Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

IV. ÁSVÁNYVAGYON ÉRTÉKELÉS Vagyonbecslés és kategorizálás A Szénhidrogén Kutatás Menedzsmentje Miskolci Egyetem, Műszaki Földtudományi Kar, Ásványtani-Földtani.

Hasonló előadás


Az előadások a következő témára: "IV. ÁSVÁNYVAGYON ÉRTÉKELÉS Vagyonbecslés és kategorizálás A Szénhidrogén Kutatás Menedzsmentje Miskolci Egyetem, Műszaki Földtudományi Kar, Ásványtani-Földtani."— Előadás másolata:

1 IV. ÁSVÁNYVAGYON ÉRTÉKELÉS Vagyonbecslés és kategorizálás A Szénhidrogén Kutatás Menedzsmentje Miskolci Egyetem, Műszaki Földtudományi Kar, Ásványtani-Földtani Intézet Szilágyi Imre, Geológus-Közgazdász

2 ÁSVÁNYVAGYON ÉRTÉKELÉS – Ismeretességi szintek A kutatás „folyamata” és az ismeretességi szintek 2 A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013 Proszpekt feltárás Appraisal Proszpekt térképezés Medence modellezés Adatértelmezés Geológiai Modellezés Operáció tervezés Mező- fejlesztés Üledékes medenceProszpekt Felfedezett telepTermeltethető telep Prognosztikus vagyon Prognostic resource Medenceszintű prognózis, play- analízisen alapuló nagyvonalú becslés Állami feladat (lenne) Proszpektív vagyon Prospective resource Potenciális CH- tároló szerkezetre vonatkozó volumetrikus becslés Olajvállalati feladat „Kifejlesztetlen” vagyon Undeveloped resource „Kifejlesztett” vagyon Developed resource Szénhidrogén telepre vonatkozó volumetrikus becslés Olajvállalati feladat

3 ÁSVÁNYVAGYON ÉRTÉKELÉS – Halmazok Ásványvagyon halmazok 3 A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013 Földtani vagyon (Original In-place Resource, OOIP, OGIP, OPIP)  a tárolókőzetekben található („in-place”), de felszíni viszonyokra vonatkozó mennyiség o a termelés megindítása előtti, „kezdeti” állapotra vonatkoztatva („original”) o a termelés megindítása után: aktuális („actual”) o geológiai modellfejlesztés  változik a vagyon kezdeti („original”) mennyisége o rögzíteni kell a vonatkoztatási időpontot Kitermelhető vagyon – Ipari vagyon (Recoverable Resource, Q r )  ismert, rendelkezésre álló vagy állítható technológiával kitermelhetőnek tekintett mennyiség o technológia: kutak, kiemelés-technológia, felszíni gyűjtő- és előfeldolgozó rendszer o ismert technológia: más telepeknél már bevált, sikerrel alkalmazott o kezdeti („original”) és aktuális („actual”) mennyiség o kihozatali tényező (recovery factor): RF = Q r /Q OPIP • a telep legfontosabb geo-műszaki és gazdasági paramétere • olaj: 10-50%; gáz: 50-90%

4 ÁSVÁNYVAGYON ÉRTÉKELÉS – Mennyiségbecslés Ásványvagyon becslés megközelítése 4 A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013 A mennyiség meghatározása nem mérnöki számítás, hanem becslés:  mennyi szénhidrogén keletkezhetett?  mennyi csapdázódhatott?  mennyi termelhető (még) ki várhatóan a telepből?  bizonytalanság és kockázatosság  objektíven nehezen megítélhető fogalmak… „Közös nevező” keresése – mennyiség-becslési „kultúrák”:  motivációja a befektetés kockázatosságának homogén megítélésére való törekvés  „orosz rendszer”: A, B, C1, C2, C3 valószínűségi kategóriák  „angolszász rendszer”: „bizonyított” – „valószínű” – „lehetséges” SPE (Society of Petroleum Engineers) Resource Management System

