Teknik Reservoir Ujian Tengah Semester
Dosen
Diyah Rosiani, S.Si., M.T.
Angelina F Huwaa 1321184003
JURUSAN TEKNIK MESIN
PROGRAM STUDI TEKNIK PRODUKSI MIGAS D4 POLITEKNIK NEGERI AMBON
2022
Probabilistic Reserves and Resources Estimation: A Methodology forAggregating Probabilistic Petroleum
Reserves and Resources
M. Galvao, L. Hastenreiter, and J. Molina, Petrobras, A. Quadros, J. Montechiari, and S.
Hamacher, PUC-Ri
Abstract
Sejak tahun 1930-an industry minyak sudah menciptakan standar internasional untuk klasifikasi dan estimasi sumber daya, tujuannya adalah untuk menyediakan investor dengan informasi yang diperoleh dengan asumsi yang sama, untuk memfasilitasi perbandingan antara perusahaan minyak bumi. Pasda tahun 2007 empat organisasi internasional utama (SPE, AAPG, WPC, SPEE) bersama-sama merilis satu set pedoman untuk klasifikasi dan evaluasi sumber daya minyak dan gas.
Tujuan utama dari makalah ini adalah untuk mengeksplorasi ini menerbitkan dan mengusulkan metodologi probabilistik berbasis korelasi untuk menggabungkan cadangan minyak dan gas bumi konvensional dan sumber daya yang tidak konvensional.
Metodologinya sesuai dengan pedoman PRMS (2007) dan dengan aturan baru Komisi Bursa Efek 2009 (SEC). Penilaian korelasi mengevaluasi fitur teknis dan operasional, dan agregasi probabilistik dilakukan dengan Simulasi Monte Carlo (MCS).
Introduction
Estimasi cadangan minyak memerlukan asumsi dan perhitungan yang rumit, ketika ada ketidakpastian yang terkait dengan volume, pemulihan, pengembangan, dan daya jual sumber daya. Sumber daya yang tidak konvensional membawa tantangan baru bagi industri, memperkuat bahwa analisis ketidakpastian sangat penting untuk memperkirakan cadangan.
Ketika cadangan ditentukan dengan metode probabilistik, penambahan aritmatika dari akumulasi individu dalam suatu proyek terintegrasi akan mengecilkan cadangan agregat pada tingkat terbukti (P90). Selama prakiraan produksi telah melewati analisis ketidakpastian dan mereka telah dibangun di bawah tempat yang benar, metodologi dapat diterapkan. Gambar 1 menyajikan alur informasi dasar yang merangkum keseluruhan proses estimasi cadangan.
Penting untuk menyatakan bahwa kotak abu-abu adalah masukan untuk metodologi. Fokusnya terletak pada estimasi proyekdistribusi probabilitas cadangan dan menggabungkan kurva-kurva ini
(a) M.Galvao, L,. Hastenreiter, and J. Molina (2012): Probabilistic Reserves and Resources Estimation: A Methodology for Aggregating Probabilistic Petroleum Reserves and Resources, SPE 152923
Literature Review
Conventional and Unconventional Resources a). Mendefinisikan sumber daya konvensional
PRMS (2007) mendefinisikan sumber daya Conventional sebagai akumulasi minyak bumi diskrit yang terbatas pada fitur struktural geologis dan/atau kondisi stratigrafi, dimana mekanisme trapping didominasi oleh gaya hidrodinamik atau gaya apung.
Mengenai sumber daya yang Unconventional, PRMS (2007) mendefinisikannya sebagai akumulasi hidrokarbon yang meresap di seluruh area yang luas dan yang umumnya tidak terpengaruh secara signifikan oleh pengaruh hidrodinamik (juga disebut "continuous-jenis deposito").
b). Perbedaan antara sumber daya Convetional dan Unconvetional Menurut Elliot (2008), perbedaan mendasar antara sumber daya konvensional dan tidak konvensional terletak pada mekanisme trapping dan pengaruhnya terhadap mekanisme produksi. Chan dkk. (2010) menyajikan Segitiga Sumber Daya Minyak (dimodifikasi dari Holditch, 2002) yang ditunjukkan pada Gambar 2
c). Menyajikan penjelasan mengenai Segitiga sumber daya minyak Sebagai dinyatakan oleh Etherington dan McDonald (2004), minyak berat didefinisikan sebagai kurang dari 22º API gravitasi sementara minyak mentah ekstra berat kurang dari 10º. Bitumen didefinisikan sebagai minyak mentah berat atau ekstra berat dengan viskositas lebih besar dari 10.000 centipoises diukur pada suhu reservoir dan tekanan atmosfer, atas dasar bebas gas (Canadian Oil and Gas Evaluation Handbook, 2002).
