Dadang Rukmana.pdf

WORKSHOPPEDOMAN STUDY GGR

DINAS PENGKAJIAN EKSPLOITASI & EVALUASI CADANGANDIVISI PENGKAJIAN DAN PENGEMBANGAN

BIDANG PERENCANAAN - BPMIGAS

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

OlehDadang Rukmana

PEMBUATAN MODEL GEOLOGI-RESERVOARSIMULASI RESERVOAR

DECLINE ANALYSIS & APLIKASI DCA DALAM OPTIMASI PRODUKSIMATERIAL BALANCE

PENENTUAN KATEGORI CADANGAN MIGAS

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 mengajukanPlan 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, karenacadangan 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 akanmemberikan penerimaan yang sebesar-besarnya bagi negara dengan keekonomian yang wajar bagi KKKS.

Copyright Dadang Rukmana (BPMIGAS)2

LATAR BELAKANG

• Dalam pengembangan suatu lapangan baik BPMIGAS maupun KKKS memerlukan kepastian mengenai perhitungancadangan dan perkiraan produksi migas yang dapatdioperasikan, 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 interpretasimelibatkan multidisiplin ilmu dan teknologi.


LATAR BELAKANG

• Dari kasus-kasus shortfall gas pada lapangan di Indonesia, cadangan yang telah disertifikasi atau hasil studi, dari data-data statistik cenderung over estimate antara 30% s/d 90%.

Copyright Dadang Rukmana (BPMIGAS)

Dampak Over estimate dalam menentukan cadangan dan produksi, mengakibatkan :

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 persetujuan usulan POD lapangan tsb.

Conton salah satu lapangan yang Over estimate cadangan

4

MAKSUD DAN TUJUAN

• Pedoman subsurface ini dimaksudkan untuk memberikanpersepsi yang sama dalam melakukan pembuatanpemodelan geolog-reservoar, simulasi reservoar, declineanalysis, material balance dan kategori serta penentuanperhitungan cadangan migas bagi Lembaga/institusi/KKKSyang akan melakukan studi subsurface dimana hasilnyaakan diajukan ke BPMIGAS.

• Pedoman ini mencakup data minimum yang harus tersedia,diagram alir dalam proses studi GGR, teknik/metode yangboleh digunakan, pengolahan data dan format standar untukpembuatan pelaporan/diskusi/presentasi, sehingga pedomanini diharapkan dapat mempercepat proses pekerjan studisubsurface serta mempercepat proses persetujuan studiatau usulan subsurface untuk POD oleh BPMIGAS.


MAKSUD DAN TUJUAN

• Dengan menerapkan pedoman subsurface ini diharapkandapat meningkatkan akurasi/kepastian dalam memperkira-kan jumlah cadangan migas dan peramalan produksi.

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


CONTOH KASUS – KASUS HASIL STUDY GGR & SERTIFIKASI

• Salah satu lapangan minyak yang telah mendapat persetujuan PODdiperkirakan dapat memproduksikan minyak yang cukup besar tetapi realitaproduksi hanya 25 % dari rencana semula maka akan berdampak kepadaover 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 minyak dimana cadangan menurun denganbertambahnya data.

Tahun OOIP (MMSTB) 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 33.3Copyright Dadang Rukmana (BPMIGAS)

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 OGIP (BSCF) Ult. Rec. Res. (BSCF) (%)

1995 1,943 1,552 100.0

2001 1,674 1,415 91.2

2005 1,576 1,126 72.5

2007 1,408 1,052 67.8


Kontribusi Parameter PenyebabOver/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 % Copyright Dadang Rukmana (BPMIGAS)10

Ketidakpastian Cadangan Karena Data

• 2D Seismik (209 Kms)

• 3 Sumur

Tambahan Data Lintasan Seismik (127 Kms)

Tambahan 2 Sumur

Tambahan Data PSDM + Inversion

Contoh salah satu lapangan dimana cadangan berubah setiap ada penambahan data.

11

Compiled by Dadang Rukmana (BPMIGAS)

KETIDAKPASTIAN DIDALAM INTERPRETASI SEISMIK & PEMETAAN GEOLOGI

12

Contoh Lapangan karena minimnya data pada saat pengajuan POD

Contoh kasus kekeliruan dalam interpretasi seismik dan geologi disebabkanminimnya data pada area utara.

Rencana Pengembangan


Peta Oil SaturasiKondisi Saat ini

Peta Oil Saturasi

U

13

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


Top Carbonate (New)

Top Carbonate (Old)

Setelah sumur baru di Bor Top Carbonate turun

15

Contoh Kekeliruan Dalam Pemodelan Porositas


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

Hasil perhitungan Inplace dan RF umumnya akan optimis apabila mengguna-kan langsung hasil distribusikan porositasi berdasarkan Inversi (Attribute Seismic) karena akan menghasilkan distribusi porositas yang homogen baik secara lateral maupun vertikal.

16


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 = 0.5

ρ = 0.7 ρ = 0.9 ρ = 0.7

17

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


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

Usulan Awal Hasil Perbaikan

Total Layer 85

Total Layer 85

68%32%

Shale

Sand87%

13%

Sand

Shale

Inplace Minyak berkurang dari 64.9 MMSTB menjadi 20.4 MMSTB

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

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

19

Contoh Usulan POD yang harus diperbaiki(Kesalahan pada pembuatan zonasi geologi di reservoar karbonat)


Top Karbonat

Bottom Karbonat

Usulan Awal(horizon reservoar hanya dibuat top s/d bottom karbonat)

Top

Bottom

Z-1

Z-2

Z-3

Z-4

Z-5

Hasil Perbaikan (dibuat menjadi 5 horizon reservoar)

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.

Gambar disebelah kanan model geologi diperbaiki dengan dibuatkan zonasiberdasarkan 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.

20

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 harga Sw ≥ Swirr. 21

FAKTOR KEKELIRUAN PETROPHYSIC(PARAMETER PETROPHYSIC Vs NET PAY)


Cutoff-Vsh

Cutoff-Por

m

Rw

n

Cutoff-Sw

dll

22

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

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

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

0

10

20

30

40

50

60

70

80

90

100

110

120

130

140

150

160

170

180

190

200

210

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

FA1 K>100

FA1 K(10-100)

FA1 K(1-10)

FA1 K(0.1-1)

FA1 K<0.1

Curve A

Curve B

Curve C

Curve D

Curve E

FAKTOR KEKELIRUAN DALAM PERHITUNGAN SW


Apa mungkin Sw < Swirr ???

23

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

Hubungan Well Correlation dengan hasil Scale-up well log pada batu pasir.

A

B

C

A-1

C

A-2

Top A

Top B

Top C

Top A-1

Top A-2

Bottom A-2

Top B

Top C

Bottom B

Bottom C

Bottom Shale CBottom C

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 Porosity in All Zones

Data Analysis to Facies in All Zones

Data Analysis to Porosity in All Zones

B

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

Hasil Pemodelan

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

26

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

Hubungan Perhitungan Cadangan dengan P/Z, Simulasi Reservoar dengan Cadangan Terbaru

Cadangan hasil perhitungan dengan P/Z umumnya lebih optimisdibandingkan dengan hasil simulasi.


Gambar bawah ini presentase kesalahan dari suatu lapangan dimana cadanganterbaru dengan cadangan hasil dari perhitungan dengan P/Z dan hasil simulasi.Cadangan dari P/Z mempunyai kesalahan sangat tinggi (52%) bila dibandingkandengan simulasi reservoar (34%). Kesalahan pada simulasi terdiri dari kesalahandalam penentuan contact 6%, aquifer 15%, rock compressibility 9% dan data lainnyasekitar 4%.

28

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 Permeabilitasfracture.

0,00,10,20,30,40,50,60,70,80,91,0

0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0

Kr

Sw

Fracture Water-Oil Relative Permeability Curve

Krw

Kro

Cocok untuk Permebilitas > 10 D



Uncertainty In Predictions

Hubungan kesalahan pada pemodelan dengan Hasil Prediksi Produksi

Model yang dipaksakan didalam simulasi reservoar berdampak padahasil prediksi tidak akurat.Model yang tidak baik dapat juga dipaksakan agar matching dengan dataaktual, tetapi pada saat melakukan history matching akan banyakparameter yang dirubah-rubah sehingga model menjadi tidak karuan danproses history matching akan membutuhkan waktu yag lama.

