BAB III Permodelan Reservoir X

Transkripsi

1 BAB III Permodelan Reservoir X Proses permodelan Reservoir X dilakukan untuk mendapatkan model property secara 3d yang realistik secara geologi dan statistik. Distribusi dan parameter property dapat memberikan informasi karakter reservoir dan penyebarannya, baik lateral maupun vertikal. Dalam penelitian ini, model property yang dihasikan akan digunakan sebagai input untuk perhitungan OOIP. III.1 Jenis dan Jumlah Data yang Digunakan Data yang dikumpulkan untuk melakukan proses tesis adalah sebagai berikut: 1. Data pline horizon dan patahan 2. Data sumur yang meliputi header, marker, dan log-log sumur Data pline horizon dan patahan diperoleh dari hasil interpretasi horizon dan patahan dari projek seismik di aplikasi perangkat lunak seiswork. Data tersebut sudah dikonversi dari domain time kedalam depth dengan menggunakan velocity cube yang sudah ada di Duri. Data sumur meliputi header, yaitu koordinat X dan Y, RTE (Rotary Tabel Elevation); marker stratigrafi top dan bottom serta marker OWC (Oil Water Contact), HKW (Highest Known Water), dan LKO (Lowest Known Oil); serta log-log sumur yang sudah diproses dan dinalisis yang meliputi tipe batuan (rock type), log porositas (Ф), permeabilitas (k), volume shale (Vsh), dan saturasi air (Sw). Jumlah sumur yang dipakai untuk interpreatai surface adalah 968 sumur, sedangkan untuk permodelan tipe batuan dan sifat batuan 714 sumur. Jumlah surface horizon yang digunakan adalah 7, yang meliputi 2 horizon surfaces utama top X (T_DX) dan top Rindu (T_RN), serta 5 horizon surfaces hasil permodelan dengan menggunakan metode morphing berdasarkan kedua horizon surface tadi dengan merker-marker sumur. 39

2 III.2 Deskripsi dan Hasil masing-masing Langkah III.2.1 Kontrol Kualitas Data Sebelum dilakukan pengolaan data, semua data yang sudah dikumpulkan tersebut dikontrol kualitasnya (quality control) untuk mendapatkan data yang valid dan dapat dipercaya (reliable). Misalnya, kontrol kualitas tehadap hasil interpretasi horizon terhadap patahan atau antara patahan yang satu dengan yang lain. Kontrol kualitas juga dilakukan terhadap marker untuk memastikan tidak ada yang saling berpotongan atau terbalik posisinya antara marker top dan bottom, atau tidak pada posisi yang semestinya. Begitu juga untuk log-log sumur, nilainya dalam range yang masuk akal, misalnya nilai sifat-sifat batuan yang positif (tidak negatif), atau misalnya nilai Sw dan volume shale (Vsh) antara 0 dan 1 (100%). III.2.2 Korelasi Antar Sumur Korelasi marker antar sumur menggunakan metode korelasi litostratigrafi dengan menghubungkan marker-marker yang mempunyai karakter log sumur yang mirip. Kemenerusan litologi pada reservoir X di daerah penelitian adalah baik. Perlapisan reservoir umumnya memperlihatkan tipe layer cake (Gambar III.1). Marker meliputi marker litologi yaitu: T_DX, B_DX_1,T_DX_2, B_DX_2, T_DX_3, B_DX, dan marker kontak fluida yang meliputi: LKO, OWC, dan HKW. Marker kontak fluida akan akan diterangkan pada BAB IV. Setelah dilakukan proses kontrol kualitas, data tersebut siap digunakan untuk proses permodelan (earth modeling) secara tiga dimensi, yang meliputi pembuatan faulted surface, un-faulted grid, property modeling dan stratigraphic grid (SGRID). Selanjutnya SGRID tersebut digunakan untuk perhitungan volumetrik dan reservoir. 40

