Геолого-экономическое моделирование и планирование работ на нефть и газ в условиях рыночной экономики на основе человеко-машинных технологий

Подольский, Юрий Васильевич

Бесплатный автореферат и диссертация по геологии на тему
Геолого-экономическое моделирование и планирование работ на нефть и газ в условиях рыночной экономики на основе человеко-машинных технологий
ВАК РФ 04.00.17, Геология, поиски и разведка нефтяных и газовых месторождений

Автореферат диссертации по теме "Геолого-экономическое моделирование и планирование работ на нефть и газ в условиях рыночной экономики на основе человеко-машинных технологий"

Министерство природных ресурсов Российской Федерации Российская Академия Наук" Всероссийский ордена Трудового Красного Знамени нефтяной научно-исследовательский геологоразведочный институт (ВНИГРИ)

тв од

На правах рукописи

с ¡.У,!

Р Г Б ОД

2 5 НОЯ 1223

Подольский Юрий Васильевич

ГЕОЛОГО-ЭКОНОМИЧЕСКОЕ МОДЕЛИРОВАНИЕ И ПЛАНИРОВАНИЕ РАБОТ НА НЕФТЬ И ГАЗ В УСЛОВИЯХ РЫНОЧНОЙ ЭКОНОМИКИ НА ОСНОВЕ ЧЕЛОВЕКО-МАШИННЫХ ТЕХНОЛОГИЙ

Специальность: 04,00.17 -"Геология, поиски и разведка нефтяных и газовых месторождений"

Диссертация на соискание ученой степени доктора геолого-минералогаческих наук в форме научного доклада

Санкт-Петербург 1996

Работа выполнена во Всероссийском ордена Трудового Красного Знамени нефтяном научно-исследовательском геологоразведочном институте (ВНИГТИ)

Официальные оппоненты:

доктор геолого-минералогаческих наук Грибков В.В. (ВНИГРИ)

доктор геолого-минералогических наук

Демин В.И. (СибГео)

доктор геолого-минералогаческих наук

Воробьев В.Я. (НВ НИИГГ)

Ведущее предприятие: Институт геологаи и разработки горючих ископаемых (ИГиРГИ), г.Москва

сертационнош Совета Д-0 дите диссертаций на соискание ученой

степени доктора геолого-минералогаческих наук при Всероссийском ордена Трудового Красного Знамени нефтяном научно-исследовательском геологоразведочном институте (ВНИГТИ) (191104, г. С-Петербург, Литейный пр., 39, ВНИГРИ)

С диссертацией можно ознакомиться в библиотеке института

Защита состоится

//.Со 1996г. в / 7-—

часов на заседании дис-

Ученый секретарь диссертационного Совета, кандидат геолого-минералошческих наук

А.КДертев

Актуальность проблемы. Геолого-экономическое моделирование служит кор-)ектной основой принятия решепий в области оптимального формирования минерально-сырьевой базы нефти и газа страны, эффективного планирования геологоразведочных работ и добычи УВ в нефтегазоносных районах. Использование мето-шв теории принятия решений при опенке конкретных инвестиционных проектов становится особенно важным в условиях рыночной экономики при освоении сложпопос троенных и низкорентабельных месторождений с трудноизвлекаемой тефтыо, плохими коллекторами, расположенных на больших глубинах или в районах со сложными природно-климатическими условиям и неразвитой инфраструктурой. Судя по характеристикам текущих запасов и открываемых в последнее время месторождений, доля низкопродуктивных запасов нефти, находящихся на грани рентабельного освоения, в основных НГБ России составляет до 40% и будет увеличиваться.

Разрабатываемая проблема актуальна и с позиций развития научных концепций планирования ГРР, поскольку оценка нефтегазового потепциала крупных территорий - это не только количественная оцепка запасов и ресурсов нефти и газа региона, но и изучение закономерностей распределений месторождений по крупности, прогаоз структуры будущих открытий, оценка эффективности их освоения по набору критериев, позволяющих принимать оптимальпые плановые решения.

