBUNGAN DENGAN CADANGAN MIGAS 2. PERMASALAHAN BERHUBUNGAN DENGAN CADANGAN 3. KLASIFIKASI CADANGAN & DEFINISI PRMS 2007 4. KLASIFIKASI CADANGAN BPMIGAS 5. DEFINISI CADANGAN 6. PEMBAGIAN KATEGORI CADANGAN 7. METODE PERHITUNGAN IN PLACE 8. PENENTUAN RF & CADANGAN HIDROKARBON 9. CADANGAN UNTUK USULAN POD/POFD 10. FORMAT LAPORAN CADANGAN TAHUNAN (Annual Reserves Report) Copyright Dadang Rukmana (BPMIGAS)

1. ATURAN DAN KETENTUAN BERHUBUNGAN DENGAN CADANGAN MIGAS • PP 35 Tahun 2004 Pasal 39 Ayat 1 : Kontraktor wajib melaporkan penemuan dan hasil sertifikasi cadangan Minyak dan/atau Gas Bumi kepada Menteri melalui Badan Pelaksana. • Kontraktor (K3S) wajib melaporkan cadangan setiap awal tahun (Annual Reserves Report) kepada Ditjen Migas dan BPMIGAS • Surat Edaran dari Kepala BPMIGAS tahun 2005 No 538/BP00000/2005-S1 perihal Pedoman Pelaksanaan Studi GGR dan Sertifikasi Cadangan Migas :  Setiap usulan studi GGR dan sertifikasi cadangan harus mendapat persetujuan dari BPMIGAS.  Khusus keperluan sertifikasi cadangan oleh konsultan independent, penyampaikan data untuk keperluan perhitungan (parameter) harus mendapat persetujuan dari BPMIGAS.  Laporan akhir (final report) studi GGR dan sertifikasi cadangan agar diserahkan ke BPMIGAS. Data-data dan dokumen yang dipergunakan oleh konsultan independen tsb harus dikembalikan ke K3S yg bersangkutan.

3

4

ATURAN DAN KETENTUAN BERHUBUNGAN DENGAN CADANGAN MIGAS • Surat edaran dari Deputi Perencanaan BPMIGAS tahun 2006 No 136/BPA0000/2006-S1 perihal Pedoman Penyempurnaan Sertifikasi Cadangan Migas :  Setiap usulan sertifikasi cadangan, harus disampaikan dan didiskusikan terlebih dahulu dengan fungsi terkait BPMIGAS.  Kelengkapan data dalam evaluasi geologi dan geofisika harus menyertakan pemodelan geologi dan pemodelan geofisika dan harus mendapat persetujuan BPMIGAS sebelum melangkah ke evaluasi subsurface lainnya.  Sertifikasi final oleh pihak independen baru dapat dilakukan setelah dikonsultasikan dengan BPMIGAS. • Keputusan Manajemen BPMIGAS tahun 2008 bahwa setiap sertifikasi cadangan harus dilakukan oleh lembaga independent dalam Negeri. • Sebelum melakukan kegiatan studi GGR dan Sertifikasi harus mendapatkan ijin disclose data dari Ditjen Migas 5

6

2. PERMASALAHAN BERHUBUNGAN DENGAN CADANGAN • Dari beberapa kasus adanya ketidakcocokan antara angka cadangan dengan hasil produksi nyata (over estimate). • Kategori/Klasifikasi yang digunakan dalam perhitungan cadangan antara K3S berbeda-beda :  Berdasarkan Volumetrik didukung dengan peta : Proven, Probable dan Possible atau P1, P2 dan P3  Berdasarkan Probabilistik (tanpa didukung dengan Peta) :  Low, Most likely dan High  P10, P50 dan P90

7

8

PERMASALAHAN • Pendekatan batas P1, P2 dan P3 yang berbeda-beda : Batas Area  Radius sumur terluar menggunakan asumsi atau radius dari interpretasi well testing  Penyebaran Facies  Kejelasan dari distribusi peta seismik inversi  Kontur terluar yang eqivalen dengan batas fluida Batas Vertikal  Batas fluida (contact) untuk P1  Untuk P2 dihitung :  Batas antara P1 (Lowest Tested) s/d batas (LKO/LKG)  Ada yang menggunakan 1/2 atau 1/3 yaitu batas antara P1 (Lowest Test/LKO/LKG) dengan P3 (HKW/spill point)

