ESP GAS LOCK DETECTION MENGGUNAKAN ALGORITMA RECURRENT NEURAL NETWORK

Abstract

Dalam mengoptimilasisasi produksi minyak dan gas, Artificial Lift merupakan salah satu solusi yang sangat sering digunakan sebagai Secondary Recovery dalam pengangkatan minyak dan gas, Ketika perbedaan tekanan antara reservoir dan sumur sudah tidak mampu mendorong fluida kedalam sumur. Artificial lift biasanya memiliki 2 fungsi utama yaitu menurunkan tekanan dibawah permukaan sumur dan juga menurunkan densitas fluida yang akan diproduksi dari sumur. Tentunya keduanya memiliki tujuan yang sama yaitu mengangkat fluida reservoir sehingga bisa di produksi dan di jual. Salah satu contoh artificial lift yang digunakan adalah ESP atau Electrical Sumbersible Pump yang bertujuan untuk mengurangi tekanan bawah permukaan sumur, sehingga meningkat drawdown pressure untuk fluida mengalir kedalam sumur. Akan tetapi ESP juga memiliki keterbatasan yaitu sering terjadinya permadsalahan gas lock sehingga fluida tidak dapat terangkat karena volume dan kandungan gas yang sangat besar akan menyebabkan plugging didalam pompa sehinggaa fluida terhalang untuk terangkat. Permasalahan ini dapat menyebabkan kerusakan pada ESP yang kemudian membutuhkan biaya yang sangat besar untuk pergantian ESP maupun workover dan tentunya kerugian karena sumur tidak bisa di produksi. Oleh karena ini, penulis mengusulkan pembuatan algoritma dimana dapat mendeteksi permasalahan gas lock secara real time sehingga nantinya dapat memprediksi umur dari pompa esp sehingga mengurangi waktu tidak produktif (NPT) dan kehilangan produksi. Pada kasus ini, penulis menggunakan algoritma Deep Learning – Recurrent Neural Network untuk memprediksi terjadinya gas lock, Algoritma ini sangat cocok dengan data sequnsial atauapun timeseries sehingga dapat menghasilkan tingkat akurasi prediksi yang sangat besar hingga 96,8%. Penulis juga melalukan analisis keekonomisan dimana membandingkan nilai production saving pada saat menggunakan algoritma maupun operasi secara konvensional, dimana penggunaan algoritma dapat mencegah kerugian hingga jutaan dollar. Oleh karena itu, penulis memanggap projek ini berhasil dan bisa dilakukan studi lebih dalam hingga tahap komersialisasi.