Systematic approach of creating optimal resource base development strategy

УДК 622.012.12:622.276

В.А. Шашель, В.В. Жуков, Р.А. Ошмарин, Е.С. Богданович, А.В. Сизых, Р.Р. Газалиев
Научно-Технический Центр «Газпром нефти» (ООО «Газпромнефть НТЦ»)
А.Ю. Попов, Ф.Г. Гайнетдинов, Д.Е. Перминов
АО «Газпромнефть-Ноябрьскнефтегаз» 

Электронный адрес: Bogdanovich.ES@gazpromneft-ntc.ru 

Ключевые слова: геолого-разведочные работы, стратегия развития ресурсной базы, планирование, инвестиции, максимизация экономической эффективности 

V.A. Shashel, V.V. Zhukov, R.A. Oshmarin, E.S. Bogdanovich, A.V. Sizykh, R.R. Gazaliev
Gazpromneft NTC LLC, RF, Saint-Petersburg
A.Yu. Popov, F.G. Gaynetdinov, D.E. Perminov
Gazpromneft-Noyabrskneftegas JSC, RF, Noyabrsk 

Typical characteristic of brown-field type asset is resource base depletion driven by longtime production. In order to keep production rate, new assets and non-explored areas should be involved. However, new assets typically are marked by low economic potential, high geological risks, and require comprehensive study and preparation. This paper focuses on systematic approach of creating optimal resource base development strategy, based on probabilistic reserves estimation. This approach allows company to maintain present level of production or even to raise it, while at the same time, obtain the maximum economic effect from involving new assets. 

Keywords: geological explorations, resource base development strategy, planning, investments, maximization of the economic efficiency 

DOI: 10.24887/2587-7399-2019-1-68-73 

ВВЕДЕниЕ

В условиях истощения ресурсной базы и необходимости поддержания достигнутых уровней добычи по зрелым активам необходимо составление долгосрочного плана по подготовке и вводу в разработку залежей и участков, не охваченных эксплуатационным бурением. Основной целью стратегии развития ресурсной базы актива (СРРБА) является формирование долгосрочного плана доизучения, который опирается на принцип полного охвата ресурсной базы предприятия.

На основании комплексного анализа прогнозных профилей добычи нефти, текущего состояния и степени выработки ресурсной базы предприятия, целевых ориентиров и ограничений СРРБА позволяет формировать сбалансированный подход к восполнению ресурсной базы, поддержанию и наращиванию добычи актива в долгосрочной перспективе.

В данной статье рассмотрены основные принципы и подходы к формированию стратегии развития ресурсной базы на основе комплексного и всестороннего анализа геологических и экономических рисков на примере актива в Ямало-Ненецком автономном округе (ЯНАО). 

КлАСтЕРизАция 

Первым шагом к формированию СРРБА является деление ресурсной базы на самостоятельные единицы, проектные решения по которым индивидуальны. В соответствии с этим на основе принципов единой страте-

гии изучения, экономической синергии и возможности принятия единого проектного решения залежи, ловушки или их части (согласно степени изученности месторождения) объединяются в кластеры. Кластер – экономически обоснованный и концептуально целостный участок недр, включающий один или несколько объектов изучения, объединенных общей стратегией изучения. Подобный подход дает возможность прорабатывать единую стратегию разведки и общие инфраструктурные решения для нескольких перспективных объектов, что в итоге приводит к существенному экономическому эффекту от их синергии. 

ОцЕнКА КлАСтЕРОВ 

Для определения места кластера в периметре всех кластеров актива и компании они должны быть оценены и ранжированы по единой методике. Оценка кластеров заключается в определении ожидаемой стоимости, сопутствующих неопределенностей и рисков в результате поиска, разведки, разработки и эксплуатации объектов и включает вероятностную оценку ресурсной базы, составление программы доизучения, вероятностный расчет профилей добычи и экономических показателей. Основной подход к оценке кластеров заключается в обязательном выполнении вероятностной оценки ресурсной базы и выделении дискретных сценариев, характеризующих оцененный диапазон неопределенности в области геологии и разработки.

Результатом оценки ресурсной базы кластера является распределение по нему геологических запасов и ресурсов в случае геологического успеха. Из полученного распределения выделяются, как минимум, три реализации многовариантного моделирования, способные охарактеризовать полученное распределение: сценарии P10, P50, P90 в случае геологического успеха [1].