30

31

WORKSHOPPEDOMAN PEMBUATAN MODEL GEOLOGI-RESERVOAR

OlehDadang Rukmana


BIDANG PERENCANAAN - BPMIGAS

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)


AGENDA PEMODELAN GEOLOGI-RESERVOAR

1. WORKFLOW 3D GGR MODELING2. PETA GEOLOGI & SEISMIC UNTUK PEMODELAN3. PETROPHYSICS4. PEMBUATAN MODEL GRID5. FRACTURE DAN PEMBUATAN MODEL GRID DUAL

POROSITY6. SCALE-UP WELL LOG7. VARIOGRAM8. FACIES & PEMODELAN9. PEMODELAN POROSITAS10. PENENTUAN PERMEABILITAS & PEMODELAN11. VALIDASI PROPERTY12. COARSE MODEL


1. WORKFLOW 3D GGR MODELING

Top & bottom Structure Map (Sand layer/ Marker / zone/

reservoir characterization ) + Fault=> Conventional Geological logic

Property (Facies, Porosities, Vshale)

=> Petrophysics Facies Map Each

field/Marker/ Reservoir

Characteristic => G & G

Variogram FaciesEach field/Marker/

Reservoir Characteristic

Porosities (M&/F) & Vshale Distribution

Facies generated from Seismic Inversion

=> G&G (Attribute Seismic)

3D Grid/SGrid(GG Model, Fault)

Variogram Property(Por. & Vshale)

Each layer each Facies Facies Distribution

3D PropertyModels

ScaleUp Well Log

ScaleUp Coarse Model

Porosities distribution from Seismic

Inversion=> Neural Network (Attribute Seismic)

Permeability Distribution => K Versus Φ ( Each Facies)

Reservoir Simulation

Validation PropertyCopyright Dadang Rukmana (BPMIGAS)

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

Fracture prognosisGeology

PetrophysicsFormation Evaluation

3

2. PETA GEOLOGI & SEISMIC UNTUK PEMODELAN

Peta Top Structure (Main) & Fault => Seismic

Peta Top & bottom Structure (Lapisan sand / Marker / zonasi /

reservoir characterization ), Fault=> Geologi

3D Grid/SGrid(GG Model, Fault

Formasi A

Formasi B

Formasi C

Intepretasi Seismik

Peta Top Struktur Formasi A

Top Layer 1

Bot. Layer 1Shale

Top Layer 2

Bot. Layer 2

Shale

Shale

Top Layer 3

Bot. Layer 3

Top Layer 4

Bot. Layer 4

Form

asi A

Peta Top & Bot. Lap.

Shale

Shale

Facies A

Facies B

Facies C

Shale

Facies D

Facies

Misalkan :

12 Layer

1 Layer

1 Layer

Misalkan

14 Layer

Misalkan

17 Layer

1 Layer

Misalkan

20 Layer

Cell Layering


Property (Facies, Porosities, Vshale)=> Petrophysics

4

PETA TOP STRUCTURE (Main)Hasil Interpretasi Seismik

Synthetic seismogram Penampang Seismik

WELL TIE TO SEISMIC

3D Velocity Cube

TIME DEPTH

DEPTH STRUCTURE

Compiled by Dadang Rukmana (BPMIGAS) 5

PETA TOP/BOTTOM STRUCTUREPenampang Seismik Depth Structure Top

Log Sumur


Top A

Top B

Top C

Top D

Top A1

Top B1

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

Top A2

Bottom B1

Top B2

Bottom B2

Penampang Korelasi Sumur

Zone 6

Zone 5

Zone 4

6

PEMBAGIAN ZONASI / FLOW UNIT UNTUK RESERVOAR KARBONAT


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.

7

3. PETROPHYSICSDATA-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 penentuanparameter 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.


8

DATA-DATA DAN PARAMETER PETROPHYSICS


Contoh check list dalam bentuk matrik

9

DATA-DATA DAN PARAMETER PETROPHYSICS


Contoh penentuan parameter a,m,n berdasarkan data dari laboratorium :a = 0.66, m = 2.05, n = 1.94

10

PARAMETER PETROPHYSICSContoh Penetuan Rw (Resistivity Water)


Water Analysis

WellMethod

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.

GWC

Pickett Plot

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.

12

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


VALIDASI PETROPHYSIC DAN PENENTUAN CUT-OFF

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%).

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

14

PENENTUAN CUT-OFF 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%.

0.00 0.05 0.10 0.15 0.20

0-0.10.1-0.20.2-0.30.3-0.40.4-0.50.5-0.60.6-0.70.7-0.80.8-0.90.9-1.0

ELAN PIGN

ELA

N K

INT

(md)

1.0

0.1

0.01

0.001

10

100

1000

10000P

IGN

=7.0

%

KINT=3.0 md

0.00

0.01

0.10

1.00

10.00

100.00

1000.00

10000.00

0.00 0.05 0.10 0.15 0.20 0.25

系列2

系列3

系列1

DSTs

A3 DST#1


Apabila ada data tes yang anomali terhadap cut-off (por, vsh, permeabilitas) perlu di cekposisi tes sumur pada penampang Log.

Sw

15

POROSITY = 0.13VCLAY = 0.38K = 15 md

1615-1618

PENENTUAN CUT-OFF BERDASARKAN DATA TEST

Por dan vsh dibawah cutoff dapatdiabaikan setelah di cek denganpenampang Log apabila fluida yang mengalir pada interval tes tsb diyakiniberasal dari harga Por & Vsh > cutoff.

16

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 dengandasar tes sumur tidak bisa dilakukan.

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 Swpada zone minyak) dengan syarat mempunyai karakteristik reservoar yang sama.

18

PENENTUAN CUT-OFF SW

Penentuan Cutoff Sw untuk reservoar gas dapat digunakan dengan metode Por * Sw vs Por.


0

1000

2000

3000

4000

0 10 20 30 40

Por*

Sw

Por, %

Sw Cut-off = 70%

Sw < 70%.

Sw > 70%.

19

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).

Formasi/Zonasi/Reservoar

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-1

Well Formasi/ Layer/ Zonasi

Facies(Contoh)

Top Bottom

Gross

Net Sand

Vshl Por Sw N/G

Net Pay

Vshl Por Sw N/G

Well -1 Formasi A

Layer A.1

Layer A.2

Bar-Shale

Bar dan Channel

----

----

----

----

----

----

----

----

----

----

----

----

----

----

---

---

----

----

----

----

----

----

----

----

---

---

Formasi B

Layer B.1

Layer B.2

Barl

Shale----

----

----

----

----

----

----

----

----

----

----

----

----

----

---

---

----

----

----

----

----

----

----

----

---

---

Tabel-2 Cut-off Por & Vshl Cut-off Sw

Copyright Dadang Rukmana (BPMIGAS) 20

DATA INPUT DARI PETROPHISIC UNTUK PEMODELAN

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.


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.

21

4. PEMBUATAN MODEL GRID


22

PEMBUATAN MODEL GRID

• Ukuran cell agar diperhitungkan jarak antar sumur yang paling dekat untuk finemodel 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 inplaceuntuk tiap-tiap zone (lapisan berdasarkan geologi). Jika zone yang mempunyaiinplace yang besar maka ketebalan cell pada zone tersebut harus lebih kecilbegitu juga sebaliknya.

• Ketebalan cell agar divalidasi dengan hasil scaleup well log, jika kurang bagusmaka 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 : …..



Pillar Gridding


Top & bottom Structure Map (Sand layer/ Marker / zone/

reservoir characterization ) + Fault=> Conventional Geological logic

3D Grid/SGrid(GG Model, Fault)

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

Fault Modeling

Structure Modeling

24

5. FRACTURE DANPEMBUATAN 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

Compiled Dadang Rukmana & Galih A.W. (BPMIGAS)

Model geologi yang tidak mengakomodasi adanya fracture akan menyulitkan dalam melakukan history macthing pada simulasi reservoar.

25

THIN SECTIONS

Compiled by Dadang Rukmana (BPMIGAS)26

CONTOH PENAMPANG LOG YANG TERIDENTIFIKASI ADANYA FRACTURE


CONTOH PENAMPANG LOG YANG TERIDENTIFIKASI ADANYA FRACTURE


INTERPRETASI POROSITY FRACTURE

Data dan Analisa Fracture

28

PEMBUATAN MODEL GRID DUAL POROSITYParameter 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 – ΦSo 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 POROSITYParameter Fracture

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

Lucia 1995 AAPG


PEMBUATAN MODEL GRID DUAL POROSITYKlasifikasi Fracture

B

A

0.66 < OmegaC

0,36 <σ < 0.65

Hidrokarbon di matrik > Fracture

Omega < 0.35

TYPE Omega F vs M

Hidrokarbon di matrik = Fracture

Hidrokarbon di matrik < Fracture

mmff

ff

CCCφφ

φω

+=

f

m

kk

=λ



PEMBUATAN MODEL GRID DUAL POROSITYKlasifikasi Fracture Dalam Pembuatan Model 3D

FractureType-A FractureType-B FractureType-C

Model Fracture 1 x 51 arah horiz. Vs 5 arah vert.

Model Fracture 1 x 11 arah horiz. Vs 1 arah vert.

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

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.


PEMBUATAN MODEL GRID DUAL POROSITY


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

33

PEMBUATAN MODEL GRID DUAL POROSITYDENGAN SOFTWARE


Geometri Fracture : • Arah Fracture • Intensitas fracture• Property fracture

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

Dip Azimuth

Model Fracture

34

6. SCALEUP WELL LOG

Hal-hal yang perlu diperhatikan :

1. Setelah model grid dibangun dan data petrophysics sudah di-inputkankedalam model, maka proses selanjutnya adalah scaleup well log (petrel)/ Well Block (Roxar) yaitu mengisi cell pada posisi sumur dengan caramerata-ratakan property dari data petrophysics (1/2 ft). Apabilamenggunakan Gocad dan Geolit tidak perlu proses scaleup well log.