Bitumen diperoleh kembali dengan penambangan atau proses in-situ yang mengurangi viskositasnya ke titik di mana ia dapat mengalir kelubang sumur (Elliot, 2008). Cadangan kuantitatif yang tepat dan data minyak di tempat untuk bitumen alam dan minyak ekstra berat pada basis reservoir jarang
tersedia untuk umum, kecuali di Kanada. Ini terjadi baik di batuan reservoir klastik dan karbonat dan umumnya dalam deposit kecil di, atau dekat, permukaan bumi.
Oil Shale adalah ekstraksi hidrokarbon cair dengan memanaskan shale yang mengandung hidrokarbon padat. Patut dicatat bahwa total sumber daya minyak serpih di dunia adalah diperkirakan 4,8 triliun barel (World Energy Council, 2010).
Gas Ketat diadakan di reservoir permeabilitas rendah, kadang-kadang
"berpusat pada cekungan" dan dalam. Pemulihan sangat tergantung pada patahan alami atau yang diinduksi (Elliot, 2008). Gas Metana Batubara terperangkap oleh adsorpsi di pori-pori mikro dalam batubara dan diperoleh kembali oleh perbedaan tekanan antara batubara dan rekahan (Elliot, 2008).
Shale Gas terperangkap oleh adsorpsi pada hidrokarbon padat, kerogen, dan pada partikel lempung. Proses pemulihan didasarkan pada desorpsi dari matriks karena perbedaan tekanan dan drainase melalui rekahan (Elliot, 2008). Gas Hidrat adalah senyawa klatrat padat, di mana metana terperangkap dalam struktur kristal air. Berdasarkan Elliot (2008), kelayakan ekstraksi hidrokarbon ini masih pada tahap yang sangat awal.
Production Forecasts and Reserves Estimation
Ada beberapa metode untuk peramalan produksi, seperti :
a). keseimbangan material dan kurva penurunan (Arps, 1945).
Ini metode tersebar luas di industri dan pembaca harus akrab dengan mereka.
Namun, mereka mungkin terbatas untuk reservoir yang tidak konvensional.
Lee dan Sidle (2010) mempresentasikan makalah berjudul “Gas Reserves Estimation in Resource Plays” (SPE 130102), yang membawa kritik terhadap beberapa metode yang digunakan untuk meramalkan produksi dan memperkirakan cadangan dalam permainan sumber daya yang tidak konvensional.
Metode keseimbangan material (p/z versus Gp) mungkin tidak memberikan perkiraan cadangan dan perkiraan produksi yang cukup akurasi untuk reservoir gas yang tidak konvensional. Hal ini disebabkan asumsi yang
diperlukan untuk penerapan metode, yaitu volume drainase yang tidak berubah dan aliran yang stabil (didominasi batas).
Metode kurva penurunan Arps (Arps, 1945) didasarkan pada penentuan tren penurunan produksi dari sejarah dan ke memproyeksikan produksi masa depan. Dengan demikian, seseorang dapat menghitung cadangan ketika batas ekonomi tercapai.
persamaan umumnya diberikan oleh : 1
q = qᵢ ( 1 + bDᵢ t ) ʿ¹̷ ᵇʾ q : Laju produksi pada waktu t qi : Tingkat produksi pada waktu nol Di : Tingkat penurunan awal Arps
b : Konstanta penurunan hiperbolik Arps
Untuk b = 0 penurunan disebut eksponensial, untuk b = 1 disebut harmonik dan untuk 0 < b < 1 disebut penurunan hiperbolik melengkung.
Lee dan Sidle (2010) menyatakan bahwa upaya untuk menentukan konstanta Arps untuk reservoir gas dan serpih ketat hasilnya adalah nilai dari b yang melebihi kesatuan. Akibatnya, perkiraan cadangan menyajikan sifat fisik yang tidak masuk akal. Hasil ini adalah karena fakta bahwa data berada dalam aliran transien. Pencocokan riwayat dengan model analitik biasanya terbatas karena kurangnya informasi berkualitas mengenai sifat formasi.