Цель - работы - дать прогаоз оптимальных темпов наращивания минерально-сырьевой базы и добычи нефти и газа по осповным нефтегазоносным бассейнам России на единой методической основе, включающей разработанные автором методы моделирования распределений УВ ресурсов по месторождениям разной крупности, структуры ожидаемых открытий, экономической оценки ресурсов и запасов, принятия плановых решений в условиях неопределенности и риска.

1. Анализ и обобщение фактических данных и теоретических представлении о структуре и динамике минерально-сырьевой базы нефти и газа по мере освоения нефтегазоносных бассейнов.

2. Исследование характерных особенностей освоения месторождений и их влияния на геолого-экономическую оценку ресурсов и запасов нефти и газа, на принятие плановых решений.

3. Разработка методов геолош-экономической оценки ресурсов и запасов нефти и газа путем оценки конкретных инвестиционных проектов.

4. Разработка человеко-машинных технологий планирования работ на нефть и

газ.

5. Обоснование возможной эффективности наращивания минерально-сырьевой эазы нефти и газа по основным НГБ России для поддержания существующих уровней добычи на перспективу.

Научная новизна. Предложены методики и человеко-машинные технологии д моделирования распределения ресурсов нефти и газа по месторождениям разн крупности, динамики ожидаемых открытий, экономической оценки запасов и I сурсов.

Разработаны основные экономические показатели и критерии эффективное инвестиционных проектов геологоразведочных работ и разработки в условиях Рс сийского недропользования.

Разработаны методы принятия плановых решений в условиях неопределенное и риска, что обеспечивает формирование оптимальных программ ГРР и добычи ^ сырья на разных уровнях планирования.

Создана комплексная: технология многовариантной геолого-экономическ< оценки запасов и ресурсов нефти и газа, принятия решений и эффективного пл нирования ГРР и добычи.

Выполнен на основе созданной технологии сравнительный анализ возможне эффективности ГРР по основным НГБ России, что позволило дать обоснованнь прогноз развития минерально-сырьевой базы нефти и газа и добычи УВ сырья России до 2020 г.

1. Модели распределения ресурсов нефти и газа по месторождениям разнс крупности, динамики их выявления, базирующиеся на геолого-статистическк представлениях о дискретном распределении локальных структур и ловушек п размерам.

2. Методика моделирования распределений УВ ресурсов по месторождения разной крупности, учитывающая динамику фактических открытий и густоту поис ковых сейсмопрофилей в регионе.

3. Методика экономической оценки запасов и ресурсов на основе анализа ков кретных инвестиционных проектов.

4. Компьютерная технология комплексного многовариантного планировали ГРР и добычи нефти и газа.

5. Долгосрочный прогноз возможных темпов добычи и эффективности наращи вания минерально-сырьевой базы нефти и газа по основным НГБ России.

Методика исследования. Основным эмпирическим материалом для анализа яви лись фактически открытые месторождения нефти и газа, данные по динамике нормативам и эффективности работ на нефть и газ по основным НГБ России и ря да зарубежных стран.

Особое внимание обращалось на выделение объектов оценки, обладающих еди ным геологаческим строением, методикой проведения геологоразведочных работ ] историей освоения. Для количественной характеристики свойств таких объекто использовались методы построения локальных моделей на основе многомерног анализа и статистического моделирования.

При экономической оценке инвестиционных проектов широко использовались етоды анализа денежных потоков, концепция временной стоимости денег, теория ринятия плановых решений.

Особенностью методики создания компьютерных технологий является последо-ательпость проработки (с обратной связью) ряда вопросов: анализ фактических анных, создание независимых методов и технологий, их испытание на примере ценки нефтегазового потенциала конкретных регионов, сравнение результатов мо-елирования с фактическими данными, корректировка моделей и программ.

Практическая значимость работы.

1. Разработаны научные основы и компьютерные технологии оценки нефтегазо-ого потенциала крупных территорий, позволяющие принимать обоснованные стра-егические решения по наращиванию минерально-сырьевой базы нефти и газа.

2. Создана методика и технология экономической оценки инвестиционных про-ктов в условиях неопределенности исходных данных и риска экономических по-ерь - основа экономической оценки запасов и локализованных ресурсов нефти и аза, пообъектного планирования геологоразведочных работ и разработки место-ождений.