2. Validasi antara property hasil scaleup dengan data well log denganmelihat bentuk/besaran pada histogram, jika terlalu jauh maka teballapisan harus dikurangi. Dalam laporan/presentasi agar ditampilkanhistogram tsb dan buat tabel yang berisi perbandingan antara data hasilscaleup dengan data dari well log : Nilai Minimum dan maksimum. Nilai Median dan rata-rata.


Well LogScale Up

35

SCALEUP WELL LOG


SCALEUP WELL LOG

Contoh hasil scaleup well log yang salah (tidak match antara datasumuran dengan hasil scaleup) akan berdampak pada hasil modelingterlalu 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 matchdengan hasil scaleup dan juga dengan hasil modeling.


7. VARIOGRAM

Variogram adalah statistik tool untuk interpolasi diantara dua/lebih data yangbersifat pembobotan.


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

39

ANALISA VARIOGRAM


Nugget

40

PARAMETER VARIOGRAMPengaruh 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


PARAMETER VARIOGRAMPengaruh Range

Compiled Dadang Rukmana (BPMIGAS)

Penentuan Range dalam analisa variogram akan menentukan keakuratan pemodelan property

42

PARAMETER VARIOGRAMPengaruh Metode


Penentuan metode Variogram sangat penting dalam pemodelan distribusi property

Spherical Linear

Exponential Gaussian

43

FORMAT PELAPORAN VARIOGRAM

Format pelaporan hasil analisa variogram Property (Facies, Porositas, dll)harus ditabelkan dan ditampilkan gambar untuk tiap-tiap property, per faciesdan per lapisan. Per Lapisan bila memungkinkan (data cukup banyak), jika data tidak cukupbanyak variogram tiap-tiap lapisan bisa digabungkan berdasarkan justifikasi dari geologi yaituada kemiripan trend, orientasi yang mirip, parameter (major,minor dan range) yang identik.

Formasi/ Zonasi

Porositas/

dll

Model

Type Major Minor

Anisotropy Ratio Orientasi Sill Nugget Keterangan

Formasi A

Layer A.1 Bar

Channel

Shale

----

----

----

----

----

----

----

----

----

----

----

----

----

----

----

----

Layer A.2

Bar

Channel

Shale

----

----

----

----

----

----

----

----

----

----

----

----

----

----

----

----

----

----

----

----

----

Tabel : Variogram Porositas atau property lainnya (Contoh)

Formasi/ Zonasi Layer

Model

Type Major Minor

Anisotropy Ratio

Orientasi(contoh) Sill Nugget Keterangan

Formasi A Layer A.1

Layer A.2

Layer A.3

Spherical

Exponential

Spherical

----

----

----

----

----

----

----

----

----

N-S

NE – SW

NW – SE

----

----

----

----

----

----

----

----

----

Tabel : Variogram Facies (Contoh)


8. FACIES & PEMODELANANALISA FACIES

Analisa facies dimulai dari data core, analisa log, tekanan danperformance produksi.

Chanel

Chanel SubtidalPermeabilitas Porositas

Facies berkaitan dg Performance Produksi. Performance produksi untuk Channelumumnya mempunyai produksi awal tinggi tetapi cepat menurun (rata-ratadecline rate diatas 30%), sedangkan subtidal produksi awal rendah dan umurproduksi cukup panjang (decline rate rata-rata dibawah 30%).


45

ANALISA FACIES


Integrasi dalam analisa ficies antara di surface, data core, petrograpy dan data log sangat diperlukan untuk menghasilkan analisa yg akurat.

46

JENIS-JENIS FACIES DALAM HISTOGRAM

PERMEABILITASPOROSITAS


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

PEMBUATAN PETA FACIES

Analisys Facies Analysis, => Petrophysics

Facies Map Each field/Marker/ Reservoir Characteristic => G & G

Facies generated from Seismic Inversion

=> G&G (Attribute Seismic)


Interpretasi Facies dari Data Log Interpretasi Facies dari

Attribute Seismic

Hasil akhir dari Interpretasi Facies hasil kombinasi dari Data Log, Attribute Seismic

dan Data Produksi

50

PEMODELAN FACIES

Property (Facies, Porositas, Vshale)

=> Petrophisic

Peta FaciesPer Lap./ Marker/ Res.Characteristic=> Geologi

Penyebaran Facies

ScaleUp Well Log

ChanelSubtidal

Sheet

Chanel

Facies Modeling- ISF (Indicator Simulation of Facies)- SIS (Sequential Indicator Simulation)-MPS (Multi Points Statistic)

Variogram

Lay. A1

Lay. A1

A1A2

A3

Lay. A1


Variogram FaciesPer Lap./Marker/

51

9. PEMODELAN POROSITAS

Variogram

ScaleUp Well Log

Distribusi Facies

Hasil Distribusi Porositas

Well Data

Porositas dari Inversi Neural Network


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.

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 bentukLog(K).

2. Baik menggunakan transform maupun geostatisk data-data permeabilitas hasus dapatdipisahkan per Facies. Jika tidak memungkinkan untuk pemisahan berdasarkan facieskarena 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

0.1

1.0

10.0

100.0

0.00 0.05 0.10 0.15 0.20 0.25Porosity

Perm

eabi

lity,

md

Vsh, %0

10

20

30


54

Compiled by Hadi Prasetyo (BPMIGAS)

Porosity vs. Hz.Permeability X-Plot Core photograph of slightly bioturbated, fine-medium grained, multi-story, fining

upward sandstone with quartz pebbles and locally

calcite cement.

Core photograph of bioturbated, very fine grained, fining upward sandstone with locally

calcite cement and glauconite distribution.

Typical well-log

HUBUNGAN MODEL FACIES VS TRANSFORM

55

PENYEBARAN/DISTRIBUSI PERMEABILITAS

Penyebaran Por. & VshalePenyebaran Facies Penyebaran Permeabilitas

0

0

0

Vsh, %0

10

20

30

Facies A

Facies B

Distribusi Facies

Hasil Distribusi

Permabilitas

Distribusi Porositas &

Vshale


56

11. VALIDASI PROPERTYRealisasi Pemodelan

Contoh 4 Realisasi hasil pemodelan distribusi facies, dengan data dan variogram yang sama.


Realisasi 1 Realisasi 2

Realisasi 3 Realisasi 4

Didalam software geostatistik saat ini dapat dibuat ratusan/ribuanmodel 3D facies . Hasil penyebaran facies tsb pada umumnya darimodel satu dg model akan mempunyai trend yang berbeda. Yang jadimasalah model mana yang sesuai dengan kondisi lapangan ?

57

VALIDASI PROPERTY HASIL PEMODELANRealisasi Pemodelan

Contoh 2 Realisasi hasil pemodelan distribusi property


Model/Realisasi 1

Model/Realisasi 2

58

VALIDASI PROPERTY HASIL PEMODELANRealisasi Pemodelan

Setiap pemodelan properti agar dibuat realisasi beberapa model minimal 5realisasi.

Realisasi 1

Realisasi 2

Realisasi 3

Realisasi 4

Realisasi 5

Sgs_Facies_1_Phie_1Sgs_Facies_1_Phie_2Sgs_Facies_1_Phie_3Sgs_Facies_1_Phie_4Sgs_Facies_1_Phie_5




Sgs_Facies_5_Phie_1Sgs_Facies_5_Phie_2Sgs_Facies_5_Phie_3Sgs_Facies_5_Phie_4Sgs_Facies_5_Phie_5Copyright Dadang Rukmana (BPMIGAS) 59

VALIDASI PROPERTY HASIL PEMODELAN

Beberapa cara dalam melakukan validasi dari hasil pemodelan dangan datawell 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 dandilanjutkan dengan pemodelan porositas 5 realisai untuk masing-masingfacies, sehingga akan ada minimal 25 realisasi model porositas.

• Dari 25 realisasi pemodelan porositas, pilih model yang mana yangcocok dg data-data dari 10% sumur tsb. Ambil 10 model yang terbaik.

• Cek dengan histogram dari 10 model tsb antara porositas hasil modeldengan scale-up log (data2 seluruh sumur) dan keluarkan model yangterjelek.

• 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 yangsalah atau pembuatan peta facies yang belum divalidasikan dengan produksi & tekanan.

60


2. Jika sumur sedikit :• Lakukan sensitifiti probabilistik facies mulai dari 20%, 40%, 60% dan

80% terhadap data secale-up log + variogram dengan map facieshasil modeling konventional atau attribute seismic.

• Setiap sensitifiti realisasikan facies minimal 5 realisasi (total realisasiada 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 realisasiuntuk tiap-tiap facies. (total realisasi ada 25 model).

• Cek dengan histogram dari 25 model tsb antara porositas hasil modeldengan scale-up log (data2 seluruh sumur) dan keluarkan model yangterjelek. Ambil 15 model yang terbaik.

• Diskusikan dengan geologi-geofisik-reservoar mengenai penyebaranporositas untuk masing-masing model, cek dengan bubble mapkumulatif produksi, kemudian ambil 5 model yang terbaik.



