Hasil Pencarian  ::  Simpan CSV :: Kembali

"Lapangan NN terletak di darat di Blok Selat Malaka. Lapangan tersebut ditemukan pada tahun 1990 dengan mengebor sumur eksplorasi N-01 yang terbukti terdapat minyak di Formasi Manggala dan Pematang. Pada tahun 1998, 3D Seismic diakuisisi dan berhasil mengidentifikasi tiga kompartemen di bidang ini yang dipisahkan oleh sesar N-S. Reservoir target adalah Formasi Lower Pematang merupakan bagian dari Grup Pematang dan diendapkan di lingkungan fluvial braided system. Karakteristik reservoir di Formasi Lower Pematang yaitu tight sandstone dengan tipe log blocky. Untuk mengoptimalkan produksi minyak, stimulasi rekahan hidrolik dipilih dan menjadi teknik yang terbukti dalam reservoir ini. Studi geomekanik lebih lanjut diperlukan untuk mendukung pekerjaan hydraulic fracturing dengan menyediakan model 3D tekanan pori dan fracture pressure. Beberapa sifat batuan geo-mekanika seperti tekanan Pori, Poisson's Ratio dan Young's Modulus, Fracture Pressure dihitung di sumur secara 1D section dan kemudian merambat di seluruh lapangan NN. Dengan model 3D, rekomendasi kuat pada pengembangan lapangan melalui hydraulic fracturing dapat dicapai dan pemulihan minyak akan optimal. Model 3D pore pressure, overburden pressure dan fracture pressure dimodelkan dengan co-krigging dengan trend dari interval velocity cube.

---

NN field is located onshore within the Malacca Strait Block. The field was discovered in 1990 by drilling N 01 exploration well which proven oil in the Manggala and Pematang Formations. In 1998, 3D Seismic was acquired and successfully identified three compartments in this field which separated by N S faults. This study is focusing on Lower Pematang Formation which belongs to Pematang Group and deposited in braided fluvial system. The Lower Pematang reservoir is tight sandstone with blocky log type model. In order to optimize the oil production, hydraulic fracturing stimulation was chosen and became proven technique in this reservoir.

Further geomechanic study is required to support hydraulic fracturing jobs by providing a 3D model of pore pressure and fracture pressure. Several geo mechanics rock properties such as Pore pressure, Poisson's ratio and Young's Modulus, Fracture Pressure was calculated in wells and then propagate troughout NN fields. With 3D model, a robust recommendation on field development via hydraulic fracturing can be achieved and oil recovery will optimum."

"Prediksi nilai Pore Pressure ini dilakukan dengan menggunakan metode Eaton dengan input data berupa data sonikdan data densitas. Dengan adanya data pendukung seperti leak-off test LOT dan repeat formation test RFT maka nilai prediksi ini dapat mendekati nilai tekanan aktualnya. Penelitian ini dilakukan dengan menggunakan sumur sebagai kalibrasi data, serta menggunakan neural network sebagai metode prediksinya. Nilai Pore Pressure ini mengestimasi dua jenis batuan yaitu shale dan karbonat. Karena perbedaan litologi, maka digunakan nilai konstanta empiris yang berbeda untuk setiap litologi. Nilai estimasi ini kemudian dikalibrasi dengan data RFT dan data berat jenis lumpur. Penentuan fracture pressure tekanan rekahan dilakukan dengan menggunakan data LOT dimana datanya diperoleh berdasarkan jumlah tekanan saat terjadi kebocoran pada suatu batuan. Setelah semua nilai tersebut diperoleh, maka dihasilkan nilai estimasi yang kemudian diprediksi dengan titik lain menggunakan parameter kecepatan seismik, frekuensi seismik, acoustic impedance, dan simultaneous impedance. Prediksi tersebut dilakukan dengan menggunakan data sumur sebagai data sampel. Hasil yang diperoleh menunjukan nilai error dengan menggunakan sumur relatif lebih mendekati data aktualnya. Menggunakan nilai korelasi tersebut, maka diperoleh permodelan yang kemudian dapat dimanfaatkan sebagai penentuan area pengeboran.

---

Determination of drilling area is very important because it related to safety in oil and gas industry. Determination of pore pressure value can minimize the drilling hazard. Eaton method used in pore pressure prediction with sonic and density as a parameter. With leak off test LOT and repeat formation test RFT as a support data, pore pressure prediction can be more accurate. This research using well log as a parameter input and calibrator, using a neural network as a prediction method. The reservoir of the field is carbonate reef with shale above the reservoir. Because of the difference of the lithology, then we use two different empirical value in every lithology. The pore pressure prediction calibrate with RFT and mud weight data and the fracture gradient that calibrate with LOT data. Value of the pore pressure prediction then correlates with the other seismic, frequency, acoustic impedance, and simultaneous impedance attribute. The correlation is using a neural network, and the result of the prediction show good correlation with pore pressure prediction on well log data. As it shows a good correlation, so it can use as a determining factor of drilling location on field ldquo X rdquo "