3. KLASIFIKASI CADANGAN & DEFINISI PRMS 2007 Klasifikasi Cadangan dan Resources berdasarkan Petroleum Resources Management System (PRMS 2007)

9

KLASIFIKASI CADANGAN & DEFINISI PRMS 2007

10

• Definisi Cadangan berdasarkan PRMS 2007 adalah sejumlah minyak dan gas bumi yang dapat diproduksikan secara komersial dengan menerapkan teknologi yang ada saat ini. • Diluar definisi tsb maka cadangan dikategorikan sebagai Contingent Resources (SubCommercial) yang diklasifikasikan sebagai C1, C2, dan C3 karena belum dianggap sebagai cadangan yang siap diproduksikan namun memiliki potensi untuk diproduksikan dikemudian hari apabila telah dinyatakan komersial. Positif :

Negatif :

 Terjadi pengelompokan cadangan yang komersial maupun sub-komersial.

 Karena perhitungan cadangan dikaitkan dengan komersialitas, maka penemuan lapangan baru akan sulit untuk segera dikembangkan.

 Data cadangan yang ditampilkan mencerminkan kondisi yang lebih realistis dengan derajat kepastian cadangan yang baik.  Dapat memudahkan bagi BPMIGAS & K3S dalam membuat rencana kerja & biaya (WP&B)  Cadangan yang terhitung sangat cocok sebagai penjamin bagi bank.

 Perhitungan cadangan akan turun drastis bagi lapangan yang belum memiliki : rencana pemboran atau rencana pengembangan (Project) atau belum ada pembeli untuk lapangan gas. Begitu juga sebaliknya.  Perhitungan cadangan menjadi lebih rumit dan perubahan klasifikasi cadangan sangat cepat, tidak cocok untuk pelaporan cadangan tahunan.  Sertifikasi cadangan suatu lapangan harus dilakukan setiap saat (setiap tahun).

Klasifikasi & Definisi cadangan versi PRMS 2007 secara filosofi telah digunakan oleh BPMIGAS sebelum PRMS 2007 diterbitkan hanya dalam usulan / persetujuan WP&B (perencanaan jangka pendek).

11

Contoh Hasil Perhitungan CADANGAN berdasarkan PRMS 2007 Kasus Hasil Sertifikasi Pesimis. Gas Volume (MMscf)

Institusi LN Low Case

Institusi LN Mid Case

Institusi LN High Case

Inhouse (2P)

Estimated EUR

77,814

174,019

311,200

343,290

Contingent Resources

1C = 3,597

2C = 13,386

3C = 29,323

0

Kasus Hasil Sertifikasi Optimis. Gas Volume (MMscf)

Institusi LN Low Case

Institusi LN Mid Case

Institusi LN High Case

Inhouse (2P)

Estimated EUR

709,000

843,200

1,062,0000

724,317

Contingent Resources

1C = 0

2C = 29,100

3C = 60,400

0

Catatan : 10 Lapangan salah satu K3S yang telah dilakukan sertifikasi (tidak cost recovery) oleh Institusi LN dengan dasar PRMS 2007 menghasilkan cadangan 2P telah berkurang sebanyak 65% dari perhitungan inhouse sendiri. Klasifikasi & Definisi cadangan versi PRMS 2007 terlalu rumit dan hasilnya tidak konsisten

12

4. KLASIFIKASI CADANGAN BPMIGAS

Proved Estimate Developed

Probable Estimate

Undeveloped 90%P1 + 50%P2 Or 90% P1

Ekonomis

Possible Estimate

POD

Reserves

Annual Reserves Report

Klasifikasi Cadangan yang digunakan oleh BPMIGAS dan Ditjen Migas mengacu SPE 2001 yang dimodifikasi berdasarkan kondisi lapangan di Indonesia dan kepentingan Pemerintah.

Tidak Ekonomis

Hasil Forum di Bali (“Penyamaan Persepsi Kategori & Perhitungan cadangan “) telah disepakati BPMIGAS-Ditjen Migas – Pertamina bahwa klasifikasi cadangan dari PRMS 2007 (SPE 2007) sampai saat ini belum bisa dipakai dalam POD atau dalam pelaporan cadangan tahunan (Annual Reserves Report).