Setelah mendapatkan 5 model penyebaran porositas yang terbaik,lakukan penyebaran permeabilitas.

Lakukan perhitung Inplace untuk masing-masing model, kemudianbandingkan harga inplace tsb dengan hasil volumetrik.

Selanjutnya adalah proses scale up model yaitu mengurangi jumlahsell (coarse modeling) sehingga model dapat dilanjutkan kesimulasi reservoar.


12. COARSE MODELScale-up

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

116 x 84 x 2892,8160,016

58 x 48 x 150417,600 (15%)

Scale up


Fine Model

Coarse Model

Fine Model Coarse Model

63

COARSE MODELKriteria

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 cell4. Perubahan properti (Porositas dan Permeabilitas) tidak terlalu

besar. Perubahan untuk porositas rata-rata < 2% dan Permeabilitasrata-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

64

COARSE MODELScale-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 coarsemodel berada diantara fractional flow fine model.



2. Jika menggunakan Petrel atau Roxar software, coarse model sudah baikapabila 4 kriteria sudah terpenuhi dan perbandingan histogrampermeabilitas dari fine model vs coarse model tidak terlalu jauh begitujuga dengan property lainnya seperti Facies, Porosity dan Sw.

Fine Model

Coarse Model

Perbandingan Permeabilitas Fine Model vs Coarse Model



Fine Grid Coarse Grid

Compiled by Dadang R (BPMIGAS)

Contoh hasil scaleup Facies antara fine model dengan coarse model

Fine GridCoarse Grid

67


Compiled by Dadang R. (BPMIGAS)


Fine GridCoarse Grid

Contoh hasil Scaleup Porosity antara fine model dengan coarse model

Model Grid Average Porosity

Number of Cells

Fine 171x80x47 0.18 642,960Coarse 121x36x23 0.17 100,188

68



Compiled by Dadang R. (BPMIGAS)

Fine ModelCoarse Model

Contoh hasil Scaleup Water Saturation antara fine model dengan coarse model

69

SEMOGA BERMANFAATBAGI KITA SEMUA

70

WORKSHOP PEDOMAN SIMULASI RESERVOAR

OlehDadang 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)


BIDANG PERENCANAAN1

AGENDA1. TUJUAN SIMULASI RESERVOAR2. WORKFLOW SIMULASI RESERVOAR3. PENGOLAHAN DATA-DATA RESERVOAR

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

4. INPUT SIMULASI RESERVOAR5. KEY WELL & PARAMETER HISTORY MATCHING6. INITIALIZATION (INPLACE MATCHING)7. HISTORY MATCHING

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

8. PRODUCTIVITY INDEX (PI) MATCHING9. PREDIKSI

• Production Constraint (Economic Limit)• Skenario Prediksi


2

1. TUJUAN SIMULASI RESERVOAR


Tujuan simulasi reservoir adalah memodelkan kondisi reservoar secaramatematik dengan meng-integrasikan berbagai data yang ada (geologi,geofisik, petropisik dan reservoar) untuk memperoleh kinerja reservoirdengan teliti pada berbagai kondisi sumur dan skenario produksi sehinggaakan diperoleh perkiraan yang baik terhadap rencana/tahapanpengembangan 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


2. WORKFLOW SIMULASI RESERVOAR

Distribusi Permeabilitas

Distri. Porositas

Distri. Water

Saturasi

Distri. Facies

Distribusi Rock Region

Data Scal

End Point data Scal

Normalisasi

Rekontruksi Scal

1

ya

PC = 0

ya

Tidak Tidak

Data PVT

Pb = f(depth)

Plot : Pb vs depth, Bob,

Rs, Sg

Bob, Rs, Sg, API @ f(datum)

Metode PVT

PVT = f(P,T)

ya

Tidak

Data Produksi

Performance Produksi &

Tekanan

DATA-DATA RESERVOAR & PENGOLAHAN

Bubble Map

1 / 2

Aquifer

2

Input History

Matching = Liquid

Rate

Input History

Matching = Oil Rate

ya

Tidak

Equilibrium

Distribusi Fluid Region

key-well 1

INITIALIZATION

HISTORY MATCHING

Production Constraint PREDIKSI

PI MATCHING

MODEL 3D GEOLOGI-RESERVOAR

4

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.5

PENGOLAHAN DATA-DATA RESERVOARPenentuan Rock Region

Rock Region didalam model simulasi diperlukan untuk membagi ataumemisahkan 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 dalam menentukan skenario pengembanganlapangan.

Contoh Rock Region secara Lateral



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%.


PENGOLAHAN DATA-DATA RESERVOARPenentuan Rock Region Berdasarkan Swi


Contoh penentuan rock region untuk seluruh lapangan ”X1”.Contoh Input Data Swi dari 3D Property model

8



Gambar dibawah ini contoh penentuan rock region dengan dibagiper reservoar.

9



Gambar dibawah ini contoh penentuan rock region per facies.

Facies - 1

Facies - 2

10



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 daerahtransisi.

• Untuk me-matching inplace dapat memasukkan data kapilerpressure.

12

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


Gambar dibawah ini contoh penentuan rock region seluruhlapangan.

13

PENGOLAHAN DATA-DATA RESERVOAR3D Pemodelan Rock Region

Hasil penentuan rock region kemudian diaplikasikan ke 3Dmodel seperti gambar dibawah ini.


Rock-3K < 10 mD

Rock-1K > 100 mD

Rock-210 < K < 100 mD

14

PENGOLAHAN DATA-DATA RESERVOAR(Relative Permeability)


Pengolahan dan analisa data Spesial Core(Special Core Analysis -SCAL) dalam pembuatan kurva relative permeability sangatdiperlukan sebagai input simulasi reservoar, relative permeabilitydiperlukan karena :

• Dapat dianalogikan dengan perbedaan sifat fisik batuan dan fluida.

• Menentukan flow karakteristik fluida reservoar didalam modelsimulasi.

• 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, Kropada Swi, Sor (Residual Oil Saturation), Krwpada Sor dan bentuk Kurva.

16

PENGOLAHAN DATA-DATA RESERVOARData SCAL (INPUT DATA)


Format Data Scal (Water-Oil Relative Permeability), sbb :

Format Data Scal (Gas-Oil Relative Permeability), sbb :

Sumur Sample Ka Por Swc Kro@Swc Krw@Sor SorNumber (mD) (frac.) (frac.) (frac.) (frac.) (frac.)

Sumur X-1 - 605.75 0.258 0.2370 0.8600 0.3600 0.364Sumur X-2 19 116.00 0.253 0.2890 0.7400 0.2330 0.343

20 28.00 0.220 0.3640 0.6290 0.1840 0.34821 2.20 0.170 0.4800 0.4045 0.1160 0.295

Sumur X-3 29 4162 0.277 0.2090 0.7640 0.3090 0.42423 B 1743 0.261 0.2230 0.7400 0.2990 0.412

16 236 0.215 0.2600 0.7288 0.2910 0.404

RINGKASAN WATER-OIL RELATIVE PERMEABILITY DATAContoh

Sumur Sample Ka Por Swc Sor Slr Kro@Swc Krg@SlrNumber (mD) (frac.) (frac.) (frac.) (frac.) (frac.) (frac.)

Sumur X 29 4162 0.277 0.094 0.352 0.446 0.605 0.28623 B 1743 0.261 0.117 0.328 0.445 0.618 0.35216 236 0.215 0.203 0.269 0.472 0.583 0.263

RINGKASAN GAS-OIL RELATIVE PERMEABILITY DATACONTOH

17

PENGOLAHAN DATA-DATA RESERVOARData SCAL (End Point data Scal)


Pengolahan data scal dimulai dari pengumpulan data yang ada, kemudianmenentukan korelasi hubungan parameter satu dengan parameter yang lain.Korelasi ini akan menentukan flow fluida didalam model simulasi. Jika datascal cukup banyak end point dapat dipisahkan per facies atau perreservoar/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

18

PENGOLAHAN DATA-DATA RESERVOARData 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 RESERVOAREnd Point data Scal (Water-Oil Relative Permeability)


Contoh hubungan Swc vs Permeabilitas.

Facies A

Facies B

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.

20

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


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

21

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


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

22

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


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

23

PENGOLAHAN DATA-DATA RESERVOAR(Normalisasi Relative Permeability Curve)


Pada umumnya kurva relatif permeabilitas mempunyai bentuk yang berbedapada suatu lapangan, untuk menentukan bentuk kurva yang mewakili seluruhdata dapat dilakukan dengan cara normalisasi. Jika data scal cukup banyakdan 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

24

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

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

Contoh hasil normalisasi relative permeability yangmenunjukkan trend yang tidak sama, maka harus dipisahkan secara faciesatau formasi.


25

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


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


Contoh hasil Normalisasi untuk Lapangan Gas

27

PENGOLAHAN DATA-DATA RESERVOARRekontruksi Relative Permeability (Water-Oil System)


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

28

PENGOLAHAN DATA-DATA RESERVOARRekontruksi Relative Permeability (Gas-Water System)


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

29

PENGOLAHAN DATA-DATA RESERVOARRelative Permeabilitas untuk Fracture

Harga Swc di fracture tidak selamanya bernilai nol tergantung dari permeabilitas.Untuk menghitung Swc tsb dapat diambil dari data matrik yaitu hubunganpermeabilitas vs Swc. Dengan menggunakan korelasi/chart harga Permeabilitas difracture dapat ditentukan, sehingga swc di fracture dapat dihitung.

