Inversi AI Dan EI Untuk Identifikasi Hidrokarbon Pada Reservoar Batu Pasir

JURNA JURN AL G EOFISIK EO FISIKA A 2005/1

Inversi AI Dan EI untuk Identifikasi Hidrokarbon pada Reservoar Batupasir Ritchie Martua Simamora Dept. Teknik Geofisika, FIKTM-ITB Jl. Ganesha 10 Bandung 40132 e-mail: [email protected], [email protected], [email protected]

Abstrak

Hasil inversi AI dan EI dapat mengkarakterisasi reservoar UG2 (litologi dan fluida pori) yang telah terbukti mengandung minyak dari hasil well test SIMM sebanyak 3563 BOPD. Reservoar UG2 merupakan high impedance sand yang yang berarti memiliki nilai impedansi yang lebih tinggi dibandingkan batuan penutupnya (seal), sehingga koefisien refleksi pada top UG2 bernilai positif. Pada sudut jauh 300, nilai impedansi EI normalisasi pada reservoar UG2 semakin membesar hal ini disebabkan kehadiran hidrokarbon minyak pada reservoar UG2. Begitu juga pada penampang inversi EI(30) normalisasi nilai impedansi reservoar UG2 lebih besar dibandingkan penampang inversi AI. Hasil pemetaan inversi AI memperlihatkan daerah penyebaran minyak pada reservoar UG2 di timurlaut (NE) dan selatan sumur SIMM. Hasil pemetaan inversi EI(30) normalisasi memperlihatkan daerah penyebaran minyak pada reservoar UG2 di baratlaut (NW) sampai timur sumur SIMM. Penyebaran hidrokarbon minyak di reservoar UG2 berada pada up-thrown eastern fault block antiklin yang tersesarkan oleh major down-to-the-west normal fault. Sehingga dapat dianalisa pada reservoar UG2 selain merupakan sistem jebakan elemen struktur juga terdapat sistem jebakan stratigrafi. Hasil pemetaan ini diharapkan dapat menjadi informasi penting dalam proses produksi dan tahap development. Abstract Results of AI and EI can characterize the UG2 reservoir (pore fluid and lithology) which is oil, proven by well test SIMM counted 3563 BOPD. The UG2 is a high impedance sand, having a higher level impedance compared 0 to seal rock, so the reflection coefficient is positive at the UG2 top. At far angle of 30 , impedance value of EI normalization at the UG2 reservoir progressively bigger, this is caused by presence of oil. Also at EI(30) normalization inversion section impedance of reservoir UG2 bigger than in AI inversion section. Slicing at 10 ms above and below RMS impedance value of the UG2 top shows that oil spread from north east to south of the well SIMM. Result mapping of EI(30) normalization inversion show the oil spreading in north west to the east of the well SIMM. Spreading of oil in the UG2 reservoir reside at anticline fault eastern up-thrown block which is fault by major down-to-the-west normal fault. This may caused by both structure trap and stratigraphic trap as well. Mapping results can become important information in production process and phase phase of development.

1. Pendahuluan

Seismik inversi adalah suatu teknik pembuatan model geologi bawah permukaan, dengan menggunakan data seismik sebagai input dan data geologi sebagai kontrol, (Sukmono, 2000). Konversi dari wiggle seismik menjadi impedansi akustik, AI, memberikan tampilan yang lebih komprehensif dan lebih mudah dipahami. Seismik inversi AI menjadi metoda standar yang dikerjakan oleh para geoscientist karena mampu memberikan informasi dan mendeskripsikan sifat fisik dari tiap lapisan batuan secara lebih detail. Pada umumnya data seismik 3D diproses dalam beberapa volume offset untuk mengeluarkan informasi AVO. Namun, terdapat ketidaksamaan / asimetri yang signifikan pada volume ini yang dapat terkalibrasikan dan terinversikan. Amplitudo nearoffset stack , atau intercept , berhubungan dengan

perubahan akustik impedansi dan dapat diikat pada data well log menggunakan sintetik seismik berdasarkan impedansi akustik, AI, atau di inversi, utk beberapa daerah, kembali ke AI menggunakan algoritma inversi post stack . Namun demikian, tidak terdapat kesamaan proses yang sederhana pada faroffset stack . Kesamaannya secara luas dapat ditunjukkan dengan fungsi yang disebut Elastic Impedance (EI). Fungsi ini merupakan generalisasi dari akustik impedansi untuk sudut datang yang bervariasi yang memberikan konsistensi dan kerangka kerja untuk mengkalibrasi dan menginversi data non zero-offset seismik seperti yg dilakukan AI pada zero-offset (Connolly, 1999). EI adalah sebuah p endekatan yang diturunkan dari linierisasi persamaan Zoeppritz, yang cukup akurat untuk aplikasi penyebaran sudut yang lebar. Kombinasi AI dan EI, secara baik dapat memberikan informasi perbedaan anomali 7