Selain itu, pemahaman yang tidak lengkap tentang aliran gas dari reservoir yang kompleks dan upaya yang diperlukan untuk menyesuaikan setiap individu dengan baik juga dapat berdampak pada akurasi keseluruhan. Pada akhirnya, metode kurva tipe menghadirkan keterbatasan mengenai serpih gas yang lebih baru dengan produksi jangka panjang yang terbatas dan dalam beberapa formasi gas ketat berlapis.
P90A + P90B ≤ P90A+B P50A + P50B ≈ P50A+B P10A + P10B ≥ P10A+B
Ada beberapa model empiris terbaru yang berfokus pada mengatasi masalah yang disebutkan oleh Lee dan Side (2010). Baru pendekatan disajikan oleh Duong (2011) untuk memprediksi tingkat masa depan dan perkiraan pemulihan akhir (EUR) untuk fraktur mendominasi sumur di reservoir non- konvensional.
Metode penurunan tradisional tidak dapat diterapkan untuk sumur yang berproduksi dari reservoir supertight atau shale di mana aliran rekahan dominan. Tanpa kehadiran pseudoradial dan batas-aliran yang didominasi (BDF), baik permeabilitas matriks maupun daerah drainase tidak dapat ditentukan. Jadi, kontribusi fraktur adalah dominan atas matriks, dan EUR tidak dapat didasarkan pada konsep tradisional daerah drainase.
Karya Duong memperkenalkan model penurunan yang diturunkan secara empiris yang didasarkan pada aliran linier jangka panjang dalam jumlah besar sumur di reservoir ketat dan shale-gas. Selain itu, pendekatan baru ini mampu mewakili ketidakpastian dalam cadangan estimasi dengan menyediakan metode statistik untuk menganalisis perkiraan produksi permainan sumber daya. Hal ini dapat membangun berbagai hasil untuk prakiraan ini, termasuk distribusi probabilitas cadangan dalam bentuk P90 hingga P10.
Penelitian lain, seperti Ilk et al. (2008) dan Valkó (2009), juga mengusulkan metode analisis kurva penurunan yang berbeda dari metode Arps. Ruang tidak memungkinkan deskripsi rinci tentang teknik ini, tetapi referensi ke sumber disediakan
b). metode volumetrik
Para penulis mulai dengan metode volumetrik, yang terdiri dari memperkirakan dua informasi: volume hidrokarbon di tempat dan faktor pemulihan. Di reservoir gas yang sempit, mungkin sulit untuk memperkirakan luas area reservoir dan pembayaran bersihnya ketebalan. Selain itu, dalam sumber daya shale gas, volume gas di ruang pori bisa sulit untuk diperkirakan secara akurat.
c). metode analogi
Metode analogi mampu memberikan hasil yang handal baik pada reservoir maupun sumur konvensional maupun non konvensional. Itu kesulitan terletak pada mengidentifikasi analogi yang akurat. Untuk sumber daya yang tidak konvensional, masalah ini cenderung lebih sensitif, sekali sejarah produksi untuk sifat dan teknologi reservoir tertentu jarang tersedia.
Reserve Classification
Menurut PRMS (2007), kuantitas minyak bumi dapat diklasifikasikan sebagai cadangan jika memenuhi empat kriteria: harus ditemukan, dipulihkan, komersial, dan tersisa, oleh karena itu volume harus komersial dan analisis ekonomi adalah diperlukan. Perkiraan cadangan harus didasarkan pada
“teknologi yang andal” untuk menetapkan tingkat kepastian yang sesuai untuk cadangan.
Sumber daya yang tidak konvensional menuntut pendekatan penilaian yang berbeda dari proyek konvensional. Perbedaan utamanya adalah (Chan et al., 2010):
Dalam kebanyakan kasus, ada sedikit atau tidak ada risiko penemuan hidrokarbon di tempat dalam permainan yang tidak konvensional;
Tantangan utama dalam mengevaluasi sumber daya yang tidak konvensional adalah dalam menetapkan skala dan pemulihan yang memadai tarif untuk mendukung proyek komersial.
Demikian pula untuk proyek pemulihan yang lebih baik yang diterapkan pada reservoir konvensional, PRMS (2007) membutuhkan percontohan yang sukses di reservoir subjek atau proyek yang berhasil di reservoir analog untuk menetapkan efisiensi pemulihan untuk non-konvensional akumulasi (Chan et al., 2010).
Seperti yang dinyatakan oleh Ross (2001), dua filosofi yang berbeda secara fundamental telah diterapkan pada estimasi yang dapat dipulihkan volume.
