Text

Analisis Parameter yang Berpengaruh terhadap Recovery Factor pada Expanding Solvent Steam Assisted Gravity Drainage Menggunakan Extreme Gradient Boosting

---

Steam Assisted Gravity Drainage (SAGD) adalah metode peningkatan perolehan minyak dengan termal yang mengandalkan pemisahan gravitasi uap, dengan menggunakan sepasang sumur horizontal paralel yang ditempatkan lima meter terpisah. Metode ini terutama digunakan pada ladang minyak berpasir (tar sands). Salah satu variasi dari SAGD adalah Expanding Solvent Steam Assisted Gravity Drainage (ES-SAGD), yang melibatkan injeksi zat pelarut dalam prosesnya. ES-SAGD menjanjikan efisiensi lebih baik dalam hal Steam Oil Ratio (SOR) yang lebih rendah dan Recovery Factor (RF) yang lebih tinggi dibandingkan dengan metode SAGD konvensional. Studi ini bertujuan untuk menginvestigasi efek dari lima parameter ES-SAGD, yaitu temperatur uap, tekanan injeksi, kualitas uap, laju injeksi, dan fraksi mol pelarut, terhadap perolehan minyak. Penelitian dimulai dengan 1000 eksperimen menggunakan metode Design of Experiment (DoE) dalam perangkat lunak Computer Modelling Group (CMG). Parameter respon yang diukur adalah perolehan minyak. Tujuan penelitian ini adalah untuk meningkatkan pemahaman tentang parameterparameter yang mempengaruhi efisiensi ES-SAGD dan optimalisasi implementasinya dalam ladang minyak berpasir. Latar belakang penelitian didasarkan pada kebutuhan akan metode peningkatan perolehan minyak dengan termal yang lebih efisien, dan ES-SAGD dipilih karena jaminan dalam meningkatkan efisiensi dengan tambahan injeksi zat pelarut. Metodologi penelitian mencakup variasi parameter ES-SAGD dalam 1000 eksperimen, dengan analisis fitur menggunakan algoritma XGBoost untuk menentukan pengaruh relatif dari masing-masing parameter terhadap perolehan minyak. Algoritma ini dipilih karena kemampuannya dalam menangani ketergantungan dan interaksi antar parameter. Hasil investigasi menggunakan algoritma XGBoost menunjukkan bahwa parameter Pressure injection, Rate Injection, dan Fraction Solvent paling berpengaruh terhadap perolehan minyak selama proses ES-SAGD. Variasi hyper-parameter XGBoost juga diuji, dan hasil running menunjukkan bahwa MSE terkecil tercapai dengan 194 n-estimator, dengan nilai R2 untuk data training dan data test masing-masing sebesar 0.993 dan 0.993. Penelitian ini diharapkan memberikan informasi berharga dalam industri minyak, dengan mengungkap tingkat signifikansi dari masing-masing parameter ES-SAGD. Temuan ini dapat membantu dalam meningkatkan efisiensi dan optimalisasi implementasi metode ES-SAGD di ladang minyak berpasir.

---

Availability

Detail Information

Call Number

Perminyakan 003.7 Mei a

Language

Indonesia

NPM

173210516

Publisher

Pekanbaru : Universitas Islam Riau., 2023

Keyword(s)

SAGD, Expanding Solvent, CMG, Analisa Sensitifitas

Other Information

Petugas

Yolla Afrina

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment