Transcript IV_Asvanyvagyon_ertekeles

A Szénhidrogén Kutatás Menedzsmentje
Miskolci Egyetem, Műszaki Földtudományi Kar, Ásványtani-Földtani Intézet
Szilágyi Imre, Geológus-Közgazdász
IV. ÁSVÁNYVAGYON ÉRTÉKELÉS
Vagyonbecslés és kategorizálás
ÁSVÁNYVAGYON ÉRTÉKELÉS – Ismeretességi szintek
2
A kutatás „folyamata” és az ismeretességi szintek
Adatértelmezés
Geológiai Modellezés
Operáció tervezés
Appraisal
Medence
modellezés
Üledékes medence
Proszpekt
térképezés
Mezőfejlesztés
Proszpekt
feltárás
Proszpekt
Felfedezett telep
„Kifejlesztetlen” vagyon
Undeveloped resource
Termeltethető telep
„Kifejlesztett” vagyon
Developed resource
Prognosztikus vagyon
Prognostic resource
Proszpektív vagyon
Prospective resource
Medenceszintű
prognózis, playanalízisen alapuló
nagyvonalú becslés
Potenciális CHtároló szerkezetre
vonatkozó
volumetrikus
becslés
Szénhidrogén telepre vonatkozó
volumetrikus becslés
Állami feladat
(lenne)
Olajvállalati feladat
Olajvállalati feladat
A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013
ÁSVÁNYVAGYON ÉRTÉKELÉS – Halmazok
3
Ásványvagyon halmazok
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, Qr)
 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 = Qr/QOPIP
• a telep legfontosabb geo-műszaki és gazdasági paramétere
• olaj: 10-50%; gáz: 50-90%
A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013
ÁSVÁNYVAGYON ÉRTÉKELÉS – Mennyiségbecslés
4
Ásványvagyon becslés megközelítése
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
A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013
ÁSVÁNYVAGYON ÉRTÉKELÉS – Mennyiségbecslés
Vagyonszámítás
Földtani vagyon:
Veff × Φ × (1-Sw)
QOPIP = ---------------------FVF
 Veff: 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
 Φ : porozitás
o a pórustérfogat és az effektív kőzettérfogat aránya (%)
o meghatározás: magvizsgálatok, lyukgeofizikai szelvények
 Sw: víztelítettség (%)
o a vízzel telített pórustérfogat és a teljes pórustérfogat aránya
o meghatározás: lyukgeofizikai szelvények
A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013
5
ÁSVÁNYVAGYON ÉRTÉKELÉS – Mennyiségbecslés
6
Vagyonszámítás
Földtani vagyon:
Veff × Φ × (1-Sw)
QOPIP = ---------------------FVF
 FVF : teleptérfogati tényező (formation volume factor)
o a fluidumok telepbeli és felszíni nyomás és hőmérséklet viszonyokra vonatkoztatott
térfogat-aránya (%)
o meghatározás: laboratóriumi mérések
Ipari vagyon:
Qr = QOPIP × RF
 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
A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013
ÁSVÁNYVAGYON ÉRTÉKELÉS – Mennyiségbecslés
Weff , Φ, Sw, 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!
A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013
7
ÁSVÁNYVAGYON ÉRTÉKELÉS – Valószínűség-számítási alapok
8
Valószínűség becslés
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
A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013
ÁSVÁNYVAGYON ÉRTÉKELÉS – Valószínűség-számítási alapok
Valószínűség becslés
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
• 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?
 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?”
A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013
9
ÁSVÁNYVAGYON ÉRTÉKELÉS – Valószínűség-számítási alapok
Valószínűségi változók eloszlás-típusai, jellemzésük
Diszkrét valószínűségi változók
Folytonos valószínűségi változók
 konkrét értékeket egy adott
 a terjedelem összes értékét
valószínűséggel vesznek fel
felveszik egy adott valószínűséggel
 példák:
 példák:
o binomiális eloszlás (kockadobás)
o Poisson eloszlás (árvíz)
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)
A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013
10
ÁSVÁNYVAGYON ÉRTÉKELÉS – Valószínűség-számítási alapok
Kockázatos kimenetek várható értéke
Várható érték
 a kimenetek értékeinek és valószínűségeinek szorzatösszege
E(X) = Σ pi × xi
ahol
x a kimenet értéke
p a kimenet valószínűsége
i a kimenetek száma
és Σ pi = 1
 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
A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013
11
ÁSVÁNYVAGYON ÉRTÉKELÉS – Mennyiségbecslés
12
Weff , Φ, Sw, FVF, RF; mint valószínűségi változók
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…
A paraméterek normális
 nagyszámú kimenet
eloszlással írhatók le
 véletlenszerűség
Sajátosságok
 véges terjedelmek: vágási értékek; MIN és MAX meghatározott pozitív számok
 „jobboldali” aszimmetria: MAX-MOD > MOD-MIN
 bimodalitás: két módusz, pl. kettős porozitás esetén
A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013
ÁSVÁNYVAGYON ÉRTÉKELÉS – Mennyiségbecslés
13
Weff , Φ, Sw, FVF, RF; mint valószínűségi változók
Eloszlások leíró statisztikai megközelítése:
 hisztogram
 „múltbéli tapasztalatok”
sűrűségfüggvény
 mintavétel
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…
p
Szakértői becslések
?
 analógiák alapján
 szubjektív módon
Weff , Φ, Sw, FVF, RF
A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013
ÁSVÁNYVAGYON ÉRTÉKELÉS – Mennyiségbecslés
Weff , Φ, Sw, FVF  QOPIP
14
QOPIP , RF  Qr
Központi Határeloszlás Tételének továbbgondolása:
„…a normális eloszlású valószínűségi változók szorzataként előállítható mennyiségek log-normális
eloszlással közelíthető valószínűségi változók…”
Veff × Φ × (1-Sw)
QOPIP = ---------------------FVF
Qr = QOPIP × RF
A földtani és az ipari vagyon (QOPIP és Qr) log-normális eloszlású valószínűségi változók
 empirikus bizonyítékok
p; P
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
Sűrűségfüggvény
Eloszlásfüggvény
10
30
50
70
90
110
130
150
170
Q
A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013
ÁSVÁNYVAGYON ÉRTÉKELÉS – Vagyon kategorizálás
15
Probabilisztikus becslés
Φ
Weff
Sw
QOPIP
FVF
RF
Qr
Szimuláció véletlenszámgenerátor segítségével
(Monte-Carlo szimuláció)
Szimuláció véletlenszámgenerátor segítségével
(Monte-Carlo szimuláció)
P ; p 100%
PDF
CPF
90%
80%
P90; P50; P10
70%
 P90: 90%  P(Qr)  P(MIN)
60%
50%
 P50: P(Qr) = 50%
40%
 P10: 10%  P(Qr) < 50%
30%
20%
10%
0%
10
30
50
P90
MIN
70
90
P50
P10
110
130
150
170
Qr
MAX
A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013
ÁSVÁNYVAGYON ÉRTÉKELÉS – Vagyon kategorizálás
16
Determinisztikus becslés
Weff , Φ, Sw, FVF, RF
 megbecsüljük pesszimista, legvalószínűbb és optimista értéküket
 „low estimate” (LE); „best estimate” (BE); „high estimate” (HE)
VeffLE × ΦLE × (1-SwLE)
QOPIPLE = ------------------------------FVFLE