5 ÁSVÁNYVAGYON ÉRTÉKELÉS – Mennyiségbecslés Vagyonszámítás 5 A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013  V eff : effektív kőzettérfogat o a tárolókőzet-térfogat és az effektivitás szorzata o tárolókőzet-térfogat: permeábilis tető – permeábilis talp vagy fázishatár által határolt test o effektivitás: permeábilis/impermeábilis szakaszok becsült vastagság aránya (%) o meghatározás: mélység- és vastagság térképek, fúrási adatok, lyukgeofizikai szelvények V eff × Φ × (1-S w ) Q OPIP = FVF Földtani vagyon:  Φ : porozitás o a pórustérfogat és az effektív kőzettérfogat aránya (%) o meghatározás: magvizsgálatok, lyukgeofizikai szelvények  S w : víztelítettség (%) o a vízzel telített pórustérfogat és a teljes pórustérfogat aránya o meghatározás: lyukgeofizikai szelvények

6 ÁSVÁNYVAGYON ÉRTÉKELÉS – Mennyiségbecslés Vagyonszámítás 6 A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013 V eff × Φ × (1-S w ) Q OPIP = FVF Földtani vagyon:  FVF : teleptérfogati tényező (formation volume factor) o a fluidumok telepbeli és felszíni nyomás és hőmérséklet viszonyokra vonatkoztatott térfogat-aránya (%) o meghatározás: laboratóriumi mérések  RF: kihozatali tényező (%) o kutak számától és azok hozamától függ – meghatározása optimalizálási feladat o függ az éppen alkalmazhatónak vélt technológiától  a telep „élete” során időben változik Q r = Q OPIP × RF Ipari vagyon:

7 ÁSVÁNYVAGYON ÉRTÉKELÉS – Mennyiségbecslés 7 A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013 W eff, Φ, S w, FVF, RF  geológiai és hidrodinamikai események eredményeképp alakulnak  múltban lejátszódott kockázatos események o szedimentáció o litifikáció o erózió o feltöltődés o betemetődés, mélység o stb…  az eredmény a véletlen „szerencse” műve  valószínűségi változók Üdvözlet a valószínűség-számítás világában!

8 ÁSVÁNYVAGYON ÉRTÉKELÉS – Valószínűség-számítási alapok Valószínűség becslés 8 A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013 Kockázatos események:  a jövőben következnek be  többféle kimenetük lehet, hogy éppen melyik következik be, az a véletlen műve  a kimeneteket illetően létezhetnek múltbéli szabályszerűségek  ezek alapján megbecsülhető egy adott, kedvezőnek tartott kimenetel valószínűsége  a kedvezőtlennek ítélt kimenetel valószínűsége a kockázat  minden jövőben bekövetkező esemény kockázatos – legfeljebb a kockázat elhanyagolható Valószínűség becslési módszerek:  empirikus módon, múltbeli tapasztalatok jövőbeni kivetítésével o pl. egy részvény árfolyam adott értékű emelkedésének múltbeli gyakorisága a bekövetkezés valószínűsége o kellő számú múltbeli megfigyelés szükséges  hipotézis vizsgálattal o nincs kellő számú „múltbéli” megfigyelésünk o (azt gondoljuk, hogy) ismerjük a kockázatos kimenetek elméleti eloszlását o felállítunk egy hipotézist, vizsgáljuk, hogy az milyen „jósággal” illeszkedik az elméleti eloszláshoz o pl. politikai pártpreferenciák