3. Предложен новый способ оценки изученности территорий глубоким бурени-м, учитывающий неравномерность размещения скважин по площади и их "зону лияния" при поисках месторождений разной крупности.

4. Выполнены научно-обоснованные прогнозы оптимальных темпов наращивания минерально-сырьевой базы и добычи нефти и газа по основным нефтегазодобывающим регионам России.

Апробация работы. Основные положения работы неоднократно докладывались I широко обсуждались на всесоюзных, всероссийских и региональных совещаниях, :онференциях и семинарах в Москве, Санкт-Петербурге, Новосибирске, Саратове, Сиеве, Харькове и др., а также на международных форумах, в т.ч. на МГК Москва, 1984; Вашингтон, 1988; Киото, 1992), КОДАТА конференциях Баку,1981; Гюстров, 1980; Лидс, 1991; Енсхеде, 1993); конференциях Горнорудно-о Пршибрама (1981, 1987, 1993, 1995), ассоциации математических геологов Прага, 1993) и др.

Материалы диссертационной работы неоднократно экспонировались на ВДНХ "ССР, выставках "Геоэкспо-84", "Интенсификация-90".

Вклад автора в разработку и впедрение человеко-машинных технологий геолот о-экономического прогнозирования и планирования работ на нефть и газ отмечен ремией Мингео СССР (1989), золотой (1986) и серебряной (1981) медалями !ДНХ СССР.

Многие принципиально важные прогнозные оценки, полученные на основе соз-анных методик, использованы организациями Мипгео, Мипнефтепрома и Мин-Тфома при составлении Комплексных программ на Х1-Х1П пятилетки.

Это относится, прежде всего, к оценкам структуры ресурсов нефти и газа, пр гаозам выявляемости месторождений Западной Сибири, Тимано-Печорской пр винции, Днепровско-Донецкой впадины, Прикаспия, бассейнов Дальнего Восток шельфов морей России. В результате проведенных работ полностью подтвердила прогнозы структуры открытий, прироста запасов и эффективности геологоразв! дочных работ по основным нефтегазоносным бассейнам.

В 1994 г. многовариантные прогнозы развития минерально-сырьевой базы нес] ти, газа и добычи УВ по основным НГБ России переданы в Роскомнедра и был использованы для обоснования концепции развития отрасли.

По результатам исследований опубликовано более 50 работ, отражаюпш основное содержание диссертации.

КРАТКАЯ ХАРАКТЕРИСТИКА И ОБОСНОВАНИЕ ОСНОВНЫХ ЗАЩИЩАЕМЫХ ПОЛОЖЕНИЙ

1. МОДЕЛИ РАСПРЕДЕЛЕНИЯ РЕСУРСОВ НЕФТИ И ГАЗА ПО МЕСТОРОЖДЕНИЯМ РАЗНОЙ КРУПНОСТИ, СТРУКТУРА ИХ

• ОТКРЫТИЙ ПО МЕРЕ ОСВОЕНИЯ РЕГИОНОВ

Фундаментальные исследования В.А.Бакирова, М.Д.Белонина, Н.И.Буялова А.М.Волкова, В .Я.Воробьева, В.И.Демина, Л.Г.Каретникова, А.Э.Конторовича О.С.Краснова, Н.А.Крылова, М.С.Моделевского, В.И.Назарова, В.Д.Наливкина И.И.Нестерова, Г.П.Сверчкова, Ю.Н.Швембергера, В.И.Шпильмана, Дж.Кауфмана Дж.Шуинмайера, М.Хабберта и др., выполненные в области нефтегеологаческоп моделирования на базе обобщения огромного фактического материала на ЭВМ привели к значительным успехам в теории и пракгаке геолого-экономическоп прогнозирования. В результате, наряду с совершенствованием традиционных мето дов геологического прогноза, возникли новые постановки задач качественной и ко личественной оценки параметров нефтегазоносности геологических объектов раз ного масштаба и степени изученности, в которых роль экспертных суждений сведена к минимуму. Были поставлены и предложены методы решения принципиальнс новых задач, связанных с оценкой геологической структуры ресурсов и ее измене ния во времени, т.к. появилась возможность выразить функционально параметрь богатства недр через геологические переменные - критерии нефтегазоносности строить вероятностные модели распределения ресурсов по крупности УВ скопле ний и на этой основе моделировать процесс открытий - основу долгосрочного пла нирования работ на нефть и газ.

