Text
PREDIKSI PERMEABILITAS MENGGUNAKAN RESPON LOG NMR DAN LOG KONVENSIONAL PADA SUMUR XX-01 DI LAPANGAN X
Prediksi permeabilitas dari well log pada sumur uncored merupakan usaha dan proses yang penting di dalam melakukan karakterisasi reservoir. Karena mahalnya biaya yang dikeluarkan untuk analisa core, biasanya data core yang diambil sangatlah terbatas. Sejak sebagian besar sumur telah dilakukan logging, prediksi permeabilitas dari data log umumnya menggunakan korelasi empiris yang tersedia pada literatur. Namun, korelasi yang umum digunakan tidak selalu menjadikan solusi tepat terhadap suatu masalah yang serupa. Oleh karena itu, tujuan utama dari studi ini adalah meningkatkan metode yang ada di dalam melakukan prediksi permeabilitas dengan memaksimalkan penggunaan dari data log. Lapangan yang mempunyai data log NMR dan log konvensional digunakan pada studi ini. Hal yang menarik bahwa NMR diyakini memiliki keunggulan lebih dibandingkan dengan log konvensional dalam mengestimasi sifat petrofisik. Studi ini menggunakan semua data yang tersedia, well log dan data core, untuk menyelidiki penerapan secara luas dari model-model empiris yang digunakan dan mengusulkan suatu solusi alternatif untuk menangani masalah di dalam melakukan prediksi permeabilitas. Korelasi yang ada diterapkan pada log NMR dan data core di dalam melakukan prediksi permeabilitas menghasilkan koefisien korelasi dengan R2 = 0,497. Seperti yang disarankan pada literatur terkait, penyesuaian yang dibuat pada nilai konstan dan eksponen memberikan hasil yang sedikit lebih baik dengan R2 = 0,655. Suatu upaya dilakukan dengan mengaplikasikan multivariate analysis pada data log konvensional, sehingga didapatkan prediksi permeabilitas yang lebih baik dengan R2 = 0,741. Hasil terbaik diperoleh dengan mengkombinasikan data log NMR dan log konvensional. Multivariate analysis yang dilakukan telah menghasilkan prediksi permeabilitas yang terbaik dengan R2 = 0,910. Kesimpulan studi ini adalah metode empiris yang sudah ada seharusnya digunakan dengan hati-hati. Studi ini telah mengusulkan suatu teknik alternatif di dalam mendapatkan prediksi permeabilitas yang lebih baik. Pemahaman mengenai makna fisik dari respon log menjadi hal yang sangat penting untuk mendatangkan pada suatu solusi yang terbaik.---Predicting rock permeability from well logs in uncored wells is an important effort in conducting reservoir characterization. Due to high cost of core analysis, usually cores data are very limited. Since most wells are logged, the common practice is to predict permeability from logs data using empirical correlations available in the literature. However, such common correlations are not always the only solution to common similar problems. Therefore, the objective of this study is to improve existing methods of permeability prediction by maximizing the use of logs data. A Field case having NMR and Conventional well logs is used in this study. It is interesting that NMR log is believed to have advantages over Conventional log in estimating petrophysical properties. The present study employs all of the data available, well logs and core data, to investigate the applicability of the widely used empirical models and propose alternative techniques to handle the problem in predicting permeability. Application of the existing correlation to the NMR log and core data in predicting permeability results in a correlation coefficient of R2 = 0,497. As suggested in the related literature, adjustment made on the constant and the exponent of the correlation gives a slightly better result with R2 = 0,655. An effort have been done by applying multivariate analysis to the Conventional logs data, resulting in better permeability prediction with R2 = 0,741. The best result have been obtained by combining the NMR and Conventional logs data. Multivariate analysis carried out on the combined log data yields a much better prediction with R2 = 0,910. In conclusion, the existing empirical solution should be used with care. This study has proposed alternative techniques to better predict permeability. Understanding the physical meaning of logs responses or data is of importance to arrive with the best solution.,
Tidak tersedia versi lain