Salah satunya dikenal sebagai “pendekatan inkremental”, yang merupakan filosofi berbasis risiko, sementara yang lain berbasis ketidakpastian filsafat dan umumnya disebut sebagai “pendekatan kumulatif”. Ross (2001) mendefinisikan "risiko" dalam konteks minyak bumi Ketika kisaran ketidakpastian diwakili oleh distribusi probabilitas, perkiraan rendah, terbaik, dan tinggi harus asalkan.
Dalam hal ini, cadangan terbukti berarti bahwa setidaknya harus ada 90%
probabilitas (P90) bahwa jumlah tersebut benar-benar pulih akan sama atau melebihi perkiraan rendah (PRMS, 2007). Demikian juga, cadangan terbukti ditambah kemungkinan besar mewakili setidaknya 50% kemungkinan (P50) bahwa jumlah yang benar-benar pulih akan sama atau melebihi perkiraan terbaik, dan terbukti ditambah kemungkinan ditambah kemungkinan cadangan mewakili setidaknya 10% probabilitas (P10) bahwa jumlah yang dipulihkan akan sama atau melebihi yang tertinggi memperkirakan
Agregasi Cadangan
Perkiraan cadangan dari setiap akumulasi hidrokarbon ditambahkan untuk sampai pada perkiraan untuk tingkat yang lebih tinggi, seperti ladang atau properti. Agregasi ini dapat dilakukan secara deterministik atau probabilistik.
Ketika dilakukan secara probabilistik, sebagai hasilnya kita memiliki apa yang dikenal sebagai "Efek Portofolio" (Markowitz, 1952), yang merupakan pengurangan variasi pengembalian pada kombinasi aset dibandingkan dengan rata-rata variasi aset individu. Semakin besar dan beragam kombinasi akumulasi, semakin besar efek portofolio (Etherington et al., 2001).
Khususnya dalam hal cadangan diwakili oleh distribusi probabilitas, misalnya mempertimbangkan dua usaha A dan B, dapat diverifikasi bahwa:
P90A + P90B ≤ P90A+B
P50A + P50B ≈ P50A+B P10A + P10B ≥ P10A+B
Untuk mengilustrasikan, varians jumlah variabel A & B ditunjukkan pada persamaan 5
Parameter A,B adalah koefisien korelasi antara A dan B, yang didefinisikan dalam interval [-1,1]. Sepenuhnya tergantung variabel memiliki koefisien korelasi sama dengan 1, sehingga menghasilkan nilai penjumlahan yang maksimal. Adapun berkorelasi Sebagian variabel, yaitu A,B kurang dari satu, varians jumlah mengasumsikan nilai yang lebih kecil. Menurut Carter dan Morales (1998), ketika metode probabilistik diterapkan dan cadangan yang dihasilkan diperoleh melalui penjumlahan aritmatika, tingkat terbukti (P90) diremehkan. Ada kendala mengenai urutan besarnya untuk menilai entitas cadangan secara probabilistik. Seperti yang dinyatakan dalam PRMS (2007),
“...hasil penilaian tidak boleh memasukkan agregasi statistik di luar bidang, properti, atau proyek tingkat. Hasil pelaporan di luar level ini harus menggunakan penjumlahan aritmatika...”.
Metode Pengambilan Sampel
Metode pengambilan sampel diterapkan untuk menggabungkan kurva distribusi probabilitas cadangan. Keuntungan besar dari pengambilan sampel metode adalah untuk menerima distribusi probabilitas untuk data input.
Simulasi Monte Carlo dan Latin Hypercube adalah dua contoh metode pengambilan sampel. Latin Hypercube akan akurat membuat ulang distribusi probabilitas yang ditentukan oleh fungsi distribusi dalam iterasi yang lebih
sedikit, jika dibandingkan dengan Monte Carlo pengambilan sampel (Saliby dan Moreira, 2002).
Latin Hypercube Sampling membuat stratifikasi distribusi probabilitas input, yaitu membagi kurva kumulatif menjadi interval yang sama pada skala probabilitas kumulatif (0 sampai 1). Sampel acak diambil secara wajib dari setiap interval distribusi input, sehingga menawarkan manfaat dalam hal peningkatan efisiensi pengambilan sampel dan lebih cepat runtime.
Penilaian Korelasi
Faktor untuk memperkirakan cadangan agregat. Misalnya, jika proyek A dan B berkorelasi kuat, dan ada keberhasilan dalam eksploitasi A, sehingga berpeluang besar untuk berhasil dalam eksploitasi B. Identifikasi hal-hal tersebut korelasi sangat penting untuk menghindari perkiraan yang terlalu tinggi dan terlalu rendah dari volume agregat P90 dan P10, masing-masing.