13

KLASIFIKASI CADANGAN Secara terperinci Aktif CADANGAN MIGAS

Dikembangkan Pasti

Primer

Sekunder

Mungkin

Tdk.Aktif Blm.Dikembangkan

Harapan

Tingkat Produktivitas Status Pengembangan

Tahapan Produksi

Tingkat Kepastian

Klasifikasi cadangan yang lebih terperinci dapat dilakukan per formasi atau per lapisan

14

5. DEFINISI CADANGAN Perkiraan jumlah Hidrokarbon yang terdapat didalam reservoar yang dapat diproduksikan dengan menggunakan teknologi yang tersedia yang ada saat ini sampai saat tertentu.

Produksi Kumulatif Cadangan tersisa

Cadangan Minyak pada tahap perolehan secara alami

Potensi Minyak pada tahap IOR/EOR

Original OIL In Place (OOIP)

KONSEP MENGURANGI KETIDAK PASTIAN CADANGAN Vs PENGEMBANGAN LAPANGAN POD

High P10

P3

Time

P50

P2

Most likely P1 P90 LOW

Development Decision

Data

15

Definisi dan Penentuan Kriteria Cadangan Cadangan Pasti (”Proven Reserve”) : Perkiraan jumlah hidrokarbon yang ditemukan di dalam batuan reservoir yang terbukti dapat diproduksikan dengan menggunakan teknologi yang tersedia dengan tingkat keyakinan 90% berdasarkan data log sumur, geologi dan keteknikan reservoar serta didukung oleh produksi aktual atau uji alir produksi.

Proven = P1 ≠ P90

16

Definisi dan Penentuan Kriteria Cadangan Cadangan Mungkin (”Probable Reserve”) : Perkiraan jumlah hidrokarbon yang ditemukan di dalam batuan reservoir yang mungkin dapat diproduksikan dengan menggunakan teknologi yang tersedia dengan tingkat keyakinan 50% berdasarkan data log sumur, geologi dan keteknikan reservoar tetapi tidak/belum didukung oleh produksi aktual atau uji alir produksi.

Probable = P2, 2P = P1 + P2, 2P ≠ P50

17

Definisi dan Penentuan Kriteria Cadangan Cadangan Harapan (”Possible Reserve”) : Perkiraan jumlah hidrokarbon yang ditemukan di dalam batuan reservoir yang diharapkan dapat diproduksikan dengan menggunakan teknologi yang tersedia dengan tingkat keyakinan 10% berdasarkan korelasi data geologi, geofisika, keteknikan reservoar dan tidak/belum ada data sumur.

Possible = P3, 3P = P1 + P2 + P3, 3P ≠ P10

18

19

BLOK A Sumur 1

BLOK B

Sumur 2

BLOK C

Sumur 4

Sumur 3

BLOK D

Definisi dan Penentuan Kriteria Cadangan

Sumur 5

R 1 R 2 Tengah

R 3 Barat

Tengah

Timur

Barat

Timur

Interpretasi Log DST Produksi Prospek

Barat

Tengah

Timur

6. PEMBAGIAN KATEGORI CADANGAN Batas P1, P2 dan P3 secara vertikal • Batas P1 (Proven) :  Berdasarkan batas Oil Water Contact (OWC) atau Gas Water Contact (GWC) dimana batas fluida harus ditunjang dengan data uji alir produksi, interpretasi petrofisik dan didukung dengan pressure gradient minyak/gas dengan air .  Apabila OWC atau GWC dapat ditentukan secara pasti maka tidak ada batas P2 maupun batas P3 secara vertical dalam reservoar yang sama.  Jika Contact tidak ditemukan maka batas P1 adalah batas bawah interval test produksi (DST).  Apabila Resistivity dibawah test produksi (DST) menunjukkan lebih besar (minimal sama) dan didukung dengan properti bagus maka batas P1 bisa sampai Lowest Known Oil (LKO) atau Lowest Known Gas (LKG). Sistem analogi property dapat dilakukan pada reservoar yang sama. 20