Relatif Perm. Di Fracture untuk Kf < 10 D


30

PENGOLAHAN DATA-DATA RESERVOARCapillary 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.

31

PENGOLAHAN DATA-DATA RESERVOARPVT (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 tidakada data ??

B. Data PVT lebih dari satu sample, mana yang mau diambil ??

Ada Data PVTAda Data PVTData PVT

32

PENGOLAHAN DATA-DATA RESERVOARPengolahan Data PVT untuk kasus ‘A’


Buatkan tabel PVT untuk semua parameter data PVT, kemudianlakukan sbb :

1. Cari hubungan beberapa parameter dengan cara mem-plot : Kedalamanvs Tek.Saturasi (Pb), Pb vs T, Pb vs Rs, Pb vs Bo@Pb (Bob), Pb vsSg dan Pb vs API

2. Tentukan datum untuk masing-masing lapisan kemudian dari masing-masing 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 menghitungPb untuk masing-masing metode PVT tsb dengan merubah-rubah hargaSg atau Rs sehingga harga Pb dari masing-masing metode PVT samadengan harga Pb dari point 2. Bandingan Bo@Pb antara hasil darimasing-masing metode PVT dengan Bo@Pb berdasarkan point 3 dancari perbedaan yang kecil dimana metode PVT tsb yang cocok.

5. Setelah mendapatkan metode PVT yang cocok maka tiap-tiap layar akanmempunyai data PVT sendiri.

33

PENGOLAHAN DATA-DATA RESERVOARData PVT (Format Data)


Semua data PVT dari berbagai sumber (laboratorium, well test) dikumpulkandalam format yang sama untuk memudahkan dalam analisa lebih lanjut.Data PVT yang akan dianalisa harus diambil/dipilih pada sumur yang originalatau pada reservoar yang belum lama berproduksi.

Gambar dibawah ini contoh format data PVT :

Lap. / Sumur Tanggal Datum Pi Pr Pb T oAPI Den. Bob Rs GasOil

Res. ftss psi psi psi oF gm/cc bbl/stb scf/stb GravityX1 S-19 2-11-84 4268 - 1796 1792 173 38.6 0.745 1.265 440 0.820

S-37 3-7-92 6330 - 2721 2243 211 33.7 0.729 1.353 598 0.813S-42 12-7-92 4580 2035 - 2035 205 35.9 0.698 1.399 600 0.740S-13 9-10-83 2972 - 1262 1262 140 41.4 0.745 1.237 379 0.694S-31 24-9-85 2816 1160 1139 1022 131 22.2 0.874 1.075 152 0.668

X2 S-35 16-2-79 5680 - 2412 2350 165 32.4 0.748 1.256 498 0.659S-46 15-2-79 7110 - 2855 2802 191 31.9 0.735 1.290 527 0.560S-99 28-8-85 6779 2882 2880 2554 190 36.5 0.703 1.402 695 0.688

X3 S-7 29-7-84 3405 1454 - 1448 157 40.7 0.704 1.343 615 0.725S-21 22-5-85 2990 1246 1159 1246 132 42.7 0.661 1.633 1024 0.841

X4 S-24 4-4-80 8600 3820 3820 3770 180 28.5 0.746 1.348 654 0.679S-6 14-12-80 8295 3600 3600 3498 185 33.1 0.748 1.355 724 0.897S-18 11-9-79 8815 3833 3833 3325 195 29.3 0.734 1.294 616 0.637S-90 3-2-85 9686 4164 4164 3720 217 30.8 0.749 1.407 957 0.922

X5 S-6 16-10-75 1286 532 511 684 120 36.5 0.804 1.107 200 0.913S-2 19-8-75 3406 1517 1267 1438 142 27.0 0.834 1.145 280 0.923

Interval

ftProduksi

8850-8866

3480-3490

3410-34162980-2990

-9768-9776

8768-87748293-8297

DATA ANALISA FLUIDA RESERVOAR

5716-57187140-71576779-6782

--

2962-29722816-2822

4260-4275

34

PENGOLAHAN DATA-DATA RESERVOARData PVT (Analisa Data)


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

35



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.

36



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

37

PENGOLAHAN DATA-DATA RESERVOARPERHITUNGAN


Setelah data-data PVT terkumpul dan hasil plot beberapa parameter PVTmempunyai trend yang bagus, maka PVT dapat ditentukan untukmasing-masing lapisan/reservoar.

Untuk memilih metode mana yang cocok dan parameter apa sajasebagai dasar perhitungan, dapat dilakukan dengan dua cara :

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

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

38



Contoh hasil perhitungan dengan berbagai metode dimana Rs sebagaiinput dan harga Sg dicoba-coba :

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

Harga Rs sebagai input data

METHOD RS SGgas Pb Bobm Bobc Perbedaan Keterangan(SCF/STB) (psig) (V/VR) (%)

STANDING 286.60 0.788 1153.3 1.166 1.1733 0.626 SGgas dihitungOil Gravity = 36.56 (oAPI

@ 60 oF ) VASQUEZ & 286.60 0.882 1153.0 1.166 1.1348 2.676 SGgas dihitungBob @Pb = 1.166 (V/VR) BEGGSRsi = 286.6 (scf/stb) GLASO 286.60 0.892 1153.9 1.166 1.153 1.115 SGgas dihitungPsep = 35 (psig)

Tsep = 84 (oF) TRIJANA K. 286.60 - - 1.166 - -SGgas tidak dapat

dihitungSggas = 0.8326

Sg Dihitung

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

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

39



Contoh hasil perhitungan dengan berbagai metode dimana Sg sebagaiinput dan harga Rs dicoba-coba :

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

Harga Sg sebagai input data

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

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

METHOD RS SGgas Pb Bob Perbedaan Keterangan(SCF/STB) (psig) (V/VR) (%)

STANDING 302.90 0.833 1153.0 1.166 1.1856 1.681 Rs dihitungOil Gravity = 36.56 (oAPI

@ 60 oF ) VASQUEZ & 272.20 0.833 1153.3 1.166 1.1281 3.250 Rs dihitungBob @Pb = 1.166(V/VR) BEGGSRsi = 286.6 (scf/stb) GLASO 267.50 0.833 1153.2 1.166 1.1385 2.358 Rs dihitungPsep = 35 (psig)Tsep = 84 (oF) TRIJANA K. 332.40 0.833 1153.3 1.166 1.1663 0.026 Rs dihitungSggas = 0.8326

RS Dihitung

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.


PENGOLAHAN DATA-DATA RESERVOARPVT (Analisa Fluida Reservoar)


Pengolahan Data PVT untuk kasus ‘B’, dimana ada dua data PVT ataulebih 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 2data PVT dari 2 sumur .• PVT (1) : Pb = 2485 psi• PVT (2) :Pb = 2155 psi

GOR mulai naik

Trend Pr

Pb = 2485 psi

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 waktupenyelesaian dalam proses simulasi. Hasil analisa data produksi dapat untukmemvalidasi model geologi reservoar, sebagai masukan simulasi danmembantu 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 abandondalam 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

44

PENGOLAHAN DATA-DATA RESERVOARData Produksi (Format Data)


Format data produksi untuk lapangan :

Format data produksi per sumur :

GOR GLRWELL DATE OIL WATER GAS LIQUID OIL WATER GAS WC WOR

bopd bwpd mscfpd blpd mstb mstb mmscf % mmscf

WELL DATE WATER GAS WATER GASbwpd mscfpd mstb mmscf

DATA INJEKSICUM. INJEC.

stb/ scf

INJECTION

DATA PRODUKSI

stb/ scf

PRODUCTION CUMULATIVE PROD.

GORDATE OIL WATER GAS WATER GAS OIL WATER GAS WATER GAS WC

bopd bwpd mscfpd bwpd mscfpd mstb mstb mmscf mstb mmscf % Active Total Active Total

DATA PRODUKSIWELL

PRODUCER INJECTIONstb/ scf

PRODUCTION CUMULATIVE PROD. CUM. INJEC.INJECTION

45

PENGOLAHAN DATA-DATA RESERVOARData 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 Sumuraktif vs Date dan apabila jumlah sumur kurang dari 20 sumur buatkanbarchart sumur active vs Date.

Grafik 1 => Sumbu Y1 : Liquid rate, Y2 : GLR dan Sumbu X : Date danGrafik 2 => Pressure vs Date

Grafik 1 => Sumbu Y1 : Np & Wp, Y2 : Gp dan Sumbu X : Date danGrafik 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 => Jikajumlah sumur injector lebih dari 20 sumur plot Sumur injeksi aktif vsDate dan apabila jumlah sumur kurang dari 20 sumur buatkan barchartsumur 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 RESERVOARGrafik Sejarah Produksi Lapangan


Contoh Sejarah produksi dengan barchart sumur aktif :

Grafik 1

Grafik 2

Sumur Aktif47



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 danGrafik 2 => Pressure vs Date (Jika ada)

Grafik 1 => Sumbu Y1 : Np & Wp, Y2 : Gp dan Sumbu X : Date danGrafik 2 => Pressure vs Date (Jika ada)

Plot Sumbu Y1 : GOR, Y2 : WOR dan Sumbu X : DateNote :

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

o Semua data pressure harus sudah di konversi pada suatu datum.