JURNAL G EOFISIKA 2005/1

impedansi yang disebabkan oleh kehadiran hidrokarbon pada reservoir. Pada kasus tertentu, dimana nilai AI antara batupasir dan lempung pada reservoir bernilai sama, maka sulit bagi kita untuk membedakan keduanya. Dengan inversi EI maka keduanya dapat dibedakan, dimana terdapat perbedaan nilai EI dan AI pada batupasir sedangkan pada lempung nilai EI dan AI akan berhimpit. Penelitian ini difokuskan pada analisa data near dan far stack 3D seismik pada reservoar UG2 yang terbukti mengandung minyak dari hasil well test SIMM sebanyak 3563 BOPD. 0

AI = ρ.V

dimana ρ = densitas, V = kecepatan gelombang seismik. Pemantulan gelombang seismik terjadi disebabkan oleh adanya kontras AI antar lapisan. Perbandingan antara energi yang dipantulkan dengan energi datang pada keadaan normal adalah: E (reflected ) E (incidence) = KR 2 KRi

=

(ρi +1V i +1 − ρiV i )

KRi

=

( AI i +1 − AI i )

0

1. Analisa data near stack (0 - 15 ) 3D seismik dengan sudut 00 dilakukan dengan inversi impedansi akustik (AI).

(1)

(2)

(ρi +1V i +1 + ρi V i ) ( AI i +1 + AI i )

(3)

0

2. Analisa data far stack (>25 ) 3D seismik dengan sudut 300 dilakukan dengan inversi impedansi elastik (EI) yang ternormalisasi pada sudut 300, EI(30) normalisasi.

Dari persamaan (3) didapat untuk kasus lapisan ke-n, persamaan diatas dapat dituliskan menjadi:

⎡1 + KRi ⎤ ⎥ ⎣1 − KRi ⎦

AI i +1 = AI i ⎢

n −1

2. Kondisi Geologi

Formasi S605 terbentuk pada Akhir Oligosen, merupakan formasi paling muda yang diendapkan pada fase regresi. Dilihat pada kolom stratigrafi dan kedalamannya menjadikan formasi ini sebagai prospek utama hidrokarbon. Batupasir dan serpih pada formasi ini mengandung material organik yang tinggi dan di beberapa tempat merupakan penghasil hidrokarbon (Gambar 1). Ketebalan dari Formasi S605 kurang lebih 1800 kaki. Batupasir yang dijumpai umumnya mempunyai ukuran butir pasir sedang sampai halus, perselingan dengan lanau dan batulempung yang dipercaya diendapkan pada lingkungan rawa.

AI n

= AI 1

∏ [(1 + KR ) (1 − KR )] i

i =1

dimana: E KR AI 1 AI 2

= energi, = koefisien refleksi, = impedansi akustik lapisan atas, = impedansi akustik lapisan bawah.

Lokasi sumur telitian, sumur SIMM, terletak pada struktur GAA yang merupakan antiklin yang terbentuk pada Miosin Akhir dengan proses inversi pada lapisan half-graben. Antiklin tersebut dibagi dua menjadi dua blok oleh major down-tothe-west fault , sehingga menjadi downthrown western fault block dan upthrown eastern fault block . Sumur SIMM dibor pada up thrown eastern fault block . 3. Inversi AI dan EI Impedansi Akustik (AI)

Impedansi Akustik (AI) adalah sifat batuan yang dipengaruhi oleh jenis litologi, porositas, kandungan fluida, kedalaman, tekanan dan temperatur. Oleh karena itu AI dapat digunakan sebagai indikator litologi, porositas, hidrokarbon, pemetaan litologi. AI dirumuskan sebagai:

Gambar 1. Stratigrafi Regional.

8

i

(4)

JURNAL GEOFISIKA 2005/1

Harga kontras AI dapat diperkirakan dari amplitudo refleksinya, semakin besar amplitudo refleksinya semakin besar refleksi dan kontras AInya. AI seismik memberikan resolusi lateral dan cakupan (coverage) yang baik. Sedangkan AI sumur memberikan resolusi vertikal yang sangat baik tetapi resolusi cakupan lateralnya buruk. Impedansi Elastik (EI)

Persamaan (5) dibawah ini, dikenal sebagai linearisasi dari persamaan Zoeppritz untuk reflektifitas gelombang P, dimana sangat akurat untuk perubahan yang kecil dari parameter elastik dibawah sudut kritis (subcritical angles): R(θ) = A + Bsin²θ + Csin²θ tan²θ ,

(5)

dimana A =

B

=

1 ⎛ ∆V P

∆ρ ⎞⎟ ⎜ + , 2 ⎜⎝ V P ρ ⎠⎟ ∆V P 2V P

−4

∆V S

V S 2

V P2 V S

V S 2

−2

V P2

∆ρ , ρ

C =

1

∆V P

2 V P

V P

V S 2 V P2

=

2

⎛ (t i ) ⎜ ⎜ (t ) + = ⎝ i V S 2 V P2

V S 2 V P2

,

,

(t i −1 ) ⎞⎟ (t i −1 ) ⎠⎟

2

Kita definisikan fungsi f(t) yang merupakan parameter yang analog dengan AI, sehingga reflektifitas sebagai fungsi sudut dapat dituliskan sebagai berikut : R (θ) =

(6)

f (t i ) + f (t i −1 )

1 ∆ EI 2 EI

1

≈ ∆ ln( EI )

(7)

2

Dengan melakukan integrasi dan eksponensiasi (menghilangkan logaritma dan diferensial pada kedua sisi) maka diperoleh:

(1+ tan θ)V −8 K sin θρ(1− 4 K sin θ) EI = V P S 2

R (θ) =

[ EI (θ) n +1 − EI (θ)n ] , [ EI (θ)n +1 + EI (θ) n ]

(10)

Connolly menunjukkan bahwa EI dapat diaproksimasi sebagai fungsi sederhana dari α, β, dan ρ a b c EI (θ) = α β ρ ,

(11)

dimana exponen a, b, dan c adalah fungsi dari sudut datang θ: a = (1 + sin²θ), b = -8K sin²θ, c = (1 – 4K sin² θ).