PEMBAGIAN KATEGORI CADANGAN Batas P1, P2 dan P3 secara vertikal • Batas area P2 (Probable) :  Batas antara P1 (lowest tested) s/d batas (LKO/LKG).  Jika batas P1 ada di LKO/LKG (lowest tested = LKO/LKG) maka batas P2 berada antara batas P1 s/d setengah antara batas vertikal P1 dengan spill point korelasi antar sumur atau Highest Known Water (HKW). • Batas P3 (Possible) : Batas antara P2 s/d spill point korelasi antar sumur atau Highest Known Water (HKW)

21

PEMBAGIAN KATEGORI CADANGAN BERDASARKAN SUMURAN (Secara Vertikal) Ilustrasi - 1 tes produksi mengalir gas

Batas P1 secara vertikal dapat ditentukan berdasarkan batas fluida (OWC/GWC), dimana batas fluida harus ditunjang dengan data uji alir produksi, interpretasi petrofisik dan didukung dengan pressure gradient

Proven

GWC

tes produksi mengalir air 22

23

PEMBAGIAN KATEGORI CADANGAN BERDASARKAN SUMURAN (Secara Vertikal) GR

RT

A

Ilustrasi - 2

Probable

GR

RT

A

??? Proven atau Probable tes prod.

Proven B

B

Proven

tes prod.

Probable Probable

LKO

LKO

PEMBAGIAN KATEGORI CADANGAN

24

Batas P1, P2 dan P3 secara areal • Batas P1 (Proven)  1.5 x Radius Investigasi hasil dari uji alir produksi (DST) pada lapisan/zona yang terwakili. Radius investigasi dapat dianalogikan tetapi pada reservoar yang sama.  1.5 x Radius pengurasan yang dihitung berdasarkan analisa decline profile produksi untuk sumur yang telah berproduksi.  Apabila tidak tersedia data uji alir produksi(DST) yang memadai maka perkiraan batas area Proven (P1) mak 250 m untuk reservoir minyak dg API di atas 300, sedangkan untuk reservoir gas maksimum 750 m dengan pemahaman penyebaran secara lateral yang sangat baik.

• Batas area 2P (Proven + Probable)  2.5 x Radius area P1 (Proven).  Apabila dalam area P1 terpotong oleh facies berbeda atau adanya patahan maka area yang terpotong pada posisi tidak ada data sumur dikategorikan sebagai P2

• Di luar area 2P pada struktur yg sama sebagai area Possible (P3).

25

PEMBAGIAN KATEGORI CADANGAN BERDASARKAN SUMURAN (Secara Areal) Ilustrasi - 1  Area-1 berada pada facies Inner Platform telah dibor 2 sumur dan di tes produksi dikategorikan sebagai area Proven.  Area-2 berada pada facies Lagoon belum ada sumur, dari analisa well test radius investigasi dapat menjangkau area 2 dikategorikan sebagai Probable

Area -1 Proven

Area 2 Probable

LKG Area 3 Possible

26

PEMBAGIAN KATEGORI CADANGAN BERDASARKAN SUMURAN (Secara Areal) Ilustrasi - 2 P3

Area Proven terpotong oleh patahan, area yang terpotong pada posisi tidak ada data sumur dikategorikan sebagai P2

LKO

P1

P2 Peta Net Pay.

Peta Net Pay

27

PEMBAGIAN KATEGORI CADANGAN BERDASARKAN SUMURAN (Secara Areal) Ilustrasi - 3 Untuk Sumur yang telah berproduksi, area proven bisa dihitung berdasarkan 1.5x radius pengurasan sumur. Radius pengurasan sumur hasil dari penarikan decline analysis pada profile produksi sampai dengan ekonomi limit.

LKO

Ult.R.R

P1

Np

Ult.R.R

P2

Peta Net Pay

28

PEMBAGIAN KATEGORI CADANGAN BERDASARKAN SUMURAN (Secara Areal dan Vertikal)

 Area P1 minyak berdasarkan radius masingmasing sumur 250 m atau 1.5 x Radius Investigasi  Area 2P sebesar 2.5 x area P1 atau batas terbawah dari LKO.

POSSIBLE AREA

Ilustrasi - 1

Well 1 250 m Well 2

Well 3

PROVEN

LKO WOC ?