48

PENGOLAHAN DATA-DATA RESERVOARGrafik Sejarah Produksi Sumuran


Contoh Sejarah produksi dengan barchart lapisan yg di komplesi :

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

Grafik 1

Grafik 2

49



Buat bubble map produksi dengan frekwensi Np tiap-tiap 5 tahun jikalapangan telah berproduksi lebih dari 10 tahun atau per 2.5 tahun jikalama 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 palingdominan 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.50



Bubble map untuk Pressure (jika data mencukupi) dan overlay dengan :

• Peta HPT (So x H x Por) pada total lapangan dan lapisan yang palingdominan 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 overlaydengan :

• 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.

51

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), UkuranCell, 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 driveGas rate untuk reservoar gas

Frekwensi data produksi : Per bulan (produksi < 10 tahun) dan Per 3bulan (produksi > 10 tahun)

Jika belum berproduksi History Matching terhadap well test

Input : WHP (sumur flowing) dan BHP (sumur sudah pakai pompa)52

5. KEY WELL & PARAMETER HISTORY MATCHINGKey Well & Kriteria


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)

Jika lapangan sudah berproduksi, tentukan terlebih dahulu sumur-sumur sebagai key-well dalam history matching.

Kriteria key-well :

53

KEY WELL & PARAMETER HISTORY MATCHINGParameter History Matching


Lapangan GasInput Gas rate parameter yg di matching Qg, Qc, Qw, Pressure atau P/Z vs Gp

BOPD

Time or Cum. Prod

Pressure

Oilrate

GOR

WOR

WATER DRIVE

Lapangan Minyak (Water Drive)Input Liquid rate parameteryg di matching : Ql, Qo, Wc,Gor & Pressure

Data produksi sebagai input model simulasi :

BOPD

Time or Cum. Production

Pressure

Oil rate

GOR

WOR

Undersaturated Saturated

SOLUTION GAS DRIVE

Lapangan Minyak (Solution Gas Driveatau Gas Cap Drive)

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

54


Hasil modeling (acuan study GGR) akan diperoleh 5 realisasi modelterbaik.

Setiap model pastikan cell-cell property (Por & Vsh) sudah diatas cutoff.

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.

6. INITIALIZATION (MATCHING INPLACE)

Setelah model simulasi terbentuk dan semua data-data reservoar masukkedalam model simulasi, maka proses inilisasi dapat segera dilakukanuntuk me-matching inplace model dengan inplace hasil volumetrik atauinplace hasil dari geostatistik.Hal-hal yang perlu diperhatikan dalam proses inilisasi :

55


Apabila model sudah stabil, tabel kan inplace hasil inilisasi danbandingkan dengan hasil dari Volumetrik.Untuk Lapangan dengan sumur cukup banyak.

Umumnya perbedaan hasil simulasi dengan Volumetrik (properti dipakairata-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 dipakairata-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 (MATCHING INPLACE)56


INITIALIZATION (INPLACE MATCHING)

Contoh hasil Inplace Matching (OOIP) :

57

7. HISTORY MATCHINGKriteria Matching untuk Lapangan


Performance Produksi antara model dan data aktual harus selaras : OilRate, 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 :• Np model terhadap Np aktual < 1%• Wp model terhadap Wp aktual < 5%• Gp model terhadap Gp aktual < 10%

Input Gas rate, perbedaan model dg data aktual pada end of history :• Gp model terhadap Gp aktual < 1%• Wp model terhadap Wp aktual < 5%

58

HISTORY MATCHINGKriteria Matching untuk Key Well dan Blok


Performance Produksi antara model dan data aktual harus selaras : OilRate, 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 < 10%• Wp model terhadap Wp aktual < 15%• Gp model terhadap Gp aktual < 20%

Input Oil rate, perbedaan model dg data aktua pada end of history :• Np model terhadap Np aktual < 1%• Wp model terhadap Wp aktual < 10%• Gp model terhadap Gp aktual < 15%

Input Gas rate, perbedaan model dg data aktual pada end of history :• Gp model terhadap Gp aktual < 1%• Wp model terhadap Wp aktual < 10%

59


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%

HISTORY MATCHING

Parameter yang dapat dirubah didalam proses History Matching :

60

HISTORY MATCHING


Contoh perubahan penarikan korelasi.

Interval dimanaPerubahan Permeabilitas yg dibolehkan

61

HISTORY MATCHING


Contoh Hasil history matching blok-1 (Lap. ”X”) dengan input Liquid.

Qo, Qw vs Time

Np, Wp vs Time

62

HISTORY MATCHING


Contoh Hasil history matching blok-2 (Lap. ”X) dengan input Liquid.

Qo, Qw vs Time

Np, Wp vs Time

63

HISTORY MATCHING


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

64

HISTORY MATCHING


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

65

HISTORY MATCHING


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

66

HISTORY MATCHING


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

67

HISTORY MATCHING


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

68

8. PRODUCTIVITY INDEX (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 minimumdan 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 sumurflowing) dll.

Setelah dilakukan history matching dan sebelum melakukan prediksi,agar dilakukan PI matching (khusus lapangan minyak).

Ketentuan PI Matching :

69

PI HISTORY MATCHING


Contoh PI matching untuk lapangan.

70

PI HISTORY MATCHING


Contoh PI matching untuk Sumur.

71

9. PREDIKSIProduction Constraint (Economic Limit)


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 nilaikeekonomian suatu sumur atau lapangan, sedangkan BHP berdasarkanoperasional peralatan artificial lift dan WHP berdasarkan operasionalsupply gas/fasilitas.

Sebelum melakukan prediksi parameter constraint harus dimasukkandidalam model simulasi.Parameter dan Ketentuan Constraint :

72

PREDIKSIPenentuan Produksi Puncak (Peak Production)

Lapangan Minyako Perkiraan produksi puncak per sumur ditentukan oleh data tes dan telah

mempertimbangan : Kurva Inflow Performance Relationship (IPR) danCritical Rate Water Coning atau Gas Coning.

o Lama waktu produksi puncak per lapangan minimal 1/3 dari umur produksi(sampai economic limit).

Lapangan Gaso Perkiraan produksi puncak per sumur ditentukan oleh data tes dan tidak

melebih dari : 30% absolute open flow (AOF), Kurva IPR dan Critical RateWater 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 (gassales). Perkiraan produksi Net dihitung dari perkiraan produksi grosssetelah dipotong dengan impurities, fraksi berat/kondensat, own use/fueldan 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.

73

PREDIKSISkenario 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)

74

PREDIKSIHasil 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 .

0

500

1,000

1,500

2,000

2,500

3,000

3,500

4,000

4,500

5,000

Jan-0

8

May-08

Sep-08

Jan-0

9

May-09

Sep-09

Jan-1

0

May-10

Sep-10

Jan-1

1

May-11

Sep-11

Jan-1

2

May-12

Sep-12

Jan-1

3

May-13

Sep-13

Jan-1

4

May-14

Sep-14

Jan-1

5

May-15

Sep-15

Jan-1

6

May-16

Sep-16

Jan-1

7

May-17

Sep-17

Jan-1

8

May-18

BO

PD

0

500

1,000

1,500

2,000

2,500

3,000

3,500

4,000

4,500

5,000

Phase 2 Region I

Phase 2 Region III

Phase 1 Region IV

Phase 1 Region III

Existing Region I

Existing Region III

Existing Region II

Cumualtive Oil (MBO)

By assuming field economic limit of 400 BOPD, the cumulative production is 3.7 MMBO (until Sept 2013)

Cum

ualti

ve O

il (M

BO

)

77

SEMOGA BERMANFAATBAGI KITA SEMUA

78

WORKSHOPPEDOMAN DECLINE ANALYSIS, APLIKASI DCA DALAM

OPTIMASI PRODUKSI DAN MATERIAL BALANCE

OlehDadang 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)


BIDANG PERENCANAAN 1

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)

2

DECLINE ANALYSIS


Metode Decline Curve Analysis (DCA) adalah salah satu cara untukmengetahui perilaku reservoar dengan menganalisa kurva penurunan lajuproduksi. Metode ini banyak digunakan dalam memprediksi produksi minyak,menentukan cadangan minyak dan dapat menentukan umur produksi suatulapangan dengan cepat, sederhana dan relatif murah dibandingkan denganmetode 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.3

Diagram Flow Chart Decline Curve Analysis


Input : Data Produksi

Proses Decline Curve :• Penentuan Metode DCA

(Eksponen, Hyperbolik & Harmonik)• Penentuan Parameter Qi, b

dan Dn

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)

Trend DCA

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.