Построение моделей распределения ресурсов по УВ скоплениям разной круп ности и динамики их выявления опирается на ряд принципиальных положений

искуссионность которых очевидна. Это касается как самих понятий "УВ скопле-ие" и "объект оценки", так и выбора вида функции, адекватно описывающей рас-ределения УВ скоплений в природе, методов идентификации параметров распре-елений, способов моделирования ожидаемых открытий.

Так, разные авторы без особого обоснования в качестве единичного УВ скоп-ения рассматривают залежь, группу залежей (принадлежащих одному месторождению в оцениваемом нефтегазоносном комплексе) или месторождение, в целом. В :ачестве объекта оценки выступают начальные ресурсы УВ (иноща нефтяные и азовые отдельпо) крупных территорий, под которым подразумевается нефтегазо-юсная провинция в целом (часто просто крупный регион), либо ее части в плане нефтегазоносные области, районы) или в разрезе (НГК, интервалы глубин). В :аждом случае говорится о построении генеральной совокупности УВ скоплений.

Для описания частоты встречаемости УВ скоплений разной крупности исполь-овалпсь законы распределения: лошормальный, экспоненциальный, показательней, Гамма, Ципфа, Парето и др. Каждое из распределений является отражением :опкретной геологической гипотезы, которой придерживался автор расчетов и со-)тветствуюших прогнозов. Надежным критерием достоверности последних является ■олько практика - реальные результаты геологоразведочных работ.

Исторически сложилось так, что вначале, по аналогии с распределениями уже )ткрытых месторождений (залежей), предпочтение отдавалось логнормальному загону (Дж.Кауфман, 1963 и др.). Однако, в дальнейшем стало ясно, что эмпириче-;кие распределения фактических открытий зависят от "величины геологоразведоч-юго фильтра" (В.И.Шпильман, 1972) и экономических причин, приводящих к усе-гению разведочной выборки слева. Так, повышение мировых цен на нефть и газ в 1975 г. привело к тому, что многие непромышленные объекты из числа ранее вы-I пленных стали рентабельными. И как следствие, модальные размеры зафиксиро-$анных открытий стали значительно ниже (Дж.Шуинмайер и др., 1983).

Сейчас по данным статистической отчетности уже доказано, что распределения лтсрытых месторождений в хорошо изученных бассейнах мира имеют явно амо-(альный характер (М.С.Моделевский, 1979; А.Э.Конторович и др., 1981). При этом количество мелких учтенных месторождений, несмотря на определенную недораз-¡еданность недр, достигает песколько сотен, а доля УВ ресурсов, приходящихся на {елкие и мельчайшие скопления, оценивается в 0.3-0.4 НСР.

Впервые амодальный характер природных распределений УВ скоплений, под оторыми подразумевались залежи, был обоснован В.И.Шпильманом (1972), нред-гажившим для их описания закон Ципфа с плотностью вероятностей:

Ф(Ч) = Ч 0>

На базе этого распределения даны удобные и простые процедуры расчетов сновных характеристик структуры ресурсов.

Прогноз будущих открытий предлагается осуществлять путем задания па{ метров геологоразведочного фильтра (у), который настраивается на выявление : лежей с запасами q>y. В то же время фильтр не является абсолютным разделит лем: всеща существует вероятность пропуска залежей с Таким образом, обе щенная характеристика фильтра, хорошо объясняя структуру разведочной выбор» не является надежным инструментом доя ее моделирования.

Мало того, распределение (1) предполагает, что для любого бассейна часто встречаемости залежей с определенными запасами всеща обратно пропорциональ; квадрату этих запасов, что неминуемо приводит к существованию "эквивалента! классов". Данные Н.А.Калинина (1979) и результаты собственных исследован! показывают, что распределения ресурсов в нефтегазоносных бассейнах мира ра личны и не могут быть описаны единой детерминированной функцией, а отсюд оказывается дискуссионным и вывод о существовании эквивалентных классов строго фиксированных границ между ними для любого объекта оценки.