3 T_DX B_DX_1 T_DX_2 B_DX_2 T_DX_3 B_DX A A A A Gambar III.1 Log sumur, marker, dan korelasi pada Reservoir X. T_DX sebagai datum stratigrafi pada cross section log sumur. Lintasan hijau pada peta index merupakan lintasan cross section A-A'. III.2.3 Faulted Surface Horizon Faulted surface horizon adalah surface dalam model yang dihasilkan dari point set hasil interpretasi seismik, yang selanjutnya dipotong oleh surface patahan dan di-flex terhadap marker sumur supaya antara data sumur dan sesmik tie. Tujuan dari faulted surfce ini adalah untuk membuat sgrid dan region setiap lapisan melalui morphing surface. Sebelum dibuat faulted surface, semua pline dari horizon dan patahan dibuat pointset-nya. Masing-masing pointset dari obyek horizon dan patahan, dikontrol 41

4 kualitasnya dan diedit untuk menghasilkan bentuk yang masuk akal secara geologi. Surface dari masing-masing obyek patahan dihasilkan dari pointset yang sudah diedit. Sedangkan surface horizon dihasilkan dari pointset horizon dengan menggunakan surface obyek patahan untuk menghasilkan surface yang terpatahkan atau dikenal sebagai faulted surface (Gambar III.2). Penggunaan data patahan dalam pembuatan surface dimaksudkan untuk menghasilkan surface horizon yang lebih masuk akal dari sisi interpretasi geologi dan memberikan informasi secara geologi (geological sound). Sehingga top dari surface horizon pada daerah patahan akan mengikuti pola patahannya. ntuk memastikan bahwa surface horizon adalah tie dengan marker, maka perlu dilakukan flexing surface horizon terhadap marker sumur (Gambar III.3). Gambar III.2 Integrasi surface horizon (top X ) yang berwarna putih, dengan patahan yang berlainan warna yang menunjukkan patahan yang berbeda. 42

5 Gambar III.3 Faulted Surface horizon top Reservoir X secara tiga dimensi, hasil dari pemotongan surface horizon oleh patahan dan di-flex terhadap marker sumur. Dari faulted surface horizon yang sudah dihasilkan, selanjutnya bisa dibuat peta top struktur dari Reservoir X dan ketebalan kasar (gross isopach) dari interval reservoir ini. Peta top struktur menunjukkan bahwa kedalaman top Reservoir X di daerah penelitian umumnya lebih dangkal dari 450 feet di bawah muka air laut. Sedangkan top reservoir yang paling dangkal bisa mencapai 50 feet di bawah muka air laut (Gambar III.4). Gross isopach dari interval Reservoir X diperoleh dari ketebalan atau jarak antara top surface horizon Reservoir X dan Reservoir Rindu yang berada di bawahnya. Dari peta gross isopach, diinterpretasikan bahwa rata-rata ketebalan kasar dari interval Reservoir X berkisar dari 100 sampai 170 feet (Gambar III.5) 43

6 Gambar III.4 Peta struktur top surface horizon Reservoir X. Warna merah menunjukkan kedalaman top Reservoir X yang paling dangkal, sedangkan yang putih adalah paling dalam. Tampak kedalaman yang paling dangkal pada kontur 50 feet (sub-sea). 44

7 Gambar III.5 Peta gross isopach atau ketebalan kasar interval Reservoir X. Warna merah menunjukkan ketebalan kasar yang paling tebal. mumnya ketebalan kasar reservoir ini berkisar antara feet. III.2.4 n-faulted Sgrid SGrid adalah stratigrpahic grid yang dihasilkan dari dua horizon surfaces sebagai structural framework untuk keperluan permodelan property yang terdiri dari beberapa sel sesuai dengan desain dan tujuan. Pada penelitian ini, sgrid yang dihasilkan tidak dipotong oleh patahan, sehingga disebut un-faulted sgrid. Grid yang dibuat dan dipersiapkan untuk permodelan memupunyai desain cell berukuran 25mx25m, dengan pertimbangan ukuran dari pattern yang umum di Lapangan Duri, dimana dalam satu pattern 5 atau 9 spot berbentuk bujur sangkar dengan panjang kedua sisi (jarak antar sumur di corner atau sudut) adalah sekitar 250 meter, sehingga dengan ukuran sel (cell) tesebut akan terdapat 10 sel-sel 45