Carter dan Morales
(1998) menyarankan penilaian tunggal untuk masing-masing faktor yang paling mempengaruhi penentuan korelasi.
Metode utama untuk mengatasi korelasi antara proyek eksploitasi adalah:
a) Perbandingan langsung antara setiap pasangan proyek yang dibuat oleh para ahli;
b) Perbandingan antara setiap pasangan proyek pada beberapa kriteria khusus yang dibuat oleh para ahli (Carter dan Morales, 1998); Binarisasi: Proyek dianggap independen dan oleh karena itu diasumsikan bahwa korelasi sama dengan nol atau proyek dianggap berkorelasi dan diasumsikan korelasinya sama dengan satu (Delfiner dan Barrier, 2004);
c) Diskritisasi: Sebuah nilai diskrit diasumsikan untuk setiap tingkat kualitatif korelasi antar proyek. Sebagai contoh, Korelasi “lemah – sedang – kuat” diasosiasikan dengan koefisien korelasi “0,1 – 0,3 – 0,5” (van Elk et al., 2000);
d) Analisis diagram tornado (van Elk et al., 2008).
Metode Estimasi Distribusi Cadangan
Pendekatan yang mungkin adalah dengan menerapkan metode analisis distribusi normal multivariat. Dalam metode ini distribusi dari cadangan lapangan normal, sehingga cadangan proyek agregat juga normal. Menurut van Elk et al. (2008), ini mewakili kerugian, setelah semua distribusi harus simetris. Penulis menyatakan bahwa untuk bidang pada tahap awal penilaian dan untuk prospek yang belum ditemukan simetri distribusi sumber daya seringkali tidak merupakan pendekatan yang baik.
Kemiringan distribusi melalui parameter bentuk. Ketika parameter ini adalah nol, distribusi yang dihasilkan adalah distribusi normal standar. Ketika parameter ini mencapai nilai yang sangat besar, distribusi konvergen ke distribusi setengah normal. Distribusi setengah normal diperoleh dengan pemotongan kiri di bawah nol standar berdistribusi normal dengan mean nol.
Etherington dkk Al. (2001) menyatakan bahwa proyek eksploitasi yang belum ditemukan dan yang baru ditemukan cenderung memiliki distribusi Lognormal yang berat miring ke kanan. Ini berarti bahwa volume P90 relatif kecil dibandingkan P50 dan P10 terbalik. Sesuai, Demirmen (2007) menyatakan bahwa distribusi probabilitas cadangan mendekati Lognormal. Terakhir, Gair (2003) menyatakan bahwa diharapkan distribusi penemuan hidrokarbon mengikuti pola distribusi Lognormal dan ketidakpastian dalam estimasi volume cadangan juga harus terdistribusi lognormal.
Metodologi yang Diusulkan
Cara terbaik untuk memberikan probabilitas kurva cadangan adalah untuk menilai secara ekonomis beberapa persentil kumulatif dari kurva Np probabilistik dan kemudian membangunnya kembali, dengan demikian memberikan perkiraan distribusi probabilitas cadangan.
Langkah pertama menghasilkan daftar proyek yang memenuhi syarat untuk penilaian probabilistik dan langkah kedua melakukan analisis penilaian ekonomi untuk menghitung tiga persentil cadangan kumulatif diskrit untuk setiap proyek (P90, P50, dan P10). Penting untuk mengklarifikasi bahwa ruang lingkup penelitian ini tidak masuk jauh ke dalam premis dan konsep ekonomi, dan bahwa gagasan tentang langkah ini adalah untuk memberikan gambaran umum tentang penyaringan ekonomi.
Pada langkah ketiga dan keempat. Yang pertama terdiri dari mendefinisikan kurva cadangan probabilitas proyek dan yang terakhir menggabungkan kurva- kurva cadangan ini.
Langkah 1 – Memilih proyek untuk penilaian probabilistic Wilayah eksploitasi perusahaan minyak umumnya memiliki banyak proyek.
Namun demikian, tidak semuanya mungkin memenuhi syarat untuk penilaian probabilistic.
Langkah 2 – Penilaian ekonomi probabilistic Seperti disebutkan sebelumnya dalam makalah ini, fokus dari langkah ini adalah untuk hanya menunjukkan perawatan data dasar yang diperlukan untuk penyaringan ekonomi probabilistik. Sekali lagi, analisis data historis harus dilakukan dan pendapat para ahli harus diperhitungkan untuk prosedur ini. Informasi ini dapat dihitung dengan metode Net Present Value (NPV) atau metode lain yang mungkin lebih sesuai dengan realitas seseorang.