В связи с последними замечаниями более универсальным представляется уа ченное распределение Парето, предложенное А.Э.Конгоровичем и В.ИДемины (1977,1979):

ф(Я,х) = С[1/ЧМ/(уО)х] (2)

0^о<я<у<3, 0<у<1, х>1 ще д- геологические запасы УВ скопления, х - параметр, С - нормирующий мне житель, <3- учтенные начальные геологические ресурсы объекта оценки, qo - запас] замыкающего УВ скопления, учитываемые в оценке (2; [до, уС>] - область задани функции.

Для оценки параметров распределения (2) требуется знание (2, qo, у и доли ре сурсов г, сконцентрированных в месторождениях с запасами q>qz. Возможные зна чения пар {С,х} отыскиваются методами направленного перебора на ЭВМ. Кажда: из полученных пар равноправна в рамках ограничений, т.е. принятых значений О до, у и г.

Точность оценки О; зависит от выбранной методики геологического прогаози рования (выбора эталонов, обоснования геологических аналогий и др.), стелет разведанности начальных ресурсов. Вопрос о величине qo практически нище н< обсуждается. В то же время принимается (по умолчанию), что сумма запасов все; УВ скоплений, начиная с qo и выше, составляет оценку <3.

Для корректной оценки значений у и г требуется высокая изученность ресур сов, знание размеров крупнейшего месторождения. Прогноз размеров крупнейши; месторождений в зависимости от различного набора геологических параметре рассмотрен в работах И.И.Нестерова и др., 1975; Л.Ф.Иванхо, 1976 В.И.Шпильмана, 1982 и др. Практика показала лучшую сходимость результате

прогноза размеров крупнейших месторождений с фактом по моделям, предложенным М.Д.Белониным (1984).

В силу большой неопределенности исходных данных, точность моделирования структуры ресурсов по данной методике невысокая, тем более что выбор окончательной модели распределения из числа возможных (смоделированных) предлагается осуществлять экспертным путем по критерию: в моделируемой структуре ресурсов число УВ скоплений в каждом классе крупности должно быть не ниже фактически открытых. Такой критерий представляется недостаточно сильным, т.к. ему удовлетворяет множество решений.

Для прогноза ожидаемых открытий А.Э.Конторовичем и др.(1982) предложены регрессионные модели, которые рекомендуется строить для каждого класса месторождений по динамике фактических открытий в регионе. Очевидно, такой подход требует либо хорошей разведанности объекта оценки, либо использования моделей, построенных по хорошо разведанным бассейнам (по аналогии).

Практика показала, что методика А.Э.Конторовича и В.И.Демина является достаточно гибкой и, используя небольшой объем исходных данных, может считаться оптимальной для построения моделей распределения УВ ресурсов слабоизучен-ных территорий.

Исследования автора настоящей работы в методическом плане развивают рассмотренные выше идеи применительно к частично разведанным бассейнам, подтверждены практикой ГРР в разных регионах России и позволяют рекомендовать: 1. В качестве объекта оценки должны выступать направления работ (Н.А.Крылов, 1982), по которым в Комплексных проектах ГРР планируются объемы работ и приросты запасов. Это могут быть мелкие бассейны (например, бассейны Дальнего Востока), нефтегазоносные области, районы (в Тимано-Печорской провинции, Западной Сибири), нефтегазоносные комплексы (Днепровско-Доненкая впадина, Прикаспий). Ресурсы нефти и газа (геологические) в пределах объекта оценки рассматриваются в целом, без дифференцирования по площади и разрезу. Предполагается, что объект оценки имеет единое геологическое строение и осваивается (или будет осваиваться) по единой методике при сгущающей стратегии поисков.

2. За элементарное УВ скопление следует принимать месторождение (либо его часть, включающую группу залежей, принадлежащих объекту оценки). Использование в качестве единичного УВ скопления залежей не рекомедуется: во-первых, для залежей трудно найти корректную процедуру моделирования ожидаемых открытий, так как вероятности выявления залежей разпой крупности не всегда подчиняются концепции "геологоразведочного фильтра" (например, при открытии многозалежных месторождений); во-вторых, - статистические данные по числу и динамике открытия залежей имеют меньшую достоверность, чем аналогичные дан-гае по месторождениям.