β 2n / α 2n sepanjang interval. Konstanta K adalah

K =

⎛ β 2n ⎞ ⎛ β2n +1 ⎞ ⎜ 2 ⎟+⎜ 2 ⎟ ⎜α ⎟ ⎜α ⎟ ⎝ n ⎠ ⎝ n +1 ⎠ 2

yang

membatasi

akurasi

(12)

Pada fungsi EI, persamaan (11) dimensinya berubah terhadap θ sehingga nilai EI sangat signifikan terhadap θ. Untuk menghilangkan masalah dimensi akibat fungsi terhadap θ, maka diperkenalkan konstanta α0, β0, dan ρ0 dan dengan memodifikasi fungsi EI(15).

⎛ α ⎞ ⎟⎟ EI (θ) = ⎜⎜ ⎝ α 0 ⎠

a

⎛ β ⎞ ⎜⎜ ⎟⎟ ⎝ β0 ⎠

b

c

⎛ ρ ⎞ ⎜⎜ ⎟⎟ ⎝ ρ0 ⎠

(13)

dengan a = (1 + tan²θ).

Fungsi diatas namakan sebagai fungsi impedansi elastik, EI. Untuk perubahan impedansi yang cukup kecil, maka: R (θ) ≈

dan mendefinisikan impedansi elastik sama dengan impedansi akustik dalam bentuk perubahan impedansi dari formasi ke-n ke formasi ke-(n + 1) :

sebuah aproksimasi persamaan EI.

∆V P = V P (t i ) − V P (t i −1) ,

f (t i ) − f (t i −1 )

(9)

Variabel K dibuat konstan sepanjang log zona target. Untuk interval log sepanjang daerah target, nilai konstanta K dideterminasi dengan merata-ratakan

dan

(V P (t i ) + V P (t i −1))

R(θ) = A + Bsin²θ,

2

2

(8)

Normalisasi EI

Jika kita menskalakan fungsi ini dengan faktor α0ρ0, dimensi EI menjadi sama dengan AI dan kita menemukan bahwa EI(θ) memprediksi nilai AI dengan benar, αρ, pada θ = 0 :

⎡⎛ α ⎞a ⎛ β ⎞b ⎛ ρ ⎞c ⎤ ⎟ ⎜ ⎟ ⎜ ⎟ ⎥ EI (θ) = α 0ρ0 ⎢⎜⎜ ⎢⎝ α 0 ⎠⎟ ⎜⎝ β0 ⎠⎟ ⎜⎝ ρ0 ⎠⎟ ⎥ ⎣ ⎦

(14)

Persamaan (14) merupakan fungsi EI normalisasi, sehingga nilai EI normalisasi dapat kita bandingkan secara langsung dengan nilai AI.

Connolly memulainya dengan dua suku linierisasi dari persamaan Zoeppritz (Aki dan Richards, 1980),

9


4. Data dan Pengolahan Data Data

Gambar 2. Nilai rata-rata dari log EI pada well 204/24a-2, Shetland Barat, diplot sebagai fungsi sudut datang θ (Whitcombe, 2002).

Penelitian dilakukan pada Formasi S605 (3600’-4200’) dengan zona target reservoar UG2 yang berada pada interval kedalaman antara 3816’3889’ yang telah terbukti mengandung minyak dari hasil well test sebanyak 3563 BOPD. Sumur yang digunakan memiliki data log gamma ray, bulk density (RHOB), neutron porosity (NPHI), efective porosity (PHIE), water saturation (Sw), S-wave, dan log sonic. Interpretasi geologi terhadap data log menjadi input yang sangat penting, input berupa marker kedalaman top reservoar dan litologi disekitarnya digunakan menjadi titik ikat dalam penarikan horison pada penampang seismik (Gambar 4). Data check shot pada sumur SIMM digunakan dalam konversi data kedalaman menjadi domain waktu (time to depth conversion) atau sebaliknya. Sumur SIMM terletak pada inline 1770 dan xline 2175 data seismik 3D. Pengolahan data yang dilakukan selama penelitian menggunakan Hampson-Russel dan CPS-3 Schlumberger.

Inversi

Pengolahan Data Sumur SIMM

Pada dasarnya inversi seismik adalah proses untuk mengubah data seismik yang berupa kumpulan nilai-nilai amplitudo ke dalam kumpulan nilai impedansi akustik. Salah satu tahapan penting dalam hal ini adalah proses dekonvolusi yang merupakan kebalikan dari proses konvolusi, yaitu pengubahan wavelet menjadi koefisien refleksi. Langkah-langkah penting yang dilakukan dalam seismik inversi antara lain adalah kalibrasi data sumur dengan data seismik, ekstraksi wavelet, proses inversi data seismik, pemodelan geologi, dan interpretasi detail unit stratigrafi. Pada penelitian ini penulis menggunakan teknik inversi post-stack, yaitu inversi model based (Gambar 3).