Langkah 3 – Memperkirakan kurva cadangan probabilistik untuk setiap proyek Karena cadangan untuk setiap skenario telah dihitung, kurva distribusi cadangan proyek dapat diperkirakan. Setiap skenario produksi berkontribusi dengan persentil kumulatif diskrit dari kurva cadangan, mis. kurva produksi P90
Langkah 4 – Melakukan agregasi cadangan probabilistic Seperti disebutkan sebelumnya dalam tinjauan literatur, agregasi probabilistik dapat diterapkan untuk menghitung cadangan. Itu alasan utama untuk melakukannya adalah bahwa penambahan deterministik cenderung meremehkan cadangan terbukti, setelah mempertimbangkan total ketergantungan antar usaha.
Model distribusi bervariasi tergantung pada perbedaan antara persentil kumulatif, menghasilkan tiga kondisi yang berbeda
Kondisi 1: (P10 – P50) > (P50 – P90)
Ini adalah perilaku yang diharapkan dari kurva cadangan, setelah menunjukkan kemiringan positif. Untuk kondisi ini kami sarankan menerapkan distribusi Lognormal
Kondisi 2: (P10 – P50) < (P50 – P90)
Hasil ini dapat terjadi ketika premis dan konsep rekayasa reservoir digantikan oleh pengaruh ekonomi dan pembatasan lainnya, yang menghasilkan skewness negatif. Distribusi Lognormal tidak dapat dipasang pada ini kondisi.
Distribusi Cadangan Hiperbolik (HRD)
Persamaan 6 adalah persamaan diferensial biasa linier orde pertama yang mendefinisikan perilaku yang diharapkan tersebut di atas.
Melalui persamaan ini kami memodelkan distribusi probabilitas
Parameter x mewakili cadangan kumulatif, y adalah probabilitas kumulatif pemulihan, dan dan C adalah konstanta. Kemiringan fungsi HRD bisa negatif atau positif, tetapi tidak nol. Jika pengujian di atas tidak memuaskan, HRD harus dibiarkan terpotong nol, yang dapat dengan mudah dilakukan dengan komersial
Kondisi 3: (P10 – P50) = (P50 – P90)
Alasan terjadinya kondisi ini sama dengan yang tercantum untuk Kondisi 2.
Karena persamaan ini, dihasilkan distribusi harus simetris.
Langkah 4 – Melakukan agregasi cadangan probabilistik
Seperti disebutkan sebelumnya dalam tinjauan literatur, agregasi probabilistik dapat diterapkan untuk menghitung cadangan. Itu alasan utama untuk melakukannya adalah bahwa penambahan deterministik cenderung meremehkan cadangan terbukti, setelah mempertimbangkan total ketergantungan antar usaha.
Studi kasus
Studi kasus ini berfokus pada langkah tiga dan empat dari metodologi, yang dianggap sebagai kontribusi besar dari ini belajar. Untuk mengilustrasikan prosedur, contoh terakhir akan dimodelkan dalam perangkat lunak spreadsheet bersama dengan iklan komersial Perangkat lunak Simulasi Monte Carlo. Sekarang, dengan fokus pada langkah tiga dan empat metodologi, distribusi cadangan untuk setiap proyek akan dimodelkan, berkorelasi, dan teragregasi.
Analisis perbedaan antara Cina Klasifikasi untuk Sumber Daya/Cadangan Minyak 2020, SPE-PRMS 2018 dan standar cadangan minyak luar negeri perusahaan minyak China Konferensi IOP Seri: Ilmu Bumi dan Lingkungan 983 (2022) 012053 EEEP 2021 Penerbitan IOP doi:10.1088/1755- 1315/983/1/012053 Sistem klasifikasi cadangan minyak yang digunakan oleh perusahaan minyak China termasuk CCPR, SPEPRMS, Komisi Sekuritas dan Bursa Amerika Serikat (SEC) dan standar perusahaan....
...Aset dan cadangan minyak luar negeri perusahaan minyak China tidak hanya milik perusahaan itu sendiri, tetapi juga milik negara sumber daya atau perusahaan patungan....
...Society of Petroleum Engineers -Petroleum Resources Management System (SPE-PRMS) membagi cadangan yang dapat diperoleh kembali menjadi cadangan dan sumber daya kontingen berdasarkan komersial dan sub- komersial....