Вероятность того, что потенциальная залежь после проведения геолого-разведочных работ (ГРР) будет открыта и ее запасы достаточны для получения притока из скважины, характеризует шанс геологического успеха gCoS (geological chance of success). Для оценки используется пятифакторная модель определения шанса геологического успеха [2], подразумевающая, что для формирования залежи необходимо одновременное наличие нефтематеринской породы, ловушки, путей миграции от нефтематеринской породы до ловушки, коллектора, покрышки и сохранности. Шанс геологического успеха оценивается только для ресурсов, так как для запасов он всегда равен единице. Сценарий, при котором наличие ресурсов не подтверждено, является сценарием геологического неуспеха.

Таким образом, результатом оценки ресурсной базы служат гистограммы распределения ресурсной базы по кластерам, из них выделяются сценарии, достаточные для характеристики существующего диапазона неопределенности и планирования программы ГРР. Как правило, минимальное число сценариев – четыре: три – в случае геологического успеха (реализации P10, P50, P90) и один –при геологическом неуспехе. Выбор геологических сценариев для расчета профилей добычи является важной задачей, так как равные объемы запасов могут определяться различной комбинацией по свойствам и числу объектов.

Завершающая стадия оценки ресурсной базы кластеров – анализ ее качества, основных неопределенностей и рисков, планирование ГРР, которые потребуются для исключения неопределенностей и рисков. На основе выявленных неопределенностей подсчетных параметров, вносящих наибольший вклад в распределение ресурсной базы, необходимо составить программу ГРР, позволяющую минимизировать неопределенности.

Далее ресурсная база по сценариям, соответствующим ветке геологического успеха (P10, P50, P90), передается для проектирования оптимальной системы разработки и определения наиболее эффективных инфраструктурных решений в периметре кластера. Результатом расчета являются профили добычи нефти по трем сценариям геологического успеха. Для каждого кластера просчитывается набор различных вариантов систем разработки. Решение о выборе итогового варианта принимается на основании экономических показателей. Подбор оптимальной системы разработки сопровождается оценкой минимально рентабельных нефтенасыщенных толщин для исключения из дальнейших расчетов объектов разработки, эффективные толщины которых ниже минимально рентабельных.

Суммарный профиль добычи по кластеру рассчитывается путем вероятностного суммирования профилей добычи по объектам кластеризации, удовлетворяющим условию окупаемости затрат на геологоразведку и эксплуатационное бурение. При наличии множества объектов рассчитывается объем минимально рентабельных запасов для исключения ловушек, разработка которых нерентабельна. Вероятностное суммирование проводится при помощи построения распределения добычи по всем объектам кластеризации на каждый год с учетом вероятности реализации различных сценариев (рис. 1).

Рис. 1. Результат вероятностного суммирования профилей добычи

При наличии профилей добычи по кластеру по трем сценариям можно оценить доходы и расходы для каждого варианта, сформировав таким образом прогноз денежного потока. Оценка экономической эффективности кластеров выполняется с использованием следующих показателей: ожидаемому денежному результату EMV (Expected Monetary Value), ожидаемому индексу доходности J. Отдельно по вероятностным сценариям рассчитываются чистый дисконтированный доход NPV (Net Present Value) и индекс рентабельности PI (Profitability Index). Для консолидации имеющейся информации в унифицированной форме, подходящей для дальнейшего ранжирования кластеров и формирования долгосрочной СРРБА, результаты оценки кластера собираются едином шаблонном формате паспорта кластера. Шаблон дает возможность получить комплексное представление о всех оцениваемых параметрах кластера – от ресурсной базы до экономики. Для облегчения заполнения шаблона разработаны макросы, позволяющие настроить автоматическое получение данных из различного программного обеспечения (ПО) и баз данных (БД). С целью хранения и консолидации паспортов разработана web-платформа, которая дает возможность выполнить комплексный анализ результатов оценки кластеров и ранжирование для формирования долгосрочной программы ГРР [3].

РАнЖиРОВАниЕ КлАСтЕРОВ и ФОРМиРОВАниЕ ДОлГОСРОчнОй ПРОГРАММы ГРР 

Ранжирование кластеров проводится на основании комплексного анализа экономической эффективности, потенциала добычи, объема ресурсной базы и других параметров, консолидированных в паспорте кластера. Целью ранжирования и приоритизации являются анализ возможности достижения необходимых тактических и стратегических ориентиров актива с учетом текущих ограничений, а также определение наиболее и наименее эффективных кластеров, выделение ключевых проектов, рекомендуемых к реализации, и проектов, от которых при текущей экономической ситуации следует отказаться.