Berdasarkan hasil interpretasi geologi, karakteristik data log gamma ray yang relatif rendah menunjukkan litologi permeabel dan yang tinggi menunjukkan litologi impermeabel, sehingga nilai gamma ray yang paling rendah diinterpretasikan sebagai batupasir bersih dan yang paling tinggi adalah batu lempung (Vshale cut off = 60%). Data log sonik mengukur besarnya interval waktu transit (∆t) pada formasi, dapat dikonversikan menjadi data P-wave. Data log porositas (NPHI dan RHOB ) yang cross-over mengindikasikan adanya hidrokarbon. Cross-over yang cenderung besar dinyatakan sebagai gas bearing zone sedangkan apabila separasi lebih kecil maka dinyatakan sebagai oil bearing zone (Gambar 4). Data log S-wave digunakan untuk persaman EI normalisasi. Data chekshot digunakan untuk time to depth conversion yang berguna dalam proses pengikatan data seismik dan sumur (wellseismic tie). Log sonik dan densitas digunakan untuk proses pengikatan sumur dengan seismik (well-seismic tie) yang menghasilkan trace seismik sintetik, sedangkan log lainnya digunakan untuk mendukung interpretasi dan pemodelan.

Gambar 3. Teknik Inversi Model Based (Sukmono, 2000).

10

Informasi yang dimiliki pada sumur SIMM ini adalah master log, yang berisi informasi tentang jenis litologi serta zona-zona yang menghasilkan hidrokarbon. Nilai AI diperoleh dengan menggunakan persamaan (1) dan nilai EI normalisasi diperoleh dari persamaan (14) dengan 0 sudut datang 30 . Karakterisasi parameter difokuskan pada reservoar UG2. Dari hasil analisis di sumur SIMM, diperoleh bahwa jika batuan yang


tidak mengandung fluida, maka tidak terdapat selisih yang signifikan antara nilai AI dan EI(30) normalisasi. Batuan yang mengandung fluida dapat dikarakterisasi dari selisih antara nilai AI dan EI(30) normalisasi. Gambar 5 menampilkan adanya separasi hasil perhitungan nilai AI dan EI(30) normalisasi pada reservoar UG2. Terlihat bahwa untuk zona-zona yang menghasilkan hidrokarbon memberikan selisih yang cukup besar antara nilai AI dengan EI(30) normalisasi.

Pengolahan Data Seismik

Tahapan kerja pengolahan data seismik untuk mendapatkan nilai acoustic impedance, AI dan elastic impedance normalization , EI normalisasi dapat dijelaskan pada Gambar 6.

Gambar 6. Tahapan kerja pengolahan data seismik secara umum.

Gambar 4. Well Test Sumur SIMM, reservoar UG2 merupakan zona target penelitian.

Data seismik yang digunakan dalam inversi AI diperoleh dari angle stack yang telah tersedia dengan sudut 00-150. Pada penelitian ini digunakan metoda inversi model-based karena memberikan nilai error yang terkecil dari hasil analisis inversi yang telah dilakukan dibandingkan dengan metoda yang lainnya. Langkah awal dan proses yang penting dalam penelitian ini adalah mencocokkan data sumur dengan data seismik dengan menggunakan seismogram sintetik dengan proses well-seismic tie. Input untuk proses ini antara lain data checkshot , log sonic, log densitas, dan penampang seismik yang berpotongan dengan lubang bor (Gambar 7). Proses well-seismic tie dilakukan dengan tujuan untuk memperoleh suatu hubungan antara waktu dan kedalaman. Mendapatkan wavelet yang tepat merupakan suatu hal yang penting, karena wavelet akan digunakan sebagai input dalam proses inversi.

Gambar 5. Hasil perhitungan nilai AI, EI(30) dan EI(30) normalisasi pada sumur SIMM.

Checkshot memberikan hubungan antara waktu dan kedalaman. Untuk dapat mengerti secara detail kejadian yang terjadi pada daerah interest kita digunakanlah seismogram sintetik. Seismogram sintetik diperoleh dengan cara mengkonvolusikan koefisien refleksi yang diperoleh dari data sumur, dengan suatu wavelet tertentu. Dalam pembuatan

11


seismogram sintetik ini terdapat beberapa hal yang penting diperhatikan untuk mendapatkan korelasi optimum antara seismogram sintetik dan seismik tras yang sebenarnya, yaitu antara lain penentuan polaritas dan fasa, penentuan window, dan penentuan wavelet terbaik (termasuk penentuan fasa, frekuensi, bandwidth, dan nilai rotasi fasa terbaik).

Gambar 9. Wavelet yang digunakan dalam inversi AI pada lintasan seismik yang melewati sumur SIMM. (a) Domain waktu, (b) Domain frekuensi. Gambar 7. Tahapan kerja pembuatan seismogram sintetik.