Selesai

Ya

Tidak

Plot : Log Qo vs Np Log Oil Cut vs Np

Tentukan Periode Trend Penurunan Produksi

Log Qo vs Time Cek periode pada trend penurunan produksi tsb haruspada sumur aktif konstant dantidak ada perubahan : komplesi,

choke, kapasitas pompa danproblem di fasilitas

Tidak

Cek periode pada trend penurunan produksi bukan akibat

water coning atau kepasiran.

Tidak

Baik

Baik

Dca pada Oil cut vs Np sebagai pembanding

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.

PenambahanSumur Baru

Ya Ubah dari Log Qo vs Np menjadi Log Qo vs Time. Hasil akhir :• Prediksi Produksi• Ultimate Recovery• Remaing Reserve

Tidak

4

DECLINE ANALYSISFaktor yang Mempengaruhi Penurunan Produksi


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

Kurva atau pola decline suatu produksi dicirikan oleh 3 faktor :

5

DECLINE ANALYSISSyarat-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 akanmenentukan hasil dari DCA. Untuk menganalisa dan menentukanpenarikan garis pada suatu kurva decline yaitu menentukan periode padakurva penurunan produksi pada suatu waktu tertentu dimana penurunanproduksi harus disebabkan secara alamiah, syarat-syarat dalam penentuanperiode trend penurunan produksi untuk DCA yaitu :

• Jumlah sumur aktif harus konstan untuk DCA per lapangan/perreservoar/ per blok).

• Tidak ada perubahan choke atau perubahan kapasitas /mekanismepengangkatan dan perubahan komplesi untuk DCA per sumur.

• Tidak ada masalah di lubang sumur (kepasiran)• Tidak ada masalah dengan fasilitas atau gangguan dari surface

6

DECLINE ANALYSISAnalisa 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.


7

DECLINE ANALYSISAnalisa 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 danjika jumlah sumur < 20 sumur plot barchart Sumur aktif vs Date.

Grafik 1 => Liquid rate & GLR vs DateGrafik 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 DateGrafik 2 => Jika jumlah sumur injector > 20 sumur plot Sumur injeksi aktif vs Date

dan jika jumlah sumur kurang < 20 sumur plot barchart sumur activeinjeksi 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 WCpada umbu Y2 sedangkan Date pada sumbu X

o Semua data pressure harus sudah di konversi pada datum yang sama (satu datum).

8

PENGOLAHAN DATA-DATA RESERVOARAnalisa 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 DateNote :

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

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 dibagijumlah sumur aktif. Plot :

Oil Rate dan Wc vs Date

GOR dan WOR vs DateCopyright Dadang Rukmana (BPMIGAS)

9

DECLINE ANALYSISSeleksi Data


Seleksi data untuk penarikan decline yaitu mencari periode dimanaproduksi mengalami trend menurun pada kurva Qo vs Date dengansyarat :

• Periode dimana jumlah sumur yang aktif relatif konstan khusus untukpenarikan decline per lapangan/reservoar/blok). Gunakan hasil PlotSumur Aktif vs waktu.

• Penarikan decline per sumur pilih periode dimana tidak ada perubahankomplesi atau buka/tutup lapisan. Gunakan Plot Sejarah komplesi vswaktu.

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

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

Untuk penarikan decline plot Log Qo vs Np dan oil cut vs Np (khususuntuk reservoar water drive) dan jika solution drive cukup Log Qo vs Np.

10

DECLINE ANALYSISSeleksi data


Contoh menseleksi periode/interval waktu dalam menentukan penarikan DCA

Periode waktu yang dapat dianalisa DCA

11

DECLINE ANALYSISMetode


Penurunan produksi secara alamiah biasanya mengikuti pola daribentuk kurva exponential, hyperbolic dan harmonic, maka metodedecline 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 : Eksponen decline yaitu menggambarkan kelengkungan kurva.• Dn : Konstanta decline rate yaitu mencerminkan kecepatan

penurunan laju produksi dalam interval waktu tertentu.

12

DECLINE ANALYSISMetode


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

b = 0Eksponen

b = 1Harmonik

0 < b < 1 Hiperbolik

b = 0 b = 1

0 < b < 1

Log (Qo) vs Date

13

DECLINE ANALYSISPenentuan DCA

Gambar disebelah ini adalah contoh hasil dari analisa data dimana diperoleh 2 periodesebagai dasar untukpenarikan 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.

14



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



Gambar disebelah kanan adalah contoh hasil dari analisa data diperoleh 2 intervalwaktu 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 menambahcadangan. Jika menambah sumur baru maka penarikan decline untuk prediksi produksi dapat ditariksejajar mengikuti kurva-1 & kurva-2

16

DECLINE ANALYSISPenentuan DCA untuk Lapangan Primary & WF


Contoh analisa DCA untuk Lapangan Primary & Water Flood.Hasil DCA kurva-1 dan kurva-2menunjukan 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.

17

APLIKASI DECLINE CURVE ANALYSISKOMBINASI

DCA DENGANKARAKTERISTIK RESERVOAR



APLIKASI DECLINE CURVE ANALYSISGabungan data-data model 3D property dengan Metode Decline CurveAnalysis (DCA) dapat memperkirakan area pada suatu lapangan yang belumoptimal. Cara yang cukup sederhana yaitu membagi area lapangan menjadibeberapa 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 DCAdengan garis sejajar menunjukkan masih punya potensi untuk menambahtitik serap (sumur baru).

19


APLIKASI DECLINE CURVE ANALYSISPembuatan Sektor

Prosedur dalam pembuatan sektor suatu lapangan berdasarkankarakteristik reservoar : Lakukan modeling 3D model geologi-reservoar, distribusikan parameter

property petropisik seperti Netpay, Porositas, Sw dan permeabilitas untukmasing-masing lapisan reservoar terutama lapisan yang mempunyai dataproduksi. Hitung OOIP per grid dan per lapisan sehingga akan diperolehpeta OOIP per lapisan.

Gabungkan dari beberapa lapisan menjadi satu lapisan dengan caramenjumlanghkan semua peta ooip.

Dengan cara yang sama, lakukan untuk permeabilitas. Untukmenggabungkan beberapa lapisan yang berisi data permeabilitas menjadisatu lapisan yaitu dengan cara merata-ratakan harga permeabilitasgunakan metode harmonik.

Kelompokkan harga inplace dan permeabilitas masing-masing menjadi 3kategori (besar, menengah dan kecil) dengan menggunakan metodestatistik . Data-data yang dikelompokkan diambil dari grid peta OOIP dangrid peta Permeabilitas .

20


APLIKASI DECLINE CURVE ANALYSISPembuatan Sektor

Kombinasikan ketiga sektor inplace dengan ketiga sektor permeabilitasmenghasilkan 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 produksiminyak dan jika ada kumulativ produksi air injeksi dari data-data terakhirsumuran.

Kelompokkan harga kumulativ tsb masing-masing menjadi 3 kategori(besar, menengah dan kecil) dengan menggunakan statistik danaplikasikan kedalam peta sehingga di peta kumulativ produksi diperoleh 3sektor .

21


APLIKASI DECLINE ANALYSISPembuatan Sektor

Overlay hasil pemetaan kumulativ produksi yang telah menjadi 3 sektordengan pemetaan hasil kombinasi sektor inplace-K. Hasil akhir darikombinasi peta produksi, peta inplace dan peta permeabilitas akanmenghasilkan kurang lebih 4 sektor.

Cek hasil kombinasi kumulativ produksi-Inplace-permeabilitas yang terdiridari 4 sektor dengan profile tekanan dan produksi sumuran pada masing-masing sektor pada grafik produksi, seperti :• Pressure vs Time• Qo vs Np• QL & Qo vs Time• Sumur aktif vs TimeJika data tekanan dan produksi masing-masing sumur pada sektor yangsama mempunyai profile kemiripan yang sama maka pembuatan sektorsudah selesai dan jika tidak cek kembali dan ulangi pada kombinasioverlay antara peta kumulativ produksi dengan peta sektor inplace-K.

22

APLIKASI DECLINE ANALYSISFlow 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 2Dmenjadi 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-Kakan dihasilkan sektor-sektor baru dan sederhanakan sektor-sektor tsb menjadi 4 sektor.