29


 Area P1 minyak berdasarkan radius masingmasing sumur 250 m atau 1.5 x Radius investigasi. Jika ada sumur hasil dari tes menunjukkan radius investigasi lebih besar dari 250 m maka area P1 bisa digunakan hanya untuk area sumur tsb, contoh sumur 2.  Area 2P sebesar 2.5 x area P1 atau batas terbawah dari LKO .

POSSIBLE AREA

Ilustrasi 2

Well 1 250 m

Well 2 PROVEN

Well 3

LKO WOC ?

30


Ilustrasi 3

Well 1 Well 3

Well 2 250 m

POSSIBLE AREA

 Jika Area P1 berdasarkan radius masing-masing sumur 250 m (1.5 x radius investigasi) saling bersinggungan, maka area P1 dihitung berdasarkan kontur terluar yang bersinggungan dengan area P1 sumuran tsb.  Area 2P sebesar 2.5 x area P1 atau batas terbawah dari LKO.

Well 1 250 m Well 2

Well 3

PROVEN LKO WOC ?

PROVEN PROBABLE POSSIBLE

LKO WOC ?

31


Well 1 250 m Well 3

Well 2 PROVEN

 Jika Area P1 berdasarkan radius masing-masing sumur 250 m (1.5 x radius investigasi) saling bersinggungan dan ada salah satu sumur dimana lowest tested berada dibawah kontur yang bersinggungan, maka area P1 dihitung berdasarkan kontur terluar yang sama dengan kedalaman lowest tested.  Area 2P sebesar 2.5 x area P1 atau batas terbawah dari LKO.

Radius investigasi dapat dianalogikan dengan pengertian properti petrofisik minimal sama dengan sumur yang memiliki data test pada reservoar yang sama

POSSIBLE AREA

Ilustrasi 4

LKO WOC ?

7. METODE PERHITUNGAN IN PLACE

32

(Secara Umum)

OOIP (Original Oil In Place) atau OGIP (Original Gas In Place) Secara umum metode yang sering digunakan : • Pendekatan secara Deterministic :  Pendekatan secara Stochastic (Geostatistic) : Yaitu pemodelan geologi reservoar dengan mendistribusikan property berdasarkan kaidah-kaidah statistik dengan memperhitungan jarak, koordinat dan kedalaman suatu data.

 Volumetrik secara konvensional : Yaitu pendekatan dengan menggunakan rata-rata Net Pay, Porosity, Saturation dari data log semua sumur dengan membuat model geologi dalam bentuk pemetaan. Pendekatan lainnya yaitu membuat peta Iso-HPV (Hydrocarbon pore volume) yang merupakan hasil perkalian net-pay * porositas * saturasi hidrokarbon untuk masing-masing zonasi geologi.

METODE PERHITUNGAN IN PLACE (Secara Umum) • Pendekatan secara Probability :  Pendekatan dengan MonteCarlo : Yaitu motode statistik secara probalistik yang menggunakan angka random dengan batasan-batasan data tertentu (min, max dan rata-rata) tanpa memperhitungkan jarak, koordinat dan kedalaman.

 Pendekatan secara Probability hasil dari Geostatistic : Yaitu inplace hasil dari beberapa realisasi geostatistik dibuatkan probalility dan menghasilkan P10, P50 dan P90.

• Pendekatan dengan Material Balance:  Analitic Material Balance F = N(Eo + mEg + Efw) + We

(untuk reservoar Minyak)

F = Gp(Eg + Efw) + We

(untuk reservoar Gas)

 Conventional Material Balance P/Z=(1-Gp/G ) Pi /Zi atau P/Z vs Gp

(untuk reservoar Gas)

33

METODE PERHITUNGAN IN PLACE

34

(Untuk Usulan POD)

Perhitungan In Place dalam usulan POD harus memenuhi syarat, sbb : • Didukung dengan peta struktur dan peta hasil interpretasi petrophysic seperti isoNetpay dan atau Iso-HPV atau hasil dari 3D model geostatistik. • Jelas batas-batas area proven, probable, possible dan batas fluida (OWC/GWC/OGC ) atau LKO/LKG. • Titik lokasi rencana pemboran terpetakan didalam model geologi baik secara struktur maupun peta iso-Netpay / Iso-HPV / iso-Sw atau 3D properti.