Wavelet diperoleh dari ekstraksi data sumur, statistik, wavelet buatan (bandlimited dan ricker ) terhadap data seismik pada window 1160 ms – 1260 ms disekitar zona target. Setiap wavelet, akan mempunyai koefisien korelasi yang menyatakan kemiripan seismogram sintetik yang dihasilkannya terhadap seismik riil (Gambar 8). Koefisien korelasi terbaik data sesimik yang digunakan untuk inversi AI adalah 0,6 dengan wavelet yang diekstrak dari well tipe constant phase. Spektrum frekuensi dan amplitudo wavelet yang digunakan dapat dilihat pada Gambar 9.

Setelah diperoleh wavelet terbaik dan seismogram sintetik, maka tahap selanjutnya adalah picking horison. Picking horison telah dilakukan terhadap 6 horison, yang nantinya akan digunakan sebagai input dalam pembuatan model awal sebelum proses inversi. Model awal yang digunakan untuk proses inversi berdasarkan constraint dari sumur SIMM, dengan input 6 buah horison. Hasil dari model awal AI dapat dilihat pada Gambar 10(a) dan (b).

Proses Inversi AI

Untuk mendapatkan hasil inversi terbaik, dilakukan uji coba menggunakan metoda inversi yang ada. Metoda terbaik yang digunakan untuk proses inversi adalah inversi model-based karena memiliki nilai impedance correlation 0,84, paramater input yang digunakan adalah inversion constrained maximum impedance dengan change(hard constrain): single value lower and upper 20%, average block size 4 ms, prewhitening 1%, number of iterations 10 . Menghasilkan model subsurface yang relatif baik secara vertikal dan lateral dan memberikan korelasi yang baik antara nilai impedansi seismik dan sumur. (Gambar 11).

Pengolahan Elastic Impedance Normalization(EI)

Gambar 8. Tahapan kerja ekstraksi wavelet.

12

Proses dan tahapan yang dilakukan pada inversi EI normalisasi, sama dengan inversi AI. Perbedaannya terletak pada data yang digunakan. Berbeda dengan proses inversi AI yang 0 0 menggunakan data near offset (0 -15 ) sedangkan inversi EI menggunakan data far offset sudut yang digunakan adalah 300.


SIMM

(a)

(b)

Gambar 10. (a) Model Awal AI, dengan insert curve data: P-wave, (b) Model Awal AI, dengan insert curve data: Gamma Ray.

Gambar 11. Impedansi-P pada lokasi sekitar sumur SIMM dan Impedansi-P dari data log. Terlihat bahwa antara impedansi-P seismik dan impedansi-P sumur memberikan korelasi yang baik.

Wavelet yang digunakan untuk proses inversi EI(30) normalisasi berbeda dengan inversi AI. Oleh karena itu, dilakukan pencarian wavelet baru yang memberikan koefisien korelasi paling baik. Wavelet diperoleh dari data sumur maupun ekstraksi secara statistik terhadap data seismik far offfset . Koefisien

korelasi terbaik untuk data seimik yang digunakan untuk proses inversi EI(30) normalisasi adalah 0,6 dengan wavelet statistical tipe constant phase. Spektrum frekuensi dan amplitudo wavelet yang digunakan diperlihatkan pada Gambar 12.

13


sama, yang nantinya akan digunakan sebagai input dalam pembuatan model awal sebelum proses inversi. Pada Gambar 13 ditampilkan model awal yang digunakan untuk proses inversi EI(30) normalisasi berdasarkan constrain dari sumur SIMM, dengan input enam horison. Proses Inversi EI(30) Normalisasi

Metoda inversi dan parameter input yang digunakan sama dengan yang telah dilakukan pada inversi AI. Parameter input yang digunakan adalah perubahan impedansi maksimum 20, ukuran blok 4 ms, dan jumlah iterasi 10 (Gambar 14). Gambar 12.

Pemetaan

Wavelet yang digunakan dalam inversi EI(30) normalisasi pada lintasan seismik yang melewati sumur SIMM. (a) Domain waktu, (b) Domain frekuensi.

Pemetaan inversi seismik 3D AI dan EI(30) normalisasi dilakukan dengan slice nilai impedansi RMS AI dan EI(30) normalisasi pada 10 ms diatas dan dibawah top reservoar UG2. Pemetaan dilakukan dengan menggunakan software CPS-3 Schlumberger. Hasil pemetaan inversi AI dapat dilihat pada Gambar 15 dan inversi EI(30) normalisasi pada Gambar 16.

Sama seperti dalam proses inversi AI, juga telah dilakukan picking terhadap 6 horison yang

Gambar 13. Model awal inversi EI(30) normalisasi.

Gambar 14. Hasil inversi EI(30) normalisasi pada lintasan inline yang melewati sumur SIMM.

14


Gambar 15.

Gambar 16.

Peta inversi seismik 3D AI, dengan slice nilai impedansi RMS AI pada 10 ms diatas dan dibawah top reservoar UG2, di overlay dengan time structure map.

Peta inversi seismik 3D EI(30) normalisasi, dengan slice nilai impedansi RMS EI(30) normalisasi pada 10 ms diatas dan dibawah top reservoar UG2, di overlay dengan time structure map.