RFLE
QrLE
VeffBE × ΦBE × (1-SwBE)
QOPIPBE = ------------------------------FVFBE

RFBE
QrBE
VeffHE × ΦHE × (1-SwHE)
QOPIPHE = ------------------------------FVFHE

 „nagy bizonyossággal kitermelhető”
 „ugyanakkora eséllyel lehet több
vagy kevesebb”
RFHE
QrHE
 „akár ennyi is lehet”
A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013
ÁSVÁNYVAGYON ÉRTÉKELÉS – Vagyon kategorizálás
Probabilisztikus vs. determinisztikus becslés
Megfeleltetés
P90: bizonyítottnak tekinthető vagyon
 legalább 90% az esélye, hogy legalább ennyi kitermelhető
≈
P50: bizonyított+valószínűnek tekinthető vagyon
 50% az esélye, hogy legalább ennyi kitermelhető
≈
QrLE
 „nagy bizonyossággal kitermelhető”
QrBE
 „ugyanakkora eséllyel lehet több
vagy kevesebb”
P10: bizonyított+valószínű+lehetségesnek tekinthető vagyon
 legalább 10% az esélye, hogy legalább ennyi kitermelhető
≈
QrHE
 „akár ennyi is lehet”
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?
A szénhidrogén kutatás menedzsmentje. Szilágyi Imre, ME MFK, Ásványtani-Földtani Intézet, 2013
17