Analisa Penentuan Laju Alir Produksi yang Optimum untuk Memperlambat Water Coning di Lapisan Tipis Analysis Determination of The Optimum Optimum Production Flow Rate for Slowing Water Water Coning in Thin Layer Bambang Yoedi Permadi 1 dan Asep Hudiman 2 1 bayoe97@ya
[email protected] hoo.com om (081 (0811850 18504217 4217); );
[email protected] (08117801981) (08117801981)
Abstrak
Salah satu faktor penyebab penurunan laju produksi minyak pada suatu sumur karena adanya air yang menembus lapisan minyak secara vertikal atau bias a disebut dengan water coning . Salah satu cara mengurangi hal ini adalah dengan mengatur laju alir produksi sehingga terjadinya water coning dapat dapat diminimalkan dan kumulatif produksi minyak menjadi lebih besar. Perhitungan untuk mencari Laju Produksi yang optimum dapat dilakukan dengan metode analitik dan numerik (simulasi). Secara perhitungan analitik dan simulasi dapat diketahui bahwa kenaikan laju produksi dari suatu sumur dapat mempercepat terjadinya water coning namun produksi komulatif yang dihasilkan tidak selalu lebih kecil karena berdasarkan hasil perhitungan numerik (simulasi), laju produksi optimum untuk mendapatkan produksi komulatif terbesar, berada pada laju produksi yang menengah dari range simulasi range simulasi yang dilakukan. Kata Kunci: Water Coning , Laju Alir Produksi. Produksi. Abstract
One of the factor which cause the decreasing of oil production is water production that permeate to oil layer vertically which called water coning. One of the methode to minimize water coning is adjusting the production rate to eliminate water coning and get the higher cumulative oil production. To calculate the optimum production rate, we can use analitical and numerical (simulation) calculation methods. From analitical and numerical calculation, we get that the increasing of well production rate, will cause earlier water coning occurance but the cumulative oil production output is not always getting lower because refer to the simulation, the optimum oil production rate which can give the highest cumulative oil production, was obtained at the medium production rate of the simulation range. Keywords: Water Water Coning, Production Production Rate.
pada Reservoar yang tipis menggunakan metode perhitungan analitik dan numerik (simulasi).
PENDAHULUAN
Keberadaan minyak dan gas bumi saat ini belum dapat digantikan dengan sumber energi lainnya, pada kenyataannya produksi minyak sering kali mengalami penurunan dalam waktu cepat. Salah satu faktor penyebab penurunan laju produksi minyak karena adanya air yang menembus lapisan minyak secara vertikal atau biasa disebut dengan water coning . Salah satu cara mengurangi hal ini adalah dengan mengatur laju alir produksi sehingga terjadinya water coning dapat diminimalkan dan kumulatif produksi minyak menjadi lebih besar. Makalah ini akan membahas mengenai strategi Laju Produksi yang optimum untuk mengatasi masalah water coning
TINJAUAN LAPANGAN
Lapangan XYZ terdiri dari selang-seling batu pasir, pasir, batu lempung dan dan batubara. Batu pasir dilapangan ini berbutir kasar bahkan kadangkadang konglomeratan dan selang-seling dengan lignit dan serpih. Formasi di Lapangan ini mempunyai ketebalan antara 300-700 m dan diendapkan secara tidak selaras. Batuan Reservoar dari lapangan ini diperkirakan memiliki porositas rata-rata 1835%.
17
18
JTMGB, Vol. 10 No. 1 April 2016: 17-22
Reservoar utama yang berupa uvial DATA SCAL (SPECIAL CORE ANALISYS) deltaik hingga marine dangkal memiliki litologi berupa batu pasir berumur Plio-Pleistosen. Data batuan diperoleh dari analisa laboraBerdasarkan data core dan petrogra, torium sample core sumur G-47 kedalaman (878secara umum batuan Reservoar lapangan ini 885,5) mMD untuk mewakili lapisan BYP-1. Data diidentikasikan sebagai facies Distributary yang akan dijadikan sebagai input data adalah unChannel, facies Aggraded Mouth Bar, facies steady state permeabilitas relatif air dan minyak Destructive Mouth Bar . Lapisan batu pasir ini [K w/K o] dan data unsteady state permeabilitas relamemiliki ketebalan relatif tipis yaitu antara 5-10 m tif air dan gas [K g/K o]. Data ini yang akan merepdan memiliki distribusi lateral yang terbatas yang resentasikan kelakuan produksi minyak dan air di merupakan endapan channel dan lensa-lensa pasir. Reservoar. Parameter permeabilitas relatif minyak Berdasarkan performance produksi dan dan air (K w/K o) dengan parameter sebagai berikut : tekanan Reservoar di lapangan ini disimpulkan bahwa tenaga dorong yang utama pada lapangan Sample depth : 878,45 mMD ini adalah kombinasi water drive dan solution Permeability to air : 640 md gas drive. Primary recovery factor rata-rata yang Porosity : 0,295 dapat dicapai adalah 34-37%. Initial water saturation : 0,262 Effective permeability to oil at S wi
METODE PERHITUNGAN
: 517 md
Effective permeability to water at S or : 144 md Water saturation
: Increasing
Dalam penelitian ini dilakukan perhitungan menggunakan metode analitik dan Data unsteady state permeabilitas relatif metode numerik untuk mencari waktu yang gas dan minyak [K g/K o] diperoleh dari analisa dibutuhkan untuk terjadi water coning dan laboratorium sample core sumur G-47, dengan produksi komulatif yang dihasilkan untuk laju parameter sebagai berikut : alir produksi 100 – 2000 bbl/hari pada sumur BYP-1 yang memiliki net pay sebesar 8 m. Sample depth : 878,45 mMD
Gambar 1. Log Lapisan G-45.