Memperkirakan in place harus mengintegrasikan berbagai data : • Mengintegrasikan hasil analisis dari geometri dan batas cebakan yang terkait dengan volume batuan secara gross dengan bantuan hasil analisis data seismik. • Mengintegrasikan hasil analisis dari karakteristik geologi yang dapat mendifinisikan besaran volume pori dengan bantuan alur distribusi fasies/flow unit serta karakteristik fungsi-fungsi petrofisik reservoir. • Mengintegrasikan hasil kajian geologi dan reservoir untuk menentukan level kedalaman kontak fluida/LKO/LKG. • Mengintegrasikan hasil kajian dari kualitas reservoir, tipe fluida serta kontaknya untuk mendapatkan kontrol besaran saturasi fluida.

METODE PERHITUNGAN IN PLACE

35

(Untuk Usulan POD)

Metode yang boleh digunakan untuk perhitungan In Place sbb : • Pendekatan secara deterministic baik volumetrik conventional atau menggunakan geostatistik (stochastic). Metode ini sangat dianjurkan. • Pendekatan secara probability hasil dari Geostatistic dapat dilakukan tetapi P10 tidak eqivalent dengan proven, pendekatan ini hanya untuk mencari realisasi yang terbaik. • Pendekatan secara probalility dengan MonteCarlo tidak direkomendasikan, boleh dilakukan tetapi hanya sebagai pembanding. • Pendekatan dengan Material Balance dapat dipertimbangkan apabila didukung dengan peta model geologi reservoar dan mempunyai produksitekanan telah cukup memadai, yaitu :  Analitic material balance dengan perbandingan produksi terhadap Inplace (Gp / Inplace) > 30%. Basarar 30% ???  Conventional material balance (P/Z vs Gp) dengan perbandingan produksi terhadap Inpalce (Gp / Inplace) > 50%. Basarar 50% ???

METODE PERHITUNGAN IN PLACE (Tidak dianjuarkan dalam usulan POD) Metode Perhitungan In Place secara probalility dengan MonteCarlo tidak direkomendasikan, karena : • Tanpa didukung dengan peta model geologi dan geofisik akan sulit menentukan area proven, probbable dan possible. • Metode ini cocok dalam memperkirakan potensi suatu lapangan yang status masih eksplorasi dimana data pendukung sangat kurang. Metode Perhitungan gas In Place dengan material balance secara conventional tidak direkomendasikan apabila data produksi tidak memadai, karena : • Faktor ketidak pastian sangat tinggi dengan faktor kesalahan bisa mencapai 52%. • In-place hasil plot P/Z vs Gp sangat tergantung pada mekanisme pendorong reservoar (Water drive, depletion dan abnormar pressure) dan plot P/Z vs Gp per sumur atau per reservoar atau perlapangan akan menghasilkan perhitungan inplace yang berbeda-beda. • Penentuan faktor deviasi gas (Z) tergantung metode yang dipakai metode standing lebih optimis dibandingkan dengan metode dranchuk. • Data produksi dan tekanan harus cukup memadai. 36

METODE PERHITUNGAN IN PLACE (Berdasarkan P/Z vs Gp ) Hasil Gas in-place berdasarkan material balance conventional :  Menyebabkan faktor kesalahan bisa mencapai 52%.

 Tergantung mekanisme pendorong reservoar.

37

Perbandingan Inplace hasil dari P/Z (Conventional), MBAL dan Volumetric pada Lapangan di Bangladesh Perhitungan Gas Inplace di Lapangan Bangladesh hasil studi dari Zaved Choudhury seorang Manager Reservoir Engineering pada Petrobangla. Inplace hasil perhitungan material balance P/Z vs Gp sangat optimiis jika dibandingkan dengan hasil Volumetrik, hal tsb karena Gp/Inplace < 50% belum bisa dipakai untuk menentukan Inplace. TITAS FIELD

Habiganj Upper Sand

38

Perhitungan Gas Inplace dengan Material Balance Conventional (P/Z vs Gp) Hasil perhitungan gas inplace dengan material balance conventional dapat digunakan dalam pengajuan POD jika Gp/Inplace > 50%. Gambar dibawah ini hasil perhitungan gas Inplace sebesar 266 Bscf dengan P/Z dimana Gp/Inplace = 76%, memberikan hasil yang sangat pasti dan mendekati dengan hasil Volumetrik sebesar 262 Bscf .