5. Hasil dan Disksusi

0,6 dengan domain frequency 30 Hz, dan telah mengalami phase rotation –200 (Gambar 9). Dan wavelet terbaik untuk inversi EI ( far stack) diekstrak dari wavelet statistical tipe constant phase, nilai korelasi 0,6 dengan domain frequency 28 Hz, dan tidak mengalami phase rotation (Gambar 12). Sintetik seismogram yang dibuat dari satu jenis wavelet dengan frekuensi tertentu, seharusnya tidak dapat mewakili seluruh kedalaman sumur, hanya di zona target saja, karena frekuensi tidak sama pada seluruh lapisan berdasarkan kedalamannya dimana nilai frekuensi akan semakin berkurang dengan bertambahnya kedalaman akibat penyerapan energi.

Analisa Data Seismik

Dengan menggunakan data near dan far stack seismik 3D, diharapkan analisa dapat dilakukan untuk melihat ada atau tidaknya perubahan amplitudo impedansi dan penyebarannya pada zona target reservoar UG2 yang terbukti mengandung minyak pada sumur SIMM. Pada penampang inline near stack seismik 3D (Gambar 17) yang digunakan untuk inversi impedansi akustik, AI, batas antara lapisan shale dan top UG2 ditandai dengan reflektor berwarna warna merah tua yang merupakan amplitudo positif. Hal ini menunjukkan bahwa kenaikan impedansi ditunjukkan oleh reflektor yang bernilai amplitudo positif (koefisien refleksi bernilai positif), polaritas seismik semacam ini dinamakan reverse SEG . Dalam penelitian ini penulis mengikuti suatu standar (default ) polaritas dari perangkat lunak Hampson-Russel (STRATA), dimana peningkatan impedansi ditandai oleh peak , yang berarti bahwa polaritas dari data seismik near dan far stack adalah polaritas terbalik (reverse polarity ). Sedangkan fasa yang digunakan pada seismik 3D yang tersedia merupakan fasa nol dimana pada koefisien refleksi positif akan terbentuk tepat di puncak amplitudo positif. Wavelet hasil ekstraksi apabila dikonvolusikan dengan koefisien refleksi dari sumur akan menghasilkan seismogram sintetik. Wavelet yang digunakan dipilih berdasarkan nilai korelasi terbaik, sebelumnya telah dilakukan beberapa uji coba dengan mengekstrak wavelet dari data sumur, statistik dan wavelet buatan (band-pass dan ricker ). Wavelet terbaik untuk inversi AI (near stack) diekstrak dari well tipe constant phase, nilai korelasi

Resolusi vertikal tubuh batuan dalam seismik setara dengan ¼ λ dalam waktu bolak-balik (TWT). Hanya batuan yang mempunyai ketebalan diatas ¼ λ yang dapat dibedakan oleh gelombang seismik. Ketebalan ini disebut ketebalan tuning. Pada penelitian ini ketebalan tuning untuk tiap reservoar batupasir dapat dihitung dengan menggunakan data kecepatan pada tiap reservoar yang dapat diketahui dari log sonik, dan frekuensi dominan yang terdapat pada data seismik, sesuai dengan hubungan : Kecepatan (V) = Panjang Gelombang (λ) x Frekuensi(Hz) (15) Ketebalan lapisan reservoar dapat dilihat pada Tabel 1, pada tabel ini zona target reservoar UG2 berada dibawah ketebalan tuning dengan selisih 0,7 m. Berdasarkan Gambar 18, lapisan yang memiliki ketebalan dibawah tuning maka tebal lapisan pada penampang hasil inversi AI dan EI(30) normalisasi akan menjadi lebih tebal dibandingkan dengan penampang seismiknya. Namun dikarenakan selisihnya kurang dari setengah ketebalan tuning atau hanya 0,7 m maka ketebalan lapisan pada impedansi hasil inversi tidak terlalu jauh berbeda dengan ketebalan penampang seismik.

15


Gambar 17. Penampang inline near stack seismik 3D.

Tabel 1. Tuning thickness. Reservoir

Near Stack

Far Stack

UG1 UG2 UG3 UG1 UG2 UG3

Kecepatan rata-rata (m/s) 2500 3000 2900 2500 3000 2900

Frekuensi Dominan Seimik (Hz) 30 30 30 28 28 28

Panjang Gelombang (m) 83.33 100.00 96.67 89.29 107.14 103.57

Tebal Tuning (m) 20.83 25.00 24.17 22.32 26.79 25.89

Tebal Reservoir (m) 3 24.3 3.67 3 24.3 3.67

mengandung minyak dan reservoar UG4 mengandung air/wet . Dari ketiga reservoar yang mengandung hidrokarbon, zona target reservoar UG2 merupakan reservoar yang memiliki lapisan paling tebal, yaitu 73’ net sand dan semuanya berisikan minyak (Gambar 4). Nilai rata-rata porositas UG2 0,25 dan nilai rata-rata saturasinya 0,48 adalah baik sebagai reservoar, terbukti dengan adanya minyak pada reservoar ini dari hasil well test SIMM. Nilai rata-rata P-wave(ft/s) reservoar UG2 lebih besar dibandingkan batuan penutup (seal) UG2 shale, sehingga reservoar UG2 dapat disimpulkan sebagai high impedance sand , yang berarti memiliki nilai impedansi yang lebih besar dibandingkan batuan penutupnya UG2 shale (Gambar 19), hal yang sama diperlihatkan juga pada EI(30) normalisasi (Gambar 20).

Gambar 18. Model hubungan antara tebal tuning dengan nilai IA hasil inversi.

Analisa AI dan EI(30) Normalisasi Analisa Sumur

Karakteristik

Reservoar

dari

Data

Berdasarkan well test SIMM, Formasi S605 terdiri dari empat reservoar. Reservoar UG1 mengandung gas, reservoar UG2 dan UG3 16

Analisa parameter dalam proses inversi impedansi akustik (AI) dan impedansi elastik (EI) dilakukan berdasarkan analisa parameter sejenis pada sumur SIMM. Analisa data dimaksudkan untuk melihat dengan jelas, bagaimana karakteristik litologi (sand dan shale), perubahan dan penyebaran


amplitudo impedansi pada reservoar UG2 yang telah diketahui secara pasti jenis litologi dan tipe fluida porinya dari well test yang telah dilakukan pada sumur SIMM. Gambar 21 memperlihatkan bagaimana crossplot antara nilai AI dan EI(15) normalisasi pada sumur SIMM, belum mampu membedakan dengan jelas zona yang mengandung minyak. Sebaliknya Gambar 22 memperlihatkan crossplot antara nilai AI dan EI(30) normalisasi mampu untuk menampilkan zona potensial. Zona potensial ini mengandung hidrokarbon (minyak) dan dicirikan oleh semakin membesarnya nilai EI pada sudut jauh (EI(30) normalisasi) terhadap nilai EI pada sudut dekat (AI). Kenaikan ini disebabkan oleh kehadiran fluida (hidrokarbon) pada reservoar UG2 yang diperkuat oleh hasil well test pada sumur SIMM. Berbeda dengan batuanpasir yang umumnya bila terisi hidrokarbon memiliki impedansi yang lebih rendah dibandingkan dengan batuan penutupnya (seal), sehingga nilai EI(30) normalisasi akan lebih rendah dibandingkan nilai AI. Untuk mendapatkan hasil inversi terbaik, dilakukan uji coba menggunakan metoda inversi rekursif/bandlimited , model-based, sparse-spike maximum likelihood , dan sparse spike linier program. Hasil inversi terbaik dilihat dari nilai korelasi impedansi hasil inversi dan model awal dan korelasi nilai impedansi seismik dan sumur pada zona target. Metoda Inversi model-based menggunakan constrained inversion. Parameter maximum impedance change menunjukkan persentase nilai rata-rata impedansi dari log. Secara praktis, constrained inversion lebih dipilih dibandingkan stochastic inversion karena maximum impedance change lebih berarti dibandingkan parameter model constrain pada stochastic inversion . Average block size adalah parameter yang mengkontrol resolusi dari hasil inversi. Parameter yang diubah-ubah untuk menghasilkan nilai korelasi impedansi yang terbaik adalah block size (ukuran blok) dan number of iterations (jumlah iterasi). Hasil inversi AI ( inline) pada Gambar 11 memperlihatkan top reservoar UG2 pada time 1188 ms dan bottom nya pada 1202 ms didominasi oleh nilai impedansi 18000 – 25513 ft/s*gr/cc (warna merah sampai biru tua) dan pada hasil inversi EI(30) normalisasi inline pada Gambar 14 memperlihatkan reservoar UG2 didominasi oleh nilai impedansi 19800 – 27387 ft/s*gr/cc (warna jingga sampai ungu). Nilai impedansi inversi EI(30) normalisasi meningkat terhadap nilai impedansi inversi AI pada reservoar UG2, disebabkan reservoar UG2 merupakan high impedance sand yang mengandung minyak, hal ini diperkuat dengan data sumur SIMM (Gambar 4, 19 dan 20).

Analisa Peta AI dan EI(30) Normalisasi

Secara umum, trend nilai EI sama dengan nilai AI kecuali nilainya yang berbeda. Dikarenakan lebarnya range warna yang mempresentasikan nilai AI dan EI, sangat sulit bagi kita untuk melihat bagian dalam dari lapisan tersebut (gambar 5). Oleh karena itu, dilakukan normalisasi terhadap nilai EI untuk menghilangkan efek sudut dari EI sehingga seolah-olah mempunyai EI(0). Dari sini, kita dapat melakukan perbandingan secara langsung antara nilai AI dan EI normalisasi. Peta inversi AI dan EI(30) normalisasi dengan slice nilai impedansi RMS AI dan EI(30) normalisasi pada 10 ms diatas dan dibawah top reservoar UG2, menunjukkan peningkatan nilai impedansi pada peta inversi EI(30) normalisasi. Sebaran nilai impedansi yang tinggi pada peta inversi AI (warna biru muda sampai biru tua) terdapat disebelah timurlaut (NE) dan selatan sumur SIMM (gambar 15). Sedangkan pada peta inversi EI(30) normalisasi, zona sebaran nilai impedansi yang tinggi (warna biru muda sampai biru tua) terdapat disebelah baratlaut (NW) sampai timur sumur SIMM (gambar 16). Sebaran nilai impedansi sangat dipengaruhi oleh cara mengekstraksi wavelet dan metoda inversi yang digunakan. Untuk membandingkan peta inversi AI dan EI(30) normalisasi maka cara mengekstraksi wavelet dan metoda inversi yang digunakan harus sama. Pada penilitian ini penulis telah menggunakan metoda inversi yang sama namun tidak dalam cara mengekstraksi wavelet, sehingga untuk penelitian selanjutnya perlu diperbaiki karena berpengaruh dalam hasil inversi. Penyebaran hidrokarbon minyak reservoar UG2 berada pada up-thrown eastern fault block antiklin yang tersesarkan oleh major down-to-the-west normal fault . Hal ini sesuai dengan kondisi geologi, sehingga dapat dianalisa pada reservoar UG2 selain sistem jebakan elemen struktur juga terdapat sistem jebakan stratigrafi berdasarkan pola penyebaran nilai impedansi. Hasil pemetaan ini diharapkan dapat menjadi informasi penting dalam proses produksi dan tahap development .