...Dibutuhkan aset minyak bumi sebagai objek evaluasi, dan penentuan parameter evaluasi berfokus pada cadangan komersial yang dapat diperoleh kembali dan evaluasi nilai....
...Dalam standar cadangan minyak luar negeri perusahaan minyak China (standar perusahaan), cadangan geologis dan cadangan yang dapat dipulihkan secara jelas dibagi menjadi kelas P dan C, yang dibagi lagi menjadi kategori P1\P2\P3 dan C1\C2\C3....
...Ketika perusahaan minyak China memperoleh sumber daya minyak di luar negeri, cadangan geologis perlu dimasukkan dalam statistik cadangan nasional untuk melayani strategi keamanan energi nasional, manajemen sumber daya dan perencanaan pembangunan....
...CCPR perlu diadopsi; Saat melakukan transaksi aset, berkomunikasi dengan negara sumber daya dan mitra usaha patungan, SPEPRMS perlu diadopsi;
Ketika melakukan eksplorasi dan pengembangan perusahaan, operasi, penyusunan rencana pengembangan, dll, standar perusahaan perlu diadopsi....
...Penerapan ketiga standar cadangan tersebut secara umum dapat mempertimbangkan kebutuhan tingkat internasional, nasional, dan perusahaan, serta pengelolaan sumber daya dan aset minyak bumi....
...Di tingkat perusahaan, Perusahaan Minyak seperti ExxonMobil dan Chevron telah merumuskan standar klasifikasi cadangan minyak bumi yang mendukung manajemen perusahaan....
...Cadangan adalah istilah kolektif untuk cadangan geologis dan cadangan yang dapat dipulihkan, dan cadangan yang dapat dipulihkan adalah istilah kolektif untuk cadangan yang dapat diperoleh kembali secara teknis dan cadangan yang dapat diperoleh kembali secara komersial....
...Perbedaan pengertian, konotasi dan perluasan cadangan Dalam sistem manajemen Sumber Daya (Gambar 1), konsep intinya adalah "manajemen rantai fisik", dan klasifikasi utama adalah kuantitas in-situ (pembagian kuantitas yang dapat diperoleh kembali dan kuantitas yang dapat diperoleh kembali komersial berada di bawah pembagian kuantitas in-situ ). Perwakilan tipikal termasuk standar klasifikasi sumber daya/cadangan Rusia dan Cina....
...Oleh karena itu, diperlukan standar perusahaan yang mempertimbangkan baik cadangan geologi maupun yang dapat dipulihkan, pengelolaan sumber daya dan aset, serta sesuai dengan klasifikasi SPE-PRMS....
...Aset dan cadangan minyak luar negeri perusahaan minyak China tidak hanya milik perusahaan itu sendiri, tetapi juga milik negara-negara sumber d...
(b) Mingjun Xia and Yong Hu (2022): Analysis of the difference between China Classification for Petroleum Resources/Reserves 2020, SPE-PRMS 2018 and a China oil company’s overseas oil reserves standard, IOP Conference Series,Earth and Environmental Science.
Analisis perbedaan antara Cina Klasifikasi untuk Sumber Daya/Cadangan Minyak 2020, SPE-PRMS 2018 dan standar cadangan minyak luar negeri perusahaan minyak China Konferensi IOP Seri: Ilmu Bumi dan Lingkungan 983 (2022) 012053 EEEP 2021 Penerbitan IOP doi:10.1088/1755- 1315/983/1/012053 Sistem klasifikasi cadangan minyak yang digunakan oleh perusahaan minyak China termasuk CCPR, SPEPRMS, Komisi Sekuritas dan Bursa Amerika Serikat (SEC) dan standar perusahaan
Aset dan cadangan minyak luar negeri perusahaan minyak China tidak hanya milik perusahaan itu sendiri, tetapi juga milik negara sumber daya atau perusahaan patungan. Society of Petroleum Engineers -Petroleum Resources Management System (SPE-PRMS) membagi cadangan yang dapat diperoleh kembali menjadi cadangan dan sumber daya kontingen berdasarkan komersial dan sub-komersial....