39

8. PENENTUAN RF & CADANGAN HIDROKARBON (Untuk Usulan POD) Metode yang dapat dipakai untuk menghitung Recovery factor (RF) dan cadangan hidrokarbon dalam usulan POD, sbb : • Simulasi Reservoar, yaitu model geologi yang terintegrasi dengan seismik, petrophysic dan reservoar telah teruji keakuratannya dengan data produksi dan tekanan. Metode ini sangat dianjurkan dan dapat digunakan pada semua tahap pengembangan lapangan. • Material balance analitic, yaitu mirip dengan model simulasi tetapi jumlah grid lebih sederhana dan diwakili dengan tank model. Metode ini dapat dilakukan baik untuk reservoar minyak maupun reservoar gas apabila simulasi reservoar tidak dilakukan dengan syarat perhitungan inplace berdasarkan model geologi (Volumetrik) dan telah memiliki peta pendukung seperti peta netpay, porosity, sw, permeabilitas serta rock region untuk masing-masing lapisan dan harus dimodelkan beberapa tank model yang mencerminkan perbedaan karakteristik reservoar seperti rock region/flow unit/property yang berbeda baik secara lateral maupun vertikal.

40

PENENTUAN RF DAN CADANGAN HIDROKARBON (Untuk Usulan POD) • Material balance conventional, yaitu perhitungan cadangan atau RF berdasarkan P/Z dapat dilakukan dengan syarat :  Metode ini harus telah memiliki data produksi dan tekanan yang memadai telah dimilikinya lebih dari 50% ??? kumulatif produksi dari total perhitungan awal minyak/gas ditempat, memiliki dan mengintegrasikan data analisa fluida dan analisa batuan yang mewakili sebaran pelamparan lateral dan vertical reservoir.  Analisa P/Z per reservoar/per compartment/lapisan bukan per lapangan.  Memiliki data-data PVT yang memadai dan tidak bisa dianalogikan dengan lapangan sekitarnya. Metode ini dapat dilakukan apabila metode simulasi reservoir atau metode materila balance secara analitik (tank model) tidak bisa dilakukan dengan pertimbangan data tidak cukup mendukung atau jumlah reservoar cukup banyak atau pertimbangan lain. • Decline curve, dapat dilakukan dengan syarat :  Reservoir telah memiliki data produksi dan tekanan yang memadai, lapangan telah memasuki tahanan kondisi produksi yang telah mature (telah melampaui titik tertinggi dari kemampuan produksi).  Analisa decline curve harus dilakukan per reservoar atau per sector. 41

9. CADANGAN UNTUK USULAN POD/POFD

42

Cadangan untuk keperluan POP dan POD/POFD • Cadangan berasal dari lapisan yang akan di produksikan. Apabila prediksi produksi terpotong oleh kontrak, perhitungan cadangan s/d kontrak habis. • Klasifikasi cadangan yang akan digunakan untuk usulan POD sudah menggunakan klasifikasi P1, P2 dan P3. Perhitungan cadangan hidrokarbon mengacu pada peta Iso-HPV (Hydrocarbon pore volume) atau Peta Net Pay atau hasil 3D model. POD Time High

P3 P2

Most likely P1 LOW

Development Decision

Data

43

Cadangan untuk keperluan POP dan POD/POFD Cadangan yang akan digunakan untuk prediksi produksi didalam perhitungan keekonomian pada usulan POP dan POD/POFD harus dikurangi sebagai sebagai back up. Formula pengurang sbb: • POP (Put On Production) : 90% P1 • POD (Plan of Development) :  Minyak  Gas Pipa  Gas LNG

= 90% P1 + 50% P2 = 90% P1 + 50% P2 = 90% P1, 50%P2 bisa digunakan untuk gas domestik

• POFD (Plan of Further Development) dari Lapangan yang sudah Produksi :  Minyak  Gas Pipa  Gas LNG