8 sepanjang salah satu sisi pattern tersebut. Desain untuk ketebalan sel adalah 2 feet (Gambar III.6). Makin halus ukuran sel akan semakin teliti dan detail, tapi akan menggunakan memori yang lebih banyak dan menjadikan proses running yang lebih lama. Grid yang dibuat dari faulted surface adalah un-faulted grid, yaitu proses pembuatannya tidak menggunakan patahan, tapi menggunakan faulted surface. Dengan menggunakan faulted surface, grid yang terbentuk akan mengikuti pola patahan yang ada pada faulted surface. n-faulted grid yang dihasilkan diasumsikan tidak memberikan perbedaan yang signifikan dengan faulted-grid. Proses ini dimaksudkan untuk mengurangi kompleksitas pada pembuatan grid dan juga mengurangi waktu proses permodelan. Gambar III.6 nfaulted Sgrid dengan ukuran sel 25mx25m (lateral) x 2ft (vertikal). 46

9 III.2.5 Regioning Regioning diperlukan untuk menghindari informasi distribusi yang bias seperti distribusi bimodal yang dapat dilihat dalam histogram (Gambar III.7). Regioning dilakukan dengan mengelompokkan set data sehingga menghasilkan informasi distribusi data yang lebih baik (Gambar III.8). Pada model, regioning bisa berdasarkan property range atau geologic feature (top dan bottom marker atau surface). Regioning yang dilakukan pada model Reservoir X meliputi regioning berdasarkan marker (Tabel III.1 dan gambar III.9): T_DX-B_DX_1, B_DX_1- T_DX_2, T_DX_2-B_DX_2, B_DX_2- T_DX_3, T_DX_3- B_DX; tipe batuan: batupasir, lanau, shale, dan batupasir gampingan; kontak fluida: OWC: sebagai base case, serta data LKO dan HKW sebagai low case dan high case untuk mendapatkan range probablistik dari hasil perhitungan volumetrik reservoir. Gambar III.7 Histogram yang memperlihatkan distribusi property bimodal (sebelum regioning). 47

10 Gambar III.8 Histogram yang memperlihatkan distribusi property yang normal (setelah regioning). Tabel III.1 Penentuan layer regioning dari marker stratigrafi untuk seluruh stratigraphic grid Reservoir X. Region Stratigrafi Lapisan Sgrid "X" Sgrid "X" tara Sgrid "X" tara Daerah Penelitian Ketebalan Rata-rata (ft) T_DX B_DX_1 A L6 9,984,000 pg_l6 4,919,200 pg_l6_aoi 3,454, B_DX_1 T_DX_2 As L5 1,495,600 pg_l5 737,880 pg_l5_aoi 518,121 6 T_DX_2 B_DX_2 B L4 3,993,600 pg_l4 1,967,680 pg_l4_aoi 1,381, B_DX_2 T_DX_3 Bs L3 1,497,600 pg_l3 737,880 pg_l3_aoi 518,121 7 T_DX_3 B_DX C L2 5,491,200 pg_l2 2,705,560 pg_l2_aoi 1,899, B_DX T_RN Cs L1 4,992,000 pg_l1 2,459,600 pg_l1_aoi 1,727, Jumlah Total D L1_L6 27,454,000 pg_l1_l6 13,527,800 pg_l1_l6_aoi 9,498,