Perhitungan analitik dilakukan dengan mencari laju kritis dan time breakthrough sebelum terjadi water coning . Sedangkan untuk perhitungan secara numerik, model yang digunakan yaitu pengurasan sumur tunggal dengan radial-cylindrical grid. DATA POROSITAS DAN PERMEABILITAS
Data porositas, permeabilitas, saturasi air, thickness, dan saturasi oil diperoleh dari hasil pengukuran log density dan netron dengan porositas efektif rata-rata 23% dan permeabilitas rata-rata 434,89 md.
Permeability to air
: 640 md
Porosity
: 0,295
Initial water saturation
: 0,262
Effective permeability to oil at S wi
: 517 md
Effective permeability to gas at S or
: 369 md
Gas saturation
: Increasing
Tekanan kapiler diperoleh dari sample core yang dijenuhi dengan air formasi kemudian diberikan tekanan sebesar (1,0), (2,0), (4,0), (8,0), (15,0), (35,0), (75,0), (150) dan (200) psig untuk mendapatkan 9 titik antara tekanan kapiler dengan saturasi air, hasil analisa laboratorium tekanan kapiler seperti terlihat pada Tabel 3 dan Gambar 2. Grak pada Gambar 3 dengan persamaan adalah persamaan yang dipakai untuk input data tekanan kapiler yang merepresentasikan distribusi saturasi minyak dan air dalam pemodelan Reservoar. PERHITUNGAN ANALITIK
Sebelum memproyeksi sumur “BYP-1” terlebih dahulu dilakukan perhitungan laju alir
Analisa Penentuan Laju Alir Produksi yang Optimum untuk Memperlambat Water Coning di Lapisan Tipis (Bambang Yoedi Permadi dan Asep Hudiman)
19
Tabel 3. Pengukuran Tekanan Kapiler.
Gambar 3. Plot saturasi air dengan tekanan kapiler kondisi di Reservoar. Gambar 2. Tekanan Kapiler vs Saturasi Air (Brine Saturation).
maksimum menggunakan persamaan Petrobras dan dipatkan laju alir maksimum dari sumur BYP-1 sebesar 7.018,65 BOPD Perhitungan laju kritis menggunakan metode Chierici et al didapatkan laju kritis untuk Sumur BYP-1 sebesar 159 BOPD, sedangkan menggunakan metode Craft Hawkins didapatkan 1.550,41 BOPD. Menggunakan rumus dibawah ini. Persamaan Chierici et al :
Persamaan Craft and Hawkins :
Kedua Persamaan tersebut menggunakan parameter yang berbeda untuk mendapatkan laju alir kritis. Dalam Persamaan Chierici et al perbedaan densitas air dan minyak dimasukkan kedalam perhitungan sedangkan didalam persamaan craft Hawkins faktor draw-down sumur yang digunakan. Untuk menentukan waktu yang diperlukan tercapainya cone hingga lubang sumur atau waktu terjadinya breakthrough. Maka digunakan metode Sobocinski dan Cornelius. Persamaan Sobocinski dan Cornelius :
20
JTMGB, Vol. 10 No. 1 April 2016: 17-22
Menggunakan metode Sobocinski dan Cornelius ini dimasukkan nilai alir produksi minyak (qo) antara 100 bbl/hari – 2.000 bbl/hari. Hasil dari perhitungan tersebut dapat dilihat pada Gambar 4.
Untuk melihat performance produksi dari segi peningkatan water cut sebagai indikasi terjadinya water coning . Peramalan produksi dilakukan dengan merubah laju alir produksi antara 100 bbl/hari sampai 2.000 bbl/hari. Menggunakan simulasi ini dapat terlihat bahwa water cut akan meningkat secara signikan serta terbentuknya cone yang menyentuh lubang perforasi pada saat awal terjadinya water coning , menjadi acuan saat terjadinya breakthrough pada masing-masing laju alir produksi seperti terlihat pada Gambar 6 berikut.
Gambar 4. Kurva Laju Alir Produksi vs Produksi Komulatif (Analitik).
PERHITUNGAN NUMERIK (SIMULASI)
Gambar 6. Peramalan Water Cut vs waktu pada laju alir 100 – 2.000 bbl/hari.
Perhitungan Numerik dilakukan dengan membuat model dengan radial-cylindrical grid .
Gambar 7. Kurva Laju Alir Produksi vs Produksi Komulatif (Simulasi).