= 90% P1 (Sisa Cadangan) + 50% P2 = 90% P1 (Sisa Cadangan) + 50% P2 = 90% P1 (Sisa Cadangan) 44

10. FORMAT LAPORAN CADANGAN TAHUNAN (Annual Reserves Report)

45

Persyaratan Data Cadangan dari Lapangan yang akan dilaporkan • Lapangan Status Ekplorasi :  Lapangan yang bukan status Lead and Prospect  Sudah ada data tes produksi, memiliki peta hidrokarbon dan jelas batasbatas P1, P2 dan P3. Perhitungan cadangan berdasarkan deterministik (Volumetrik) dan bukan probabilistik. Jika hanya memiliki 1 sumur perhitungan cadangan berdasarkan luas area sumuran.  Sudah ada perhitungan cadangan berdasarkan Sertifikasi  Lapangan yang akan segera di kembangkan (POD) dan sudah diserahkan dari Ekplorasi ke Pengembangan dimana tidak memerlukan tambahan sumur delianiasi.

• Lapangan status Ekploitasi :  Lapangan yang sudah mendapat persetujuan POD/POP  Lapangan yang sudah berproduksi 46

Besaran Data Cadangan • Data Cadangan yang dilaporkan berdasarkan kemampuan reservoar dengan batasan ekonomi limit, tidak dikaitkan dengan komersil dan masa kontrak KKKS. • Data cadangan dari lapangan tidak aktif atau masih status proyek atau lapangan yang dikategorikan sebagai marginal apabila secara teknis dapat dihitung besaran cadanganganya harus dilaporkan.

Habis Kontrak Ekonomi Limit

47

BESARAN-BESARAN DATA            

Data Umum

Nama Blok/WKP/Area Nama Kontraktor Nama Lapangan Lokasi Operasi : Onshore/offshore Nama Cekungan Kabupaten/Propinsi/Pusat

Data Cadangan : Minyak, Gas Associated, Non Asso. dan Condensate

Awal Isi Setempat (Initial Inplace) Faktor Perolehan (Recovery Factor) Pengambilan Maksimum (Ultimate Recoverable Reserve) Produksi Tahunan Produksi Kumulatif Sisa Cadangan

Status Sumur

Data Geologi Data Reservoar 48

KLASIFIKASI CADANGAN

49

Dalam Buku Laporan Cadangan Tahunan (Annual Reserves Report)

• Berdasarkan tingkat kepastian :  Cadangan Pasti (Proven Reserve)  Cadangan Mungkin (Probable reserve)  Cadangan Harapan (Possible Reserve) • Berdasarkan Status Produksi  Cadangan Dari Lap. Sudah Berproduksi  Cadangan Dari Lap. Belum Berproduksi Di dalam Pelaporan Cadangan Tahunan sudah tidak menggunakan lagi istilah : • P90, P50 dan P10 • Low, Most likely dan High

50

FORMAT LAPORAN ANNUAL RESERVES REPORT CONTENTS I. COVER LETTER -

Brief Explanation

-

Revision of Reserves

-

Revision of Map

-

Reclasification of Reserves

-

New Discovery

II. CONTRACT AREA MAP - Oil Field Location - Gas Field Location - Undeveloped Field Location

III. RESERVES AND PRODUCTION SUMMARY A. Estimated Reserves  By Field Form : A-1 - Form : A-3.3  By Reservoir Form : A-4 - Form : A-8.3 B. Revision Reserves Form : B-1 - Form : B-5.3 C. Production Form : C-1 - Form : D-1

51

FORMAT LAPORAN ANNUAL RESERVES REPORT CONTENTS I IV. APPENDICES / ATTACHMENTS 1. Individual Reservoir Data - Form : D-2  GEOLOGICAL DATA  ENGINEERING DATA  PRODUCTION AND INJECTION DATA  RESERVOIR RESERVES CALCULATIONS  Method of Calculation  Type of Reservoir Drive

2. Top Structure Map 3. Net Isopach Map 4. Production Performance Figures : 5. Other Supporting Data : Estimated Economic Limit, Gas Composition, Gas Utilization, Platform Location Map, Structure Cross Section, Type Well Log Section - Etc.

52

Contoh Format Pelaporan

53

Dadang Rukmana.pdf

Recommend Documents