Indonesia Conference Directory


<< Back

Aplikasi Artificial Neural Network (ANN) Untuk Memprediksikan Kelakuan Sumur Geotermal
Henny Dwi Bhakti (a*) Acep Purqon (b**)

a) Sains Komputasi, ITB
Fakultas Matematika dan Ilmu Pengetahuan Alam, ITB
Jl. Ganesha no. 10 Bandung, 40132
*hennydwibhakti[at]gmail.com

b) Laboratorium Fisika Bumi dan Sistem Kompleks
Fakultas Matematika dan Ilmu Pengetahuan Alam, ITB
Jl. Ganesha no. 10 Bandung, 40132
**acep[at]fi.itb.ac.id


Abstract

Indonesia terletak di lokasi jalur gunung api (ring of fire) sehingga memiliki potensi energi geotermal yang besar. Potensi energi geotermal indonesia diperkirakan 8.000 � 10.000 MW dan merupakan 40% dari cadangan energi geotermal di dunia. Namun, pemanfaatan energi geotermal ini sangat rendah, hanya 4% dari total potensi. Pemanfaatan energi geotermal di indonesia umumnya sebagai pembangkit listrik tenaga. Konsumsi listrik semakin meningkat namun produksi geotermal stagnan, sehingga diperlukan strategi-strategi untuk pengembangan lapangan geotermal. Salah satu strategi yang digunakan untuk pengembangan lapangan adalah memprediksikan kelakuan (behavior) dari sumur geotermal. Hal ini penting untuk penentuan skenario dan kebijakan produksi dari suatu lapangan geotermal tersebut. Parameter-parameter yang digunakan untuk mendeskripsikan potensi dan kelakuan dari sumur geotermal adalah temperatur (T), dan tekanan (P). Sehingga dalam penelitian ini, parameter temperatur dan tekanan tersebut dipredksikan dengan menggunakan artifial neural network (ANN). Parameter inputan yang diapakai adalah letak sumur (x.y), kedalaman sumur (z), laju alir injeksi (Qinj), dan temperatur injeksi (Tinj). Lapangan geotermal yang disimulasikan memiliki enam sumur produksi dan satu sumur injeksi yang membentuk pola inverted seven spot. Hal pertama yang dilakukan adalah pembangkitan model data. Model data yang dipakai adalah model M-1, M-2, dan M-3. Data yang digunakan untuk prediksi adalah data produksi selama setahun. Data-data tersebut terbagi menjadi dua, yaitu data training dan data uji. Data training yang digunakan adalah data produksi selama 11 bulan pertama, sedangkan data uji yang digunakan adalah data produksi bulan ke 12. Hasil prediksi ANN ini kemudian dibandingkan dengan data uji. Korelasi antara data uji dan data hasil prediksi ANN diekspresikan melalui nilai error dan Mean Square Error (MSE). Semakin kecil nilai error dan MSE, maka prediksi semakin akurat. Dari simulasi yang dilakukan, didapatkan nilai error untuk model M-1 adalah 0.0251 untuk prediksi temperatur, dan 0.0303 untuk prediksi tekanan, dengan nilai MSE sebesar 0.0036. Nilai error untuk model M-2 adalah 0.0283 untuk prediksi temperatur, dan 0.0468 untuk prediksi tekanan, dengan nilai MSE sebesar 0.000716. Sedangkan untuk model M-3, didapatkan nilai error 0.0445 untuk temperatur, dan 0.0566 untuk tekanan, dengan nilai MSE sebesar 0.0001. Hasil tersebut menunjukkan bahwa ANN dapat memprediksikan kelakuan sumur geotermal dengan baik dan akurat, hal ini dibuktikan dengan nilai error dan MSE yang sangat kecil.

Keywords: Artificial Neural Network, sumur geotermal, tekanan, temperatur

Topic: Komputasi dan Pemodelan

Link: https://ifory.id/abstract/nraDb4vxNuM7

Conference: Simposium Nasional Inovasi dan Pembelajaran Sains (SNIPS 2016)

Plain Format | Corresponding Author (Henny Dwi Bhakti)

PDF (1,085 kB)

Featured Events

<< Swipe >>
<< Swipe >>

Embed Logo

If your conference is listed in our system, please put our logo somewhere in your website. Simply copy-paste the HTML code below to your website (ask your web admin):

<a target="_blank" href="https://ifory.id"><img src="https://ifory.id/ifory.png" title="Ifory - Indonesia Conference Directory" width="150" height="" border="0"></a>

Site Stats