11 T_DX B_DX_1 T_DX_2 B_DX_2 T_DX_3 B_DX T_RN Lapisan A Lapisan B Lapisan C Gambar III.9 Model log sumur dan sgrid dalam penentuan regioning. III.2.6 Property Modeling Data log sumur yang digunakan untuk permodelan property (property modeling), adalah data log sumur yang sudah di-snap terhadap sel grid (Gambar III.10). Selsel grid (grid cells) yang berpotongan dengan sumur diinisialisasi (initialized) dengan data sumur, misalnya data porositas, saturasi minyak, dsb. Hasil snapping ini juga diperlukan untuk membuat regioning sumur berdasarkan sel grid. Analisis geostatistik, diantaranya analisis univariate, bivariate, dan variogram sebelum dilakukan property modeling. Variogram, seperti yang diterangkan dalam bab sebelumnya pada gambar II.6, merupakan suatu cross-plot yang menunjukkan bagaimana korelasi antara titik-titik data berubah karena jarak antara perubahan titik-titik data. Variogram meliputi sill yaitu semi-variance maksimum, yang merepresentasikan variability dalam ketidakadaan spatial dependencies; range adalah separasi antara pasangan titik yang mana sill telah tercapai atau jarak yang mana tidak ada bukti spatial dependencies; nugget didefinisikan sebagai semivariance ketika separation mendekati nol. Contoh aplikasi variogram dalam permodelan Reservoir X diperlihatkan pada gambar III.11. Gambar tersebut memperlihatkan nested variogram (2 model: model 0 dan 1), yang mana pada model 1, secara areal, sumbu paling panjang (range 1) adalah 1000 meter dengan azimut 30 derajat. Sedangkan sumbu yang 49

12 Gambar III.10 Snap data sifat dan tipe batuan terhadap sel. Warna menunjukkan besaran dari suatu property. Gambar III.11 Contoh aplikasi variogram dalam permodelan porositas pada Reservoir X 50

13 paling pendek (range 2) adalah 600 meter. Variogram vertikal menunjukkan bahwa range 3 berjarak 14 meter. ntuk mem-populate tipe batuan, digunakan metode MBSIS. Proses SIS adalah memilih suatu random path melalui suatu grid, selanjutnya menggunakan distrbusi kriging error yang tersampel secara acak pada variasi cut-off untuk setiap titik estimasi untuk membuat field yang bersifat heterogen. Data yang digunakan pada proses ini adalah bersifat discrete. Dalam penenlitian, cut-off yang digunakan berjumlah 4, yaitu 1 (batupasir), 2 (batupasir gampingan), 3 (shale), 4 (lanau). Data tipe batuan yang sudah di-populate, akan digunakan sebagai region tipe batuan pada masing-masing lapisan untuk proses populate properties. Data volume shale dan porositas digunakan metode SGS, sedangkan untuk mempopulate permeabiltas dan Sw digunakan metode SGS Collocated CoKriging, dimana volume shale dan porositas sebagai soft data. SGS memilih suatu random path melalui suatu grid, yang kemudian menggunakan distribusi kriging error yang tersampel secara acak pada titik-titik estimasi untuk membuat field yang heterogen. Sedangkan Collocated Co-Kriging adalah metode untuk mengintegrasikan dua pasang data (data sets); menggunakan suatu koefisien korelasi untuk memperkirakan hubungan full cross-covariance. Populasi Sifat Petrofisik Proses ini bertujuan untuk mem-populate rock dan fluid properties yang diperoleh dari log sumur sehingga menghasilkan model property dalam suatu grid. Data yang digunakan sebagai input untuk proses ini adalah volume shale (Vsh), porositas, permeabilitas dan Sw. Populasi Volume Shale (Vsh). Di Lapangan Duri, Vsh adalah log sumur yang paling banyak. Vsh mempunyai korelasi yang cukup bagus dengan permeabilitas dan Sw. Variogram Vsh dihitung dan dimodelkan secara terpisah untuk setiap 51