Стратегическими и тактическими ориентирами могут быть необходимая добыча или объем ресурсной базы, показатели экономической эффективности и др. В то же время ограничения основываются на требуемых уровнях инвестиций, степени риска, лицензионных обязательствах и др.

Для ранжирования необходимо собрать и проанализировать информацию по всем кластерам актива. С целью ускорения и упрощения сбора и анализа данных в компании разработана постоянно действующая модель запасов и ресурсов (ПДМЗиР) [4], позволяющая систематизировать и сравнить между собой основные характеристики кластера, такие как экономическая эффективность, прогнозный профиль добычи, объем ресурсной базы, степень риска, необходимые инвестиции и другие на основе визуального представления в виде графиков и диаграмм (рис. 2).

Рис. 2. Один из вариантов ранжирования кластеров

В качестве дополнительного инструмента для определения последовательности ввода кластеров в реализацию и повышения эффективности процесса приоритезации проектов может применяться портфельный анализ [5]. Он дает представление об экономической эффективности инвестиций и является основой для принятия решений с учетом финансовых ожиданий и ограничений, что позволяет получить максимальную выгоду и численно оценить риски. Данный подход актуален для активов с большим числом кластеров, равнозначных по параметрам ранжирования и не имеющих жестких ограничений по лицензионным обязательствам. 

ОСнОВныЕ РЕзУльтАты ПРиМЕнЕния СиСтЕМнОГО ПОДхОДА К ФОРМиРОВАниЮ СтРАтЕГии РАзВития РЕСУРСнОй БАзы АКтиВА В янАО 

Большая часть месторождений рассматриваемого актива характеризуется высокой степенью выработки запасов нефти на поздних стадия разработки. Методы интенсификации не позволяют в полной мере компенсировать темпы падения добычи нефти. В связи с этим основные ожидания с точки зрения поддержания текущего уровня добычи связаны с открытием новых залежей и доразведкой открытых. В то же время вероятность новых крупных открытий невелика, что обусловливает важность всесторонней проработки стратегии поиска новых залежей.

Для качественной проработки стратегии опоискования перспективных объектов вся ресурсная база предприятия была разделена на 22 кластера. Основным критерием объединения нескольких залежей в кластер, кроме общего геологического строения, была единая закономерность их разведки. Немаловажным фактором разделения была также возможность выработки для всех перспективных объектов, входящих в кластер, единых инфраструктурных решений. Как правило, эта возможность определялась территориальной близостью объектов либо к имеющейся на месторождениях инфраструктуре, либо друг к другу. В то же время в отдельные кластеры было выделено несколько залежей, опоискование которых не зависело от принятых решений по близлежащим ловушкам. 

Каждый выделенный кластер характеризовался разной степенью изученности и, как следствие, степенью неопределенности, и качеством исходных данных. Исходя из возможного потенциала, а также полноты и качества исходной информации все кластеры были разделены на группы. В первую группу вошли кластеры высокого приоритета, имеющие всю необходимую информацию для проведения качественной вероятностной оценки, во вторую группу – кластеры, которые на текущий момент не обладают необходимой полнотой исходных данных.

Подходы к проведению вероятностной оценки для каждой группы были различны. Для кластеров первой группы проводилась многовариантная 2D вероятностная оценка с использованием программных продуктов, позволяющих определять запасы на основе карт. Для каждой ловушки было выполнено более 300 итераций расчета, с учетом неопределенностей по толщине, структуре, пористости, нефтенасыщенности, уровню водонефтяного контакта и PVT-свойствам объектов. Каждая реализация включала набор карт, которые в дальнейшем использовались для расчета профилей добычи.

Для кластеров второй группы вероятностная оценка проводилась без построения карт. Все подсчетные параметры, имеющие неопределенность (площадь, эффективные толщины, пористость и др.), задавались в виде вероятностных распределений, перемножаемых по методу Монте-Карло. Из итогового распределения в дальнейшем для расчета профилей добычи извлекались необходимые сценарии. При расчете профилей добычи вместо карт нефтенасыщенных толщин использовались типовые гистограммы толщин, полученные по месторождениям-аналогам.

На следующем этапе были рассчитаны профили добычи для каждого кластера по сценариям, соответствующим геологическому успеху (P10, P50, P90) по описанной выше методике. Полученные профили добычи послужили основой экономической модели каждого кластера.

Далее на основе алгоритмов, используемых для проведения портфельного анализа в рамках СРРБА, был сформирован портфель кластеров актива, являвшийся наиболее эффективным с точки зрения соотношения EMV и капитальных вложений (CAPEX) в ГРР и способный с наибольшей степенью уверенности обеспечить достижение целевых показателей (рис. 3).