Dibutuhkan aset minyak bumi sebagai objek evaluasi, dan penentuan parameter evaluasi berfokus pada cadangan komersial yang dapat diperoleh kembali dan evaluasi nilai. Dalam standar cadangan minyak luar negeri perusahaan minyak China (standar perusahaan), cadangan geologis dan cadangan yang dapat dipulihkan secara jelas dibagi menjadi kelas P dan C, yang dibagi lagi menjadi kategori P1\P2\P3 dan C1\C2\C3. Ketika perusahaan minyak China memperoleh sumber daya minyak di luar negeri, cadangan geologis perlu dimasukkan dalam statistik cadangan nasional untuk melayani strategi keamanan energi nasional, manajemen sumber daya dan perencanaan pembangunan.
CCPR perlu diadopsi; Saat melakukan transaksi aset, berkomunikasi dengan negara sumber daya dan mitra usaha patungan, SPEPRMS perlu diadopsi;
Ketika melakukan eksplorasi dan pengembangan perusahaan, operasi, penyusunan rencana pengembangan, dll, standar perusahaan perlu diadopsi.
Penerapan ketiga standar cadangan tersebut secara umum dapat mempertimbangkan kebutuhan tingkat internasional, nasional, dan perusahaan, serta pengelolaan sumber daya dan aset minyak bumi. Di tingkat perusahaan, Perusahaan Minyak seperti ExxonMobil dan Chevron telah merumuskan standar klasifikasi cadangan minyak bumi yang mendukung manajemen perusahaan. Cadangan adalah istilah kolektif untuk cadangan geologis dan cadangan yang dapat dipulihkan, dan cadangan yang dapat dipulihkan adalah istilah kolektif untuk cadangan yang dapat diperoleh kembali secara teknis dan cadangan yang dapat diperoleh kembali secara komersial.
Perbedaan pengertian, konotasi dan perluasan cadangan Dalam sistem manajemen Sumber Daya (Gambar 1), konsep intinya adalah "manajemen rantai fisik", dan klasifikasi utama adalah kuantitas in-situ (pembagian
kuantitas yang dapat diperoleh kembali dan kuantitas yang dapat diperoleh kembali komersial berada di bawah pembagian kuantitas in-situ ). Perwakilan tipikal termasuk standar klasifikasi sumber daya/cadangan Rusia dan Cina.
Oleh karena itu, diperlukan standar perusahaan yang mempertimbangkan baik cadangan geologi maupun yang dapat dipulihkan, pengelolaan sumber daya dan aset, serta sesuai dengan klasifikasi SPE-PRMS. Aset dan cadangan minyak luar negeri perusahaan minyak China tidak hanya milik perusahaan itu sendiri, tetapi juga milik negara-negara sumber daya.
Kesimpulan
Makalah ini memberikan metodologi yang dapat diaudit, berulang, dan praktis yang dapat digunakan untuk mengumpulkan cadangan secara probabilistik.
Itu keuntungan utama dari pendekatan probabilistik adalah untuk lebih akurat menilai cadangan terbukti (P90), setelah aritmatika penambahan mengecilkan volume ini. Studi kasus mengkonfirmasi perkiraan yang terlalu rendah ini, karena penjumlahan deterministik menghasilkan cadangan P95. Patut dicatat bahwa metodologi ini sesuai dengan pedoman PRMS (2007).
Proyek yang berbeda mungkin memiliki kesamaan; maka definisi dan kuantifikasi korelasi di antara mereka tidak dapat dilewati. Jika proyek
dianggap sepenuhnya independen, akibatnya akan terjadi overestimasi atas cadangan terbukti dan perkiraan yang terlalu rendah dari total cadangan.
Metodologi ini dapat diterapkan pada sumber daya konvensional dan tidak konvensional, selama prakiraan produksi telah dibangun di bawah analisis ketidakpastian, tempat yang benar telah diperhitungkan dan peramalan yang tepat metode telah diterapkan. Metodologi ini berhasil diterapkan pada evaluasi probabilistik dan agregasi sepuluh proyek probabilistik, dan dua puluh proyek deterministik lainnya. Dalam studi kasus yang dibahas, cadangan terbukti yang dihasilkan dari korelasi berbasis penilaian probabilistik adalah 8,52% lebih besar dari penilaian deterministik, yang sesuai dengan studi Carter dan Morales (1998).
Selanjutnya, telah ditunjukkan pentingnya penilaian sistematis dari dependensi, setelah agregasi independen menghasilkan overestimasi 31,57%
dalam cadangan terbukti bila dibandingkan dengan deterministic penilaian.
Sebuah sistem telah dikembangkan untuk mendukung perhitungan metodologi. Metodologi ini sedang diuji di beberapa bidang dan hasilnya dibandingkan dengan metode deterministik.