3. Оптимальное описание распределения начальных УВ ресурсов по месторо; дениям разной крупности достигается построением гистограммы, в которой облас задания распределения и границы классов внутри этой области подбираются таы образом, чтобы число и средние размеры месторождений в каждом классе соотве ствовали естественному разбиению на классы разведочной выборки. Распределен) НСР считается построенным, если имитация открытий на его основе хорошо с тасуется с числом, размером и последовательностью реальных открытий в рсга не. Окончательный вид распределения - таблица, в которой каждый класс кру] ности имеет аналог в природе, а моделируемая на этой основе динамика открыта отражает реальный геологоразведочный процесс (табл.1).

Структура прошозных ресурсов получается вычитанием из структуры НС фактически открытых месторождений. Моделирование открытий на основе стру! туры прогнозных ресурсов используется в дальнейшем для обоснования показа« лей долгосрочных программ наращивания минерально-сырьевой базы нефти и raj в регионе.

Метод построения распределений НСР и имитационных моделей открытий рас сматриваются ниже.

2. МЕТОДИКА МОДЕЛИРОВАНИЯ РАСПРЕДЕЛЕНИЙ УВ РЕСУРСОВ, УЧИТЫВАЮЩАЯ ДИНАМИКУ ФАКТИЧЕСКИХ ОТКРЫТИЙ И ГУСТОТУ ПОИСКОВЫХ СЕЙСМОПРОФИЛЕЙ В РЕГИОНЕ

Как показывает практика работ на нефть и газ, наиболее крупные открыта приходятся на ранние стадии освоения регаонов (И.И.Нестеров, В.В.Потеряева i др., 1975; В.И.Шпильман, 1972 и др.). И объясняется это тем, что крупные место рождения являются просто большими "мишенями", которые выявляются даже npi редкой сети поисковой геофизики. Последнее обстоятельство не означает, чтс вместе с крупными месторождениями в регионе не открываются мелкие. Так, в XII пятилетке (1986-1990 гг.) в Тимано-Печорской провинции открыто 76 месторождений, из которых лишь 3 месторождения имели извлекаемые запасы нефти свыше 30 млн.т, в то время как 36 открытий оценивались в 0.5 млн.т и ниже. Однако, тенденция снижения средних размеров открытий по мере освоения регаонов очевидна.

Поисково-разведочные работы можно рассматривать как процесс выбора месторождений из их генеральной совокупности без возвращения. Если допустить тесную корреляцию между запасами месторождений и размерами их структур в плане, то согласно теории геометрических вероятностей можно принять:

1) вероятность очередного открытия по величине запасов пропорциональна доле неоткрытых ресурсов, принадлежащих каждому классу крупности в распреде-

Модель распределения геологических ресурсов СВ Сахалина и динамики их выявления (суша)

Параметры _ Всего В том числе по классам крупности

0.1-0.5 0.5-2.0 2.0-8.0 8.0-16.1 16.1-50.9 >50.9

Средний размер месторождений, млн.тУТ Число месторождений Ресурсы, млн.тУТ Число месторождений Ресурсы, млн.тУТ 1.16 1065.4 1233.4 1008.4 578.1 0.21 Распред 835.1 175.4 Распре; 822.1 172.7 1.0 еление нач 161.2 161.2 хеление пр( 150.2 150.2 10.7 альных рес 34.4 147.8 эгаозных ре 25.4 101.5 4.2 урсов 18.7 200.2 :сурсов 8.7 93.3 27.7 12.9 358.0 1.9 53.7 61.7 3.1 190.8 0.1 6.7

Результаты имитации открытий а) Фактических:

I этап (14 месторождений)

II этап (14 месторождений)

III этап (14 месторождений)

IV этап (15 месторождений)

Модель, млн.тУТ 248.5 185.7 121.9 91.4

Факт, млн.тУТ 252.5 184.7 123.7 94.4

Всего - 57 месторождений б) Ожидаемых:

I этап -

II этап -

III этап -

9.9 46.05 9.9 40.75 9.8 = 30.2

12 18 18 0.7 + 2.8 + 7.5 + 13.65

647.5

1.3 0.8 0.02

655.3

+ ■

3.0

1.4

20.5 0.5

■ + -

0.9 0.01

__ 10 го _

= 0.65 + 3.0 + 8.3 + 15.1 + 13.2 3.5 12 _18_ _П 02 0.75 + 3.2 + 7.45 + 12.2 + 6.0 + 0.6

0.5 0.01

лении месторождений по запасам (если такое распределение известно или можно построить);

2) вероятность открытия месторождений разной крупности является функщ густоты сейсмопрофилей, конкретных размеров и ориентировки месторожденш плане.