9 Valószínűség becslés 9 A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013 Valószínűség becslési módszerek:  geometriai úton o alakzatok, mértani testek tulajdonságainak figyelembe vételével o pl. a kockadobás: mindegyik érték bekövetkezésének valószínűsége 1/6  szubjektív becsléssel o nincs vagy nem ismert a szabályszerűség, tapasztalataink nem empirikusak o analógiák, megérzések o egyéni megítéléstől, helyzettől függ  valószínűség számítási tételek segítségével o képletek, levezetések o pl. feltételes események • „mennyi a valószínűsége, hogy ha holnap Budapesten esni fog, akkor dugó lesz a Körúton?” o pl. független események • „mennyi a valószínűsége, hogy holnap Budapesten esni fog és Sydney-ben süt a nap?” ÁSVÁNYVAGYON ÉRTÉKELÉS – Valószínűség-számítási alapok • pl. mennyi a valószínűsége, hogy a tanár úr tud focizni? • ha tud, akkor mennyi a valószínűsége, hogy: – beférne a magyar öregfiúk válogatottba? – beveszik kispályás focicsapatba? – a 12 éves unokaöccse leáll vele passzolgatni?

10 Valószínűségi változók eloszlás-típusai, jellemzésük 10 A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013 Diszkrét valószínűségi változók  konkrét értékeket egy adott valószínűséggel vesznek fel  példák: o binomiális eloszlás (kockadobás) o Poisson eloszlás (árvíz) ÁSVÁNYVAGYON ÉRTÉKELÉS – Valószínűség-számítási alapok Folytonos valószínűségi változók  a terjedelem összes értékét felveszik egy adott valószínűséggel  példák: o exponenciális eloszlás (telefon) o normális eloszlás (természeti jelenségek) Eloszlások jellemzése  középérték mutatók o módusz – az eloszlás legnagyobb valószínűségű értéke o medián – az eloszlás azon értéke, amelynél a kisebb és nagyobb értékek azonos valószínűek o várható érték (átlag) – az értékek és a valószínűségek szorzatösszege  ingadozás mutatók: o terjedelem (min – max) o variancia (a várható értéktől való eltérés négyzetes átlaga) o szórás (a variancia négyzetgyöke) Valószínűség függvények  sűrűségfüggvény (érték – valószínűség)  eloszlásfüggvény (érték – kumulált valószínűség)

11 Kockázatos kimenetek várható értéke 11 A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013 Várható érték  a kimenetek értékeinek és valószínűségeinek szorzatösszege  nem feltétlenül azonos a legvalószínűbb kimenetel értékével  nem biztos, hogy egyáltalán bekövetkezhet o pl. a kockadobás várható értéke 3,5… o bekövetkezése lehet a véletlen műve is…  kockázatosság: a várható értéktől való eltérés mértéke ≈ variancia, szórás  a szórás ≠ kockázat, csak jelzi, hogy az esemény mennyire kockázatos E(X) = Σ p i × x i ahol x a kimenet értéke p a kimenet valószínűsége i a kimenetek száma és Σ p i = 1 ÁSVÁNYVAGYON ÉRTÉKELÉS – Valószínűség-számítási alapok

12 ÁSVÁNYVAGYON ÉRTÉKELÉS – Mennyiségbecslés 12 A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013 W eff, Φ, S w, FVF, RF; mint valószínűségi változók Sajátosságok  véges terjedelmek: vágási értékek; MIN és MAX meghatározott pozitív számok  „jobboldali” aszimmetria: MAX-MOD > MOD-MIN  bimodalitás: két módusz, pl. kettős porozitás esetén Központi Határeloszlás Tétele („nagy számok törvénye”) „…a nagy számú véletlenszerűség következtében kialakuló, véges középértékkel és varianciával jellemezhető valószínűségi változók normális eloszlással írhatók le…”  a paraméterek eloszlását meghatározó események o szedimentáció o litifikáció o erózió o tektonika o feltöltődés o betemetődés o stb…  nagyszámú kimenet  véletlenszerűség A paraméterek normális eloszlással írhatók le

13 ÁSVÁNYVAGYON ÉRTÉKELÉS – Mennyiségbecslés 13 A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013 W eff, Φ, S w, FVF, RF; mint valószínűségi változók Eloszlások leíró statisztikai megközelítése:  „múltbéli tapasztalatok”  mintavétel  hisztogram sűrűségfüggvény p x A tároló és fluidum paraméterek esetében a leíró statisztikai megközelítés nem működik:  nincsenek „múltbéli tapasztalatok” – nem tudjuk, mi történhetett pl. a miocénben…  nincs reprezentatívnak tekinthető minta – pl. csak egy porozitás adatunk van… Szakértői becslések  analógiák alapján  szubjektív módon p W eff, Φ, S w, FVF, RF ?