14 stratigraphic layer menggunakan data sumur. Sequential Gaussian Simulation (SGS) digunakan untuk mempopulasi Vsh untuk setiap lapisan batupasir atau shale. Populasi porositas. Porositas yang digunakan adalah porositas efekif (phie). Phie dipopulasi secara terpisah dari Vsh, karena untuk Lapangan Duri, phie cenderung tinggi di shale dan korelasi antara Vsh dan phie adalah cukup kuat. Variogram phie dihitung dan dimodelkan secara terpisah untuk setiap stratigraphic layer menggunakan data sumur. SGS digunakan untuk mem-populate phie untuk setiap lapisan sand atau shale. Populasi log-permeabilitas. Karena permeabilitas (log-permeabilitas) mempunyai korelasi yang sangat kuat terhadap Phie dan Vsh, maka Sequential Gaussian Simulation with Collocated Cokriging (SGSCC) digunakan untuk mempopulasi log-permeabilitas setiap region stratigrafi sand/shale. Phie dan Vsh digunakan sebagai soft data. Versi custom SGSCC yang dapat menangani sampai tipe 3 soft data dikembangkan dan dapat diakses dari Gocad engineering Tool plug-in. Ini diasumsikan bahwa spatial continuity pada log-perm adalah mirip dengan yang ada pada Vsh, sehingga model variogram Vsh digunakan untuk mempopulasi log-perm. Populasi Sw. Model Sw dikonstruksi dengan cara yang sama dengan model logperm. Model Vsh dan Phie digunakan sebagai soft data dalam SGSCC dalam 2 langkah proses. Sw secara geostatistik dipopulasi hanya untuk sel-sel yang berada di atas Oil Water Contact (OWC) hasil interpretasi. Ini diasumsikan bahwa spatial continuity Sw adalah sama dengan yang ada di Vsh, sehingga model variogram Vsh digunakan untuk mempopulasi Sw. Setelah sgrid dihasilkan, dilakukan validasi antara properties dari sumur dengan yang dari model. Perbandingan bisa dilihat dengan menggunakan histogram atau dari hasil koefisien korelasi antara properties sumur dengan model. 52

15 III.3 Hasil Permodelan III.3.1 Permodelan Tipe Batuan (Rock Type) Permodelan tipe batuan dibutuhkan karena pada setiap region lapisan berdasarkan marker stratigrafi tidak sepenuhnya homogen, tetapi mempunyai 2 tipe batuan atau lebih, sehingga akan mempengaruhi distribusi property. ntuk mengantisipasi hal tersebut, diperlukan region terpisah dalam region setiap lapisan untuk mendapatkan distribusi property yang tidak bias atau bimodal. Tipe batuan bisa didasarkan pada polygon yang diinterpretasi dari plot silang (cross plot) antara log Vsh dan log Densitas (RHOB) atau dengan Porositas Densitas (DPHI). Penentuan tipe batuan juga bisa dilakukan dengan me-run program loglan dalam GEOLOG (Gambar III.12), dimana cut-off untuk batupsir (vsh<0.4), batupasir karbonatan (vsh<0.4 dan rhob>2.15 gr/cc), lanau (0.4<=vsh<0.6), shale (vsh>0.6). Pengelompokan tipe batuan meliputi tipe batuan batupasir, shale, batupasir karbonatan (calcareous sandstone), dan Lanau (silt). Tipe batuan ini akan digunakan untuk pembuatan region masing-masing tipe batuan pada setiap region stratigrafi dalam interval Reservoir X. Data tipe batuan pada log sumur di-snap ke sel grid untuk dipakai dalam proses populasi property dalam bentuk region (Gambar III.13). Penentuan tipe batuan dilakukan karena pada setiap region, terutama region lapisan yang umumnya didominasi oleh tipe batuan batupasir (yaitu Lapisan A, B, C), mempunyai komposisi tipe batuan yang tidak sepenuhnya batupasir, tapi masih mengandung sisipan shale, lanau, dan batupasir karbonatan. Gambar III.14(a) memperlihatkan bahwa Lapisan A mempunyai variasi atau proporsi tipe batuan yang lebih sedikit dibandingkan dengan Lapisan C, karena pada Lapisan C, proporsi shale dalam histogram memperlihatkan proporsi yang besar, hampir menyamai batupasir (Gambar III.14b). 53

16 2 3 A 4 1 B C Gambar III.12 Hasil penentuan tipe patuan berdasarkan cut-off vsh dan rhob. Kuning diinterpretasikan sebagai batupasir (nomor 1), biru sebagai batupasir karbonatan (nomor 2), abu-abu tua sebagai shale (nomor 3), abu-abu muda sebagai lanau (nomor 4). 54

17 Legenda: Batupasir Batupasir karbonatan Shale Lanau Gambar III.13 Data tipe batuan pada sumur yang di-snap ke sel grid (atas) dan cross section hasil populasi tipe batuan (bawah). 55