6. Kesimpulan

Berdasarkan data yang tersedia, hasil analisa near dan far stack data seismik 3D dapat membantu mengkarakterisasi reservoar UG2 (litologi dan fluida pori) yang telah terbukti mengandung minyak dari hasil well test SIMM. Data sumur SIMM menunjukkan reservoar UG2 merupakan high impedance sand yang berarti memiliki nilai impedansi yang lebih tinggi dibandingkan batuan penutup(seal) nya, sehingga koefisien refleksi pada top UG2 bernilai positif. 17


Pada sudut jauh (300), nilai impedansi EI normalisasi pada reservoar UG2 semakin membesar dibandingkan nilai impedansi AI. Nilai impedansi reservoar UG2 mengalami peningkatan pada penampang inversi EI(30) normalisasi. Hal ini disebabkan hadirnya hidrokarbon minyak pada reservoar batu pasir UG2, yang sesuai dengan pemodelan pada data sumur SIMM. Perbedaan nilai impedansi reservoar UG2 pada penampang inversi AI dan EI(30) normalisasi dikarenakan penggunaan data kecepatan shear (Vs) pada persamaan EI(30) normalisasi.

disebelah timurlaut (NE) dan selatan sumur SIMM. Dan peta inversi EI(30) normalisasi memperlihatkan kemungkinan daerah penyebaran minyak pada reservoar UG2 disebelah baratlaut (NW) sampai timur sumur SIMM. Penyebaran hidrokarbon minyak di reservoar UG2 berada pada up-thrown eastern fault block antiklin yang tersesarkan oleh major down-to-the-west normal fault . Sehingga dapat dianalisa pada reservoar UG2 selain sistem jebakan elemen struktur juga terdapat sistem jebakan stratigrafi. Peta ini diharapkan dapat menjadi informasi penting dalam proses produksi dan tahap development .

Peta inversi AI memperlihatkan kemungkinan daerah penyebaran minyak pada reservoar UG2

Gambar 19.

Gambar 20.

High impedance sand UG2 sand.

High impedance sand reservoar UG2 hasil EI(30) normalisasi.

Gambar 21.

Gambar 22.

Crossplot nilai AI dan EI(15) normalisasi.

Crossplot nilai AI dan EI(30) normalisasi.

18


Ucapan Terima Kasih

Penulis mengucapkan terimakasih kepada Mr. Toby Read (Exploration Manager Premier Oil Natuna Sea B.V.), Bapak Sri Tomo Hadipoernomo, Bapak R. Wawan Satriawan (Geophysicist Premier Oil Natuna Sea B. V.) Bapak Sigit Sukmono (ITB) dan Bapak Fatkhan (ITB) atas diskusi serta ijinnya sehingga makalah ini dapat disusun dan diterbitkan.

Daftar Pustaka

Badley, M.E., 1985, Practical Seismic Interpretation, Prentice-Hall, Englewood, New Jersey. Connolly, P., 1999, Elastic Impedance , The Leading Edge, 438–452. Mallick, S., 2001, AVO And Elastic Impedance , The Leading Edge, 1094-1104. Neves, F.A., Mustafa, H.M., and Rutty, P.M., 2004, Pseudo-Gamma Ray Volume From Extended

Elastic Impedance Inversion For Exploration, The Leading Edge, 536-540.

Gas

Russel, B.H., 1988, Introduction to Seismic Inversion Methods (ed : S.N. Domenico), Soc. of Exploration Geophysicists. Savic, M., VerWest, B., Masters, R., Sena, A., and Gingrich, D., 2000, Elastic Impedance Inversion in Practice, SEG Expanded Abstract. Sheriff, R.E., and Geldart, L.P., 1995, Exploration Seismology, Second Edition, Cambridge University, USA. Sukmono, S., 1999, Interpretasi Seismik Refleksi, Departemen Teknik Geofisika, Institut Teknologi Bandung. Sukmono, S., 2000, Seismik Inversi untuk Karakterisasi Reservoir , Departemen Teknik Geofisika, Institut Teknologi Bandung. Whitcombe, D.N., 2002, Elastic Impedance Normalization, Geophysics, 67, 60–62.

19

Inversi AI Dan EI Untuk Identifikasi Hidrokarbon Pada Reservoar Batu Pasir

Recommend Documents