23

APLIKASI DECLINE ANALYSISPembuatan Model

Contoh Peta Net Pay


APLIKASI DECLINE ANALYSISPembuatan ModelContoh Peta Porositas




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


Contoh Peta OOIP



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


Contoh Peta Permeabilitas



Contoh Kombinasi Statistik OOIP dengan Statistik Permeabilitas



Contoh Peta OOIP - K



Contoh Peta Kumulatif Produksi



Contoh Peta Kumulatif Water Injeksi



Contoh Hasil Modeling vs Produksi



Contoh Lapangan ”X” Peta Sektor OOIP-K


APLIKASI DECLINE ANALYSISAnalisa DCA per Sector

Contoh Gambar Tekanan yang scatter



Contoh Gambar Tekanan pada sector-1



Contoh Gambar Tekanan pada sector-2



Contoh Sektor-1 sudah Mature, kurva menuju satu titik



Contoh Sektor-2 sudah Mature, kurva menuju satu titik



Contoh Sektor-3 masih Virgin, kurva-1 & Kurva-2 sejajar



Contoh Sektor-4 masih Virgin, kurva-1 & Kurva-2 sejajar



Contoh Lapangan ”Y” (Peta Sektor OOIP-K)



Contoh Lap. ”Y”, Sektor 3-N sudah Mature, 2 kurva menuju satu titik



Contoh Sektor 3-E masih Virgin, kurva-1, 2 & 3 sejajar


METODE MATERIAL BALANCEUNTUK

PREDIKSIPERFORMANCE PRODUKSI


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,stbG = original gas-in-place, scfEo = expansion of oil and original gas in solution,rb/stbm = initial gas cap volume, fraction of initial oil volumeEg = gas cap expansion, rb/stbEfw = connate water expansion and pore volume reduction due to

production, rb/stbWe = cumulative natural water influx, rb

47

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 masing-masing 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

TANK MODEL MATERIAL BALANCE


Tank-I

Tank-3

Tank-4Tank-5

Tank-2

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.

49

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

TANK MODELSecara 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

51

PEMBAGIAN TANK MODELSecara 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-1,2&3

Tank-4,5,6&7

Tank-8,9,10&11

Tank-12,13,14&15

Tank-16,17,18 &19

Tank-20,21&22

Tank-1Tank-2

Tank-3

Tank-12

Tank-13Tank-14

Tank-15


Tank-1

Tank-2

Tank-3

Tank-4

Tank-5

Tank-6

Tank-7

52

PEMBAGIAN TANK MODELSecara Vertikal

Contoh Prediksi Produksi dengan menggunakan metode material balance dengan konsep multi tank model mengakomodasi perbedaan karakteristik reservoar.


54

WORKSHOPPEDOMAN PENENTUAN KATEGORI

DAN PERHITUNGAN CADANGAN MIGASOleh

DADANG RUKMANA


BIDANG PERENCANAAN

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)

1

AGENDA

1. ATURAN DAN KETENTUAN BERHUBUNGAN DENGAN CADANGANMIGAS

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)

2

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 ijindisclose 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

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)

8

Klasifikasi Cadangan dan Resources berdasarkan Petroleum Resources Management System (PRMS 2007)

3. KLASIFIKASI CADANGAN & DEFINISI PRMS 2007

9

KLASIFIKASI CADANGAN & DEFINISI PRMS 2007 • 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 (Sub-Commercial) 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 :

Terjadi pengelompokan cadangan yang komersial maupun sub-komersial.

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.

Negatif : Karena perhitungan cadangan dikaitkan dengan

komersialitas, maka penemuan lapangan baru akan sulit untuk segera dikembangkan.

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).

10

Contoh Hasil Perhitungan CADANGANberdasarkan PRMS 2007

Kasus Hasil Sertifikasi Pesimis.

Klasifikasi & Definisi cadangan versi PRMS 2007 terlalu rumit dan hasilnya tidak konsisten

Gas Volume(MMscf)

Institusi LNLow Case

Institusi LNMid Case

Institusi LNHigh 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

Gas Volume(MMscf)

Institusi LNLow Case

Institusi LNMid Case

Institusi LNHigh 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.

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.

11

4. KLASIFIKASI CADANGAN BPMIGAS

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

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).

Ekonomis

Reserves

Proved Estimate

ProbableEstimate

Developed Undeveloped

PossibleEstimate

90%P1 + 50%P2 Or 90% P1

Tidak Ekonomis

Annu

al R

eser

ves

Rep

ort

POD

12

KLASIFIKASI CADANGANSecara terperinci

CADANGAN MIGAS

Primer

Sekunder

Pasti

Mungkin

Harapan

Dikembangkan

Blm.Dikembangkan

Aktif

Tdk.Aktif

Tahapan Produksi Tingkat Kepastian

Status PengembanganTingkat Produktivitas

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

13

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

Potensi Minyak pada tahap IOR/EOR

Cadangan Minyak pada tahap perolehan secara alami

Original OIL In Place (OOIP)

14

Time

Data

HighP3

KONSEP MENGURANGI KETIDAK PASTIAN CADANGAN Vs PENGEMBANGAN LAPANGAN

POD

15

P10

LOW

P1

DevelopmentDecision

P90

Most likelyP2P50

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


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


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


BLOK A BLOK B BLOK C

BLO

K D

R 1

R 2

R 3Barat Tengah Timur Barat

Tengah

Timur Barat Tengah Timur

Sumur 1 Sumur 2 Sumur 3 Sumur 4 Sumur 5

Interpretasi Log

DST

Produksi

Prospek

19

6. PEMBAGIAN KATEGORI CADANGANBatas 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 CADANGANBatas 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)

GWC

tes produksimengalir gas

Proven

Ilustrasi - 1Batas 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

tes produksimengalir air

22

PEMBAGIAN KATEGORI CADANGAN BERDASARKAN SUMURAN (Secara Vertikal)

RTGR

A

B

tes prod.

RTGR

Proven

Probable A

B

Ilustrasi - 2

tes prod.

LKOLKO

Proven

Probable

Probable

??? Proven

atauProbable

23

PEMBAGIAN KATEGORI CADANGANBatas 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).

24

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 2Probable

Area 3Possible

LKG

Area -1Proven

25


Ilustrasi - 2Area Proven terpotong oleh patahan, area yang terpotong pada posisi tidak ada data sumur dikategorikan sebagai P2

Peta Net Pay.

P1

P3

LKO

P2Peta Net Pay

26


Ilustrasi - 3Untuk 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.

P1NpUlt.R.R

P2

Peta Net Pay

LKO

Ult.R.R

27

PEMBAGIAN KATEGORI CADANGAN BERDASARKAN SUMURAN (Secara Areal dan Vertikal)

POSS

IBLE

AR

EA 250 mWell 1

Well 2 Well 3

PROVEN

WOC ?LKO

Ilustrasi - 1 Area P1 minyak berdasarkan radius masing-

masing sumur 250 m atau 1.5 x Radius Investigasi

Area 2P sebesar 2.5 x area P1 atau batas terbawah dari LKO.

28


POSS

IBLE

AR

EA 250 mWell 1

Well 2 Well 3PROVEN

WOC ?LKO

Ilustrasi 2 Area P1 minyak berdasarkan radius masing-

masing 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 .

29


250 m

WOC ?LKO

PROVENPROBABLE

POSSIBLE

Well 1Well 2 Well 3

POSS

IBLE

AR

EA

250 m

Well 1

Well 2 Well 3

PROVEN

WOC ?LKO

Ilustrasi 3 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.


30


POSS

IBLE

AR

EA

250 m

Well 1

Well 2 Well 3

PRO

VEN

WOC ?LKO

Ilustrasi 4 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.


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

31

7. METODE PERHITUNGAN IN PLACE(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.

32

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(Untuk Usulan POD)

Perhitungan In Place dalam usulan POD harus memenuhi syarat, sbb :• Didukung dengan peta struktur dan peta hasil interpretasi petrophysic seperti iso-

Netpay 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.

34

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 produksi-tekanan 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(Untuk Usulan POD)

35

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 in-place 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) dancadangan 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 tahappengembangan 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 harusdimodelkan 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 perhitunganawal minyak/gas ditempat, memiliki dan mengintegrasikan data analisa fluidadan 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 melampauititik tertinggi dari kemampuan produksi).

Analisa decline curve harus dilakukan per reservoar atau per sector.41

9. CADANGAN UNTUK USULAN POD/POFD

42

Time

Data

High

Most likely

LOW DevelopmentDecision

P1

P2P3

Cadangan untuk keperluan POP dan POD/POFD

POD

• 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.

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

• POFD (Plan of Further Development) dari Lapangan yang sudah Produksi : Minyak = 90% P1 (Sisa Cadangan) + 50% P2 Gas Pipa = 90% P1 (Sisa Cadangan) + 50% P2 Gas LNG = 90% P1 (Sisa Cadangan)

44

10. FORMATLAPORAN CADANGAN TAHUNAN

(Annual Reserves Report)

45

Persyaratan Data Cadangan dari Lapangan yang akandilaporkan

• Lapangan Status Ekplorasi : Lapangan yang bukan status Lead and Prospect

Sudah ada data tes produksi, memiliki peta hidrokarbon dan jelas batas-batas 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 SumurData GeologiData Reservoar

48

KLASIFIKASI CADANGANDalam Buku Laporan Cadangan Tahunan (Annual Reserves Report)

• Berdasarkan tingkat kepastian :Cadangan Pasti (Proven Reserve)Cadangan Mungkin (Probable reserve)Cadangan Harapan (Possible Reserve)

• Berdasarkan Status ProduksiCadangan Dari Lap. Sudah BerproduksiCadangan Dari Lap. Belum Berproduksi

Di dalam Pelaporan Cadangan Tahunan sudah tidak menggunakan lagi istilah :

• P90, P50 dan P10

• Low, Most likely dan High

49

FORMAT LAPORANANNUAL 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

50

FORMAT LAPORANANNUAL 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 CalculationType 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.

51

Contoh Format Pelaporan

52

53

Documents

Dadang Rukmana.pdf