18 Gambar III.14a Proporsi batupasir (nomor 1, kuning) yang paling dominan pada region Lapisan A. Gambar III.14b Proporsi batupasir (nomor 1, kuning) yang hampir sama dengan shale (nomor 3, hijau) pada region lapisan C. 56

19 III.3.2 Permodelan Sifat Batuan dan Fluida Proses dan metode permodelan sifat batuan yang sudah diterangkan pada bagian III.2.4, adalah menggunakan tipe batuan dan lapisan sebagai regionnya. Misalnya, pada saat mem-populate porositas pada tipe batuan lanau di lapisan A, maka region yang digunakan untuk mem-populate porositas adalah Lapisan A Tipe batuan 4. Proses populate menggunakan region seluruh Duri untuk mendapatkan interpolasi data yang lebih baik serta mengetahui lebih baik penyebaran sifat-sifat batuan secara regional di selatan daerah penelitian. Berdasarkan peta dan cross section pada model Vsh, nilai vsh yang kecil yang mengindikasikan lapisan yang bersifat reservoir berkembang di utara Lapangan Duri (Gambar III.15 a dan b). Gambar III.15a Peta sebaran volume shale rata-rata pada region pay. Vsh yang kecil di utara mengindikasikan kualitas reservoir yang lebih baik di utara. 57

20 Gambar III.15b. Sayatan sgrid (sgrid section) Vsh pada Reservior X. Lapisan A adalah lapisan paling atas yang mempunyai Vsh lebih kecil dibanding lapisan di bawahnya. 58

21 Berdasarkan peta sebaran porositas rata-rata dan cross section, nilai porositas tidak memperlihatkan perbedaan yang signifikan di Lapangan Duri (Gambar III.16 a dan b). Peta sebaran Sw rata-rata memperlihatkan bahwa, potensi hidrokarbon berada di Duri bagian utara (Gambar III.17a dan b). Begitu juga berdasarkan peta sebaran log permeabilitas rata-rata menunjukkan bahwa, kualitas Reservoir X terlihat baik di utara Duri (Gambar 18). Gambar III.16a Peta sebaran porositas rata-rata Reservoir X pada region pay, yang memperlihatkan perbedaan porositas yang tidak berarti secara lateral. 59

22 Gambar III.16b Sayatan sgrid model porositas Reservoir X. Tidak adanya perubahan nilai porositas yang signifikan secara vertikal. 60

23 Gambar III.17a Peta sebaran Sw rata-rata Reservoir X pada region pay. Di bagian utara Lapangan Duri, nilai Sw yang kecil mengindikasikan potensi hidrokarbon yang berada di utara daerah penelitian. Pada peta sebaran Sw menunjukkan bahwa nilai Sw umumnya kecil di daerah utara Lapangan pada Reservoir X. Sw yang kecil menunjukan adanya potensi hidrokarbon. Dengan alasan tersebut, daerah yang akan dijadikan bahan penelitian adalah di bagian utara Lapangan Duri. ntuk analisis property dan OOIP pada daerah penenelitian digunakan regioning utara, dengan melakukan substract region dari sgrid seluruh Duri. Hasilnya ditampilkan pada bagian III sampai atau pada gambar III.19 sampai III

24 Gambar III.17b Sayatan sgrid model Sw Reservoir X. Secara vertikal, nilai Sw di lapisan atas reservoir ini menunjukkan nilai yang kecil atau potensi hidrokarbon yang lebuh besar. 62

25 Gambar III.18 Peta sebaran log permeabilitas rata-rata Reservoir X Lapangan Duri pada region pay. Konversi log permeabilitas kepada nilai permeabilitas bisa dilihat pada Lampiran 1. Berdasarkan peta permeabilitas (Gambar III.18), di daerah utara Lapangan Duri mempunyai nilai permeabilitas relatif lebih besar dibanding daerah selatan. Tampak nilai log permeabilitas berwarna kuning sampai orange umumnya berada di bagian utara, sedangkan di bagian selatan berwarna kehijauan yang mengindikasikan bahwa kualitas reservoir di selatang lebih buruk. 63