Рис. 3. Принцип определения оптимального портфеля

Проведенный анализ кластеров актива позволил сформировать оптимальный портфель проектов ГРР. Важным выводом стало также то, что периметр оцененных кластеров обеспечивает высокую активность ГРР в период до 2022 г. Это определяет необходимость выявления новых потенциально перспективных объектов для оценки и формирования программы ГРР после 2022 г.(рис. 4, 5).

Рис. 4. График ожидаемого изменения ресурсной базы в терминологии российской классификации запасов

Рис. 5. Распределение физических объемов ГРР по годам (а) и объем инвестиций (б)  

зАКлЮчЕниЕ

На основе описанной методики и комплексного анализа кластеров был определен оптимальный набор проектов, рекомендуемый к реализации в рамках долгосрочного и среднесрочного планов проведения ГРР на активе в ЯНАО.

Выполненный анализ позволил выявить актуальные проблемы, такие как необходимость восполнения ресурсной базы и увеличения объемов ГРР с целью достижения и поддержания целевого уровня добычи при текущем объеме экономически эффективных кластеров. На основе результатов анализа был разработан план мероприятий по устранению выявленных проблем, в том числе рассмотрена возможность покупки новых лицензионных участков или оптимизации технологических решений.

Таким образом, системный подход к формированию стратегии развития ресурсной базы позволяет комплексно оценить эффективность текущей стратегии и скорректировать ее, своевременно отказавшись от проведения ГРР на экономически нерентабельных объектах, изменить сроки начала реализации программы ГРР. Это позволяет повысить ценность актива и обеспечивает четкую взаимосвязь целей и планов работ, что особенно актуально в условиях ограничения финансирования ГРР. Оптимальный набор кластеров актива, определенный по результатам анализа, является основой дальнейших управленческих решений, создания региональных стратегий/программ и оценки вероятности достижения стратегических целей всей компании.

Список литературы

1. Роуз П. Р. Анализ рисков и управление нефтегазопоисковыми проектами. — М.-Ижевск: Институт компьютерных исследований, 2011. — 304 с.
2. Геолого-экономическая оценка проектов: настоящее и будущее/ М. Г. Дымочкина, П. Ю. Киселев, М. Н. Пислегин [и др.] // PROНЕФТЬ. — 2018. — № 3 (9). — С. 18–23.
3. Постоянно действующая модель запасов и ресурсов — инструмент непрерывного анализа для развития ресурсной базы углеводородного сырья/ М. М. Исламуратов, О. А. Захарова, И. А. Теплоухова [и др.] // NefteGAZ.ru. — 2018. — № 7. — С. 27–31.
4. Инновационный инструмент для принятия стратегических решений и анализа ресурсной базы — Постоянно действующая модель запасов и ресурсов// О. Захарова, И. Теплоухова, М. Исламуратов [и др.] // SPE-1916603-18RTC-RU. — 2018.
5. Оптимизация портфеля проектов ГРР с целью повышения эффективности инвестиций / В. Жуков, С. Погребнюк, Р. Газалиев, Е. Богданович // SPE-191602-18RPTC-RU. — 2018.

Reference

1. Rose P.R., Risk analysis and management of petroleum exploration ventures, AAPG, 2001, р. 164.
2. Dymochkina M.G., Kiselev P.Yu., Pislegin M.N., Kuz’min T.G., Mullagaliev A.T., Geological and economic evaluation (GEE): from present to future (In Russ.), PRONEFT'', 2018, no. 3(9), pp. 18–23
3. Islamuratov M.M., Zakharova O.A., Teploukhova I.A., Panfilova E.S., Kisurina A.A., Ershov A.O., On-line model of reserves and resources Tool to constant analyzing in developing resource base of hydrocarbon raw materials (In Russ.), NefteGAZ.ru, 2018, no. 7, pp. 27–31
4. Zakharova O., Teploukhova I., Islamuratov M., Kisurina A., Panfilova E., Stepanova v. , Ershov A., Innovative strategy decision and portfolio assets analysis instrument — Permanent model of on-line reserves and resources monitoring (In Russ.), SPE 191603-18RTC-RU, 2018.
5. Zhukov v. , Pogrebnyuk S., Gazaliev R., Bogdanovich E., Exploration portfolio optimization for increase of investment effectiveness, SPE 191602-18RPTC-RU, 2018.