Именно поэтому для моделирования распределений начальных ресурсов нес) и газа, динамики открытий предлагаются два независимых подхода. Один из I базируется на развитии идей В.И.Шпильмана, А.Э.Конторовича и В.И.Деми Дж.Кауфмана и др. и для частично разведанного бассейна сводится к описан распределения ресурсов гистограммой, на основе которой осуществляется моде1 рование открытий. Альтернативный метод опирается на анализ плотности сс поисковых сейсмопрофилей и размеров фактических открытий.

Очевидно, что решение одних и тех же задач независимыми методами пoзвoJ ет сделать окончательные прогнозы более правдоподобными.

Методика описания распределений НСР по месторождениям разной крупное

вательных операций:

1. Разведочная выборка ранжируется по величине геологических запасов с крытых месторождений. Близкие по запасам месторождения объединяются в кла сы крупности, число и средние размеры которых задают классы месторождений природе.

Процедура имеет решающее значение при моделировании распределений ме торождений, адекватных существующим в природе, и определяет корректное всех дальнейших расчетов на их основе. Дело в том, что в каждом регионе мест рождения группируются в "свои" классы крупности, размеры и соотношения кот рых предопределяются дискретным распределением локальных структур и ловупк по размерам (ВД.Наливкин, 1972). Использование в этих условиях стаццартнь классов, как это сейчас принято, приводит к искажению структуры ресурсов и г геолого-экономической оценки, т.к. последняя сильно зависит от размеров месте рождений.

2. Строится распределение НСР по месторождениям разной крупности е основе усеченного распределения Парето (А.И.Конторович, В.И.Демин, 1979). Пр этом область задания функции и границы классов внутри этой области подб! раются таким образом, чтобы число классов и средние размеры месторождений них соответствовали естественному разбиению на классы фактических открытий.

3. Полученное распределение начальных геологических ресурсов "настраивав' ся" на динамику фактических открытий в регионе. Для этого распределение НС] полученное в п.2, используется для моделирования разведочной выборки в цели При этом имитация очередного открытия рассматривается как процедура выбо{ месторождений из генеральной совокупности (без возвращений) методом Монте

Карло с вероятностью открытия определенного размера, равной доле ресурсов в выделенных классах крупности. В процессе моделирования запасы "открытого месторождения" вычитаются из структуры ресурсов, и вероятности очередного открытия по размеру пересчитываются.

Результатом моделирования является величина и структура выявленных запасов, в т.ч. общее количество "открытых" месторождений, их запасы, распределение месторождений и запасов по классам крупности.

Сравнение полученных результатов с фактическими открытиями позволяет оценить адекватность имитационной модели результатам реального геологоразведочного процесса. Если структура моделируемых и фактических открытий оказывается достаточно близкой (экспертная оценка), распределение НСР по месторождениям разной крупности считается "настроенным" по разведочной выборке в целом.

На практике имитируемые и фактические открытия на начальных стадиях моделирования совпадают редко (даже если число классов и средние размеры месторождений в модели и по факту одни и те же): либо фактически вявленные запасы "открываются" меньшим числом более крупных (чем по факту) месторождений, либо в процессе моделирования фактически открытых месторождений дополнительно "открывается" большое количество мелких месторождений. В первом случае это объясняется тем, что в моделируемой структуре крупных месторождений больше, чем реально существует в природе; во втором завышением в структуре ресурсов числа мелких месторождений.

"Настройка" распределения по разведочной выборке в целом осуществляется методом проб и ошибок путем "переливания" ресурсов из класса в класс до тех пор пока результаты имитации не совпадут с фактом.

Общее число месторождений в структуре НСР (оценка их возможной плотности в районе) может служить дополнительным критерием надежности выполненных построений и выводов.