Dari Gambar 7 diatas dapat diketahui bahwa hasil simulasi sumur BYP-1 dengan peramalan produksi antara 100 – 2.000 bbl/hari Model ini merepresentasikan kondisi menunjukan bahwa produksi komulatif minyak Reservoar dilihat dari faktor tekanan, saturasi, yang paling optimum dihasilkan pada laju alir perubahan kontak uida, dan vertical sweep minyak sebesar 1.100 bbl/hari. efciency. Ukuran grid dibuat dengan arah I = 30 , J = 1, dan K = 113. Setelah model terbentuk PERBANDINGAN ANALITIK & NUMERIK selanjutnya dilakukan history matching untuk menyelaraskan data hasil dari perhitungan Berdasarkan perhitungan secara analitik simulator dengan produksi lapangan sebenarnya maupun perhitungan numerik didapatkan bahwa sebelum dilakukan peramalan. kenaikan laju alir produksi akan mempercepat Gambar 5. Model 3D Reservoar Radial Grid (Cylindrical) arah I, J, K.
Analisa Penentuan Laju Alir Produksi yang Optimum untuk Memperlambat Water Coning di Lapisan Tipis (Bambang Yoedi Permadi dan Asep Hudiman)
21
terjadinya water coning seperti terlihat pada produksi sumur dan diambil dengan nilai tetap Gambar 8. rata-rata. Sedangkan pada perhitungan numerik (simulasi) data property sumur dimasukkan pada setiap grid pada model lapisan sumur dan akan ter-update secara dinamis seiring waktu simulasi yang dilakukan. Selain itu, didalam perhitungan secara numerik faktor kapilaritas juga dijadikan dasar perhitungan. KESIMPULAN
Gambar 8. Kurva Perbandingan Waktu Coning Analitik dan Numerik.
Sementara berdasarkan perhitungan secara analitik dapat dilihat bahwa makin kecil laju alir produksi dari suatu sumur maka makin besar produksi komulatif yang didapatkan sebelum terjadi water coning . Namun jika menggunakan perhitungan simulasi dapat dilihat bahwa kenaikan laju alir produksi sampai 1100 bbl/hari akan berbanding lurus dengan kenaikan produksi minyak secara komulatif. Namun jika laju alir produksi dinaikan diatas 1.100 bbl/hari, produksi komulatif menjadi lebih kecil, seperti terlihat pada Gambar 9.
Berdasarkan perhitungan numerik (simulasi) untuk sumur BYP-1 dengan proyeksi laju alir 100 bbl/hari sampai 2.000 bbl/hari didapatkan laju produksi optimum dari sumur BYP-1 adalah sebesar 1.100 bbl/hari dengan komulatif sebesar 536.800 STB dengan waktu 488 hari. Secara analitik produksi komulatif tersebut akan diperoleh pada laju produksi sebesar 66,5 bbl/hari dan memerlukan waktu 8056 hari. Dengan hasil perhitungan analitik dan numerik dapat disimpulkan untuk menentukan laju produksi yang tepat untuk memperoleh produksi komulatif yang paling optimum perlu dilakukan simulasi. UCAPAN TERIMA KASIH
Terima kasih kepada Ir. R.S Trijana Kartoatmodjo, MSc, Ph.D, sebagai pembimbing tesis Magister Perminyakan – Universitas Trisakti yang telah membantu dalam penyelesaian makalah ini. REFERENSI
Gambar 9. Kurva Perbandingan Produksi komulatif secara Analitik dan Numerik.
Perbedaan perilaku hasil perhitungan analitik dan numerik disebabkan karena pada perhitungan analitik, lapisan yang diproduksi dianggap homogen dan perhitungan menggunakan single data yaitu data awal
Mattax, C.C. and Dalton, L.R., ”Reservoar Simulation”, Society of Petroleum Engineers, Richadson, Texas, 1990. Leif A heyland et.al, “Critical Rate for Water Coning : Correlation and Analytical Solution”, SPE 15855, London, 1989. Ahmed, Tarek., “Reservoir Engineering Handbook”, 3rd edition, Gulf Publishing Company, Chapter 9, Oxford, 2006. Aminian, K., “Water Production Problems and Solutions-Part 1”, Petroleum & Natural Gas Engineering Department, West Virginia University, 2001. Brown, Kermit E., “The Technology Articial Lift Methods”, Volume 4, Pennwell Publishing Co,
22
JTMGB, Vol. 10 No. 1 April 2016: 17-22
Chapter 7, Tulsa, 1984. Chan, K.S., “Water Control Diagnostic Plots”, SPE Paper 30775, Dallas, 1995. Craft, B.C., Hawkins, M.F. “Applied Reservoir Engineering”, 2nd edition , Englewood Cliffs, Prentice Hall, Inc., Chapter 7, New Jerey, 1991.
Deddy Phitra Akbar., 2014, “Well Production Forecast “X” in Layers Reservoir “Y” with Reservoir Simulation Radial“, Skripsi, Trisakti University. Dake, L.P., “Fundamental Of Reservoir Engineering”, Elsevier Science B.V., Chapter 5, Amsterdam, 1978.