14 ÁSVÁNYVAGYON ÉRTÉKELÉS – Mennyiségbecslés 14 A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013 W eff, Φ, S w, FVF  Q OPIP Q OPIP, RF  Q r Központi Határeloszlás Tételének továbbgondolása: „…a normális eloszlású valószínűségi változók szorzataként előállítható mennyiségek log-normális eloszlással közelíthető valószínűségi változók…” V eff × Φ × (1-S w ) Q OPIP = FVF Q r = Q OPIP × RF A földtani és az ipari vagyon (Q OPIP és Q r ) log-normális eloszlású valószínűségi változók  empirikus bizonyítékok p; P Q

15 ÁSVÁNYVAGYON ÉRTÉKELÉS – Vagyon kategorizálás 15 A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013 Probabilisztikus becslés W eff Φ SwSw FVF Szimuláció véletlenszám- generátor segítségével (Monte-Carlo szimuláció) Q OPIP RF Szimuláció véletlenszám- generátor segítségével (Monte-Carlo szimuláció) QrQr P ; p QrQr P50 MINMAX P90 P10 P90; P50; P10  P90: 90%  P(Q r )  P(MIN)  P50: P(Q r ) = 50%  P10: 10%  P(Q r ) < 50%

16 ÁSVÁNYVAGYON ÉRTÉKELÉS – Vagyon kategorizálás Determinisztikus becslés 16 A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013 W eff, Φ, S w, FVF, RF  megbecsüljük pesszimista, legvalószínűbb és optimista értéküket  „low estimate” (LE); „best estimate” (BE); „high estimate” (HE) V eff LE × Φ LE × (1-S w LE ) Q OPIP LE = FVF LE  RF LE Q r LE  „nagy bizonyossággal kitermelhető” V eff BE × Φ BE × (1-S w BE ) Q OPIP BE = FVF BE  RF BE Q r BE  „ugyanakkora eséllyel lehet több vagy kevesebb” V eff HE × Φ HE × (1-S w HE ) Q OPIP HE = FVF HE  RF HE Q r HE  „akár ennyi is lehet”

17 ÁSVÁNYVAGYON ÉRTÉKELÉS – Vagyon kategorizálás Probabilisztikus vs. determinisztikus becslés 17 A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013 Megfeleltetés Q r LE  „nagy bizonyossággal kitermelhető” P90: bizonyítottnak tekinthető vagyon  legalább 90% az esélye, hogy legalább ennyi kitermelhető ≈ Q r BE  „ugyanakkora eséllyel lehet több vagy kevesebb” P50: bizonyított+valószínűnek tekinthető vagyon  50% az esélye, hogy legalább ennyi kitermelhető ≈ Q r HE  „akár ennyi is lehet” P10: bizonyított+valószínű+lehetségesnek tekinthető vagyon  legalább 10% az esélye, hogy legalább ennyi kitermelhető ≈ Furcsaságok  a vállalatok inkább választják a determinisztikát, pedig a „valóság” probabilisztikus…  nem a várható érték, hanem a P90/LE vagy a P50/BE vagy a P10/LE…  a bizonytalanságot (uncertainty) nem a variancia/szórás jellemzi, hanem a P90/LE és a P50/BE és a P10/HE… Mennyit ér az ásványvagyon? Pontosabban: mennyi az ásványvagyon várható értéke?


Letölteni ppt "IV. ÁSVÁNYVAGYON ÉRTÉKELÉS Vagyonbecslés és kategorizálás A Szénhidrogén Kutatás Menedzsmentje Miskolci Egyetem, Műszaki Földtudományi Kar, Ásványtani-Földtani."

Hasonló előadás


Google Hirdetések