В качестве примера в табл.2 приведена структура НСР Хорейвер-Мореюсской НГО Тимано-Печорской провинции, которая была смоделирована для обоснования планов ГРР в провинции на ХП пятилетку.

В случае большого объема разведочной выборки (более 25 месторождений) целесообразно разделить месторождения на группы, характеризующие временные этапы ГРР в регионе. Моделирование открытий по выделенным этапам позволяет оценить адекватность имитационной модели динамике геологоразведочных работ в прошлом. Хорошее совпадение результатов моделирования с фактом (см.табл.1), позволяет утверждать, что построенное распределение и модель открытий хорошо настроены на динамику геологоразведочного процесса.

Практика показывает, что очень часто динамика открытий по модели и факту не совпадает. И если принять, что стратегия поисков в регионе отвечает принятой

Модель распределения НСР в Хорейвер-Мореюеской НГО Тимано-Печорской провинции, по состоянию на 1.01.1986 г.

Всего в том числе по классам крупности

0.1-5 5-19 19-104 104-190 >190

Ср. размер место- 5.8 0.8 9.8 44.2 138.3 244.1

рождения, млн.тУТ

Число месторожде- 576.3 493.1 46.9 29.3 4.9 2.1

ний

Геологические ре- 3325.1 372.7 459.9 1295.5 677.1 519.9

сурсы, млн.тУТ

Модель фактичес- 22.3 2.8 4.8 9.2 3.5 2.0

ких открытий Фактические открытия 1430.0 23 2.1 _5_ 3.2 47.1 4 406.5 8 486.0 4 488.2 2

1441.0 38.9 354.5 556.2 488.2

Таблица

Модель распределения прогнозных ресурсов и структуры ожидаемых открытий в Хорейвер-Мореюсской НГО Тимано-Печорской провинции, по состоянию на 1.01.1986 г.

Всего в том числе по классам крупности

0.1-5 5-19 19-104 104-190 >190

Ср. размер место- 3.4 0.8 9.8 44.2 138.8 244.1

рождения,млн.тУТ

Число месторожде- 544.1 488.9 42.9 21.9 0.9 0.1

нии

Геологические ре- 1884.1 369.5 421.0 941.0 120.0 31.6

сурсы, млн.тУГ

Имитация будущих 39.4 11.6 10.1 16.6 0.9 0.1

открытий 994.5 9.3 99.0 733.7 120.9 31.6

Реальные открытия 40 12 14 11 3

XII пятилетки 1049.4 9.6 137.2 486.2 416.4 -

(1986-1990гг)

в модели вероятности открытий, то наиболее вероятная причина расхождения результатов моделирования с фактом - неверные (часто завышенные) оценки величины НСР, принятые для расчетов.

В последнем случае весь цикл моделирования повторяется при различных значениях НСР (направленный перебор) до совпадения результатов имитации с фактом. Полученное при этом распределение НСР по месторождениям разной круп ности, как и сама оценка величины ресурсов, считаются верными.

Таким образом, предлагаемая методика позволяет не только строить распределение НСР по месторождениям разной крупности, но (при достаточно большом объеме разведочной выборки) и корректировать сами оценки начальных ресурсов нефти и газа.

4. Распределение прогнозных ресурсов получается вычитанием из структуры НСР фактически открытых месторождений и служит базой для моделирования ожидаемых открытий (табл.3).

ожидаемых открытий базируется на идеях "геологоразведочного фильтра".

Поскольку размеры структур обычно коррелируются с величиной запасов открываемых на них месторождениях, вероятности открытия месторождений можно оценить путем анализа густоты сейсмопрофилей, размеров проекций месторождений в плане и их ориентировки относительно существующих систем профилей.

Рассмотрим простой случай: расстояние между параллельными сейсмопрофиля-ми равно h, а проекция месторождения в плане описывается кругом диаметром d (рис.1). В этом случае, вероятность подсечения месторождения (а тем более структуры, которая как правило больше контура месторождения) хотя бы одним из профилей оценивается как p=d/h (при d<h) или р=1 (при d>h).

Более корректно описывать проекции месторождений в плане эллипсом с полуосями