26 III Sifat-sifat Batuan dan Fluida Lapisan A Peta Net Pay Peta Porositas Peta Sw Peta HPT Gambar III.19 Peta sebaran net pay, porositas rata-rata, Sw rata-rata, dan Hidrocarbon Pore Thickness (HPT) di atas surface OWC pada Lapisan A. HPT adalah perkalian antara saturasi minyak porositas, dan net pay. Potensi pay pada lapisan ini berada di bagian utara dan barat laut. Berdasarkan peta Hydrocarbon Pore Thickness (HPT), potensi hidrokarbon pada Lapisan A Reservoir X di daerah penelitian berada di bagian utara dan barat laut daerah penelitian. Warna merah menunjukkan nilai HPT yang paling tinggi. Di daerah tersebut, nilai HPT mencapai 5 feet dengan ketebalan net pay rata-rata sekitar 30 sampai 35 feet. 64

27 III Sifat-sifat Batuan dan Fluida Lapisan B Peta Net Pay Peta Porositas Peta Sw Peta HPT Gambar III.20 Peta sebaran net pay, porositas rata-rata, Sw rata-rata, dan Hydrocarbon Pore Thickness (HPT) di atas surface OWC pada Lapisan B. Potensi pay pada lapisan ini berada di bagian barat laut dan barat daya. Berdasarkan peta Hydrocarbon Pore Thickness (HPT), potensi hidrokarbon pada Lapisan B Reservoir X di daerah penelitian berada di bagian barat laut dan barat daya daerah penelitian. Warna merah menunjukkan nilai HPT yang paling tinggi. Di daerah tersebut, nilai HPT mencapai 5 ft dengan ketebalan net pay berkisar antara 20 sampai 30 feet. Penyebaran dari nilai HPT lapisan ini jauh lebih sempit dibandingkan dengan Lapisan A.. 65

28 III Sifat-sifat Batuan dan Fluida Lapisan C Peta Net Pay Peta Porositas Peta Sw Peta HPT Gambar III.21 Peta sebaran net pay, porositas rata-rata, Sw rata-rata, dan Hydrocarbon Pore Thickness (HPT) di atas surface OWC pada Lapisan C. Indikasi pay terlihat di bagian utara daerah penelitian, walaupun sangat kecil. Berdasarkan peta Hydrocarbon Pore Thickness (HPT), Lapisan C tidak memperlihatkan adanya potensi hidrokarbon yang baik. Peta net pay memperlihatkan bahwa ketebalan net pay pada lapisan ini sangat tipis yaitu berkisar sampai 5 feet, dengan penyebaran yang sangat sempit yaitu di utara dan barat laut daerah penelitian. 66

29 III.3.4 Proses Validasi Proses validasi untuk permodelan ini adalah dengan membandingkan parameter statistik antara data sumur dan model. Parameter statistik model yang mirip dengan yang dari sumur menunjukkan model yang baik. Tampak histogram sumur dan model mempunyai bentuk yang mirip dan parameter yang relatif sama (Lampiran 2 sampai 5). Parameter statistik diringkas dalam tabel III.2. Tabel III.2 Perbandingan parameter statistik data sumur dan model. Parameter Sumur Model Rata-rata Standar Deviasi Rata-rata Standar Deviasi Volume shale (V/V) Porositas (V/V) Sw (V/V) Log Permeabilitas (md) III.4 Ikhtisar Proses Karakterisasi Reservoir pada Reservoir X, dilakukan dengan melakukan integrasi data sumur dan data seismik, serta pendekatan geostatistik, menghasilkan informasi penyebaran sifat-sifat batuan dan fluida (rock and fluid properties) yang reliable secara geologi dan statistik dalam penyebarannya secara vertikal dan lateral atau 3D. Berdasarkan informasi sifat-sifat batuan yang dihasilkan pada proses karakterisasi reservoir tersebut, menunjukkan bahwa, Reservoir X berkembang baik di Lapangan Duri bagian tara. Lapisan yang paling potensial adalah Lapisan A yang berkembang baik di sebagian besar utara dan barat laut daerah penelitian. Lapisan B berkembang di sebagian kecil di barat laut dan barat daya. Lapisan C dinilai tidak potensial. 67