Desain Monitoring Control of Wells pada Well Sensitivity dengan Metode Constructive Back Propagation Neural Network

Arofa, Faulya Rohmah (2015) Desain Monitoring Control of Wells pada Well Sensitivity dengan Metode Constructive Back Propagation Neural Network. Other thesis, POLITEKNIK PERKAPALAN NEGERI SURABAYA.

Full text not available from this repository.

Abstract

ABSTRAK Pembangunan sumur gas dengan rentang waktu yang berbeda menyebabkan perbedaan usia dan sensitivitas sumur gas. Apabila tanpa adanya sebuah pengontrolan menurut klasifikasi yang baik, maka produksi untuk pengambilan gas bumi tidak akan berjalan optimal. Dengan sebuah sistem pengontrolan Progammable Logic Controller (PLC) Control of Well yang sudah ada, sistem pengontrolan mengalami kendala pada sistem klasifikasi yang terbatas dan limit kerja sistem yang tidak dapat stabil berdasarkan karakteristik pengontrolan PLC. Dengan ini, dapat dibuat sebuah desain sistem klasifikasi sekaligus pemantauan sumur-sumur gas tersebut, menggunakan kendali Neural Network atau Jaringan Syaraf Tiruan sebagai pengganti sistem kontrol PLC dengan bantuan program Matlab yang selanjutnya ditranmisikan fungsinya pada mikrokontroler dan ditampilkan dengan program visual. Sehingga dapat mengklasifikasikan dan menentukan tindakan yang tepat, guna melakukan pengontrolan choke valve pada setiap sumur gas berdasarkan usia sumur yang dimiliki setiap sumur disebuah platform. Sebuah sumur dikategorikan kurang sensitif bila berada pada rentang nilai kuantitas gas lebih dari 5 MMscf/d, nilai Water Gas Ratio(WGR) kurang dari 5 bbl/ MMscf juga dinyatakan tidak berpasir. Selanjutnya akan dikatagorikan sensitif bila berada pada rentang nilai kuantitas gas lebih dari 5 MMscf/d, nilai Water Gas Ratio(WGR) lebih dari 5 bbl/ MMscf juga dinyatakan berpasir. Dan dikatagorikan sangat sensitif bila berada pada rentang nilai kuantitas gas kurang dari 5 MMscf/d, nilai Water Gas Ratio(WGR) lebih dari 5 bbl/ MMscf juga dinyatakan berpasir. Dengan hasil klasifikasi tersebut, sistem monitoring control of well akan bekerja sesuai keadaan yang dibuat. Penelitian ini dilakukan guna memperkaya metode pengontrolan sistem yang efektif untuk sebuah monitoring control of well dengan Nuural Network. Kata kunci : Progammable Logic Controller, Mikrokontroler, Constructive Back Propagation Neural Network ABSTRACT Construction of wells with different timescales, its can make a different in well’s age and classification. If there is no control based on right classification, then oil’s production will not produce optimally. With a control system PLC Control of Well existing, problem of the control system is limited classification and limit of control system works which cannot be stabilized by characteristic of PLC. Therefore, we can created a design system classification and oil’s wells monitoring by using control Neural Network instead of PLC control system with Matlab programming with can transmitted their function on microcontroller with interface by visual program, as to classify and determine the action to controlling choke val ve in each wells construction by age of wells at platform. A well categorized as very sensitive when it is in the range of gas quantity value of more than 5 MMscf / d, the value of Water Gas Ratio (WGR) of less than 5 bbl / MMscf also declared not sandy. Next will be categorized as sensitive when it is in the range of gas quantity value of more than 5 MMscf / d, the value of Water Gas Ratio (WGR) of more than 5 bbl / MMscf also expressed sandy. And categorized very sensitive when it is in the range value of the quantity of gas is less than 5 MMscf / d, the value of Water Gas Ratio (WGR) of more than 5 bbl / MMscf also expressed sandy. With the results of the classification system of well control will work according to the rule are made. in this study conduc ted a comparison of the reliability of the system with neural network and systems with PLC, in order to determine the most effective system for monitoring a control of well. Keyword : Progammable Logic Controller, Mikrokontroler, Constructive Back Propagation Neural Network

Item Type: Thesis (Other)
Subjects: T Technology > T Technology (General)
Divisions: Jurusan Teknik Kelistrikan Kapal > Teknik Otomasi
Depositing User: Unnamed user with email repository@ppns.ac.id
Date Deposited: 10 Sep 2018 02:53
Last Modified: 10 Sep 2018 02:53
URI: http://repository.ppns.ac.id/id/eprint/459

Actions (login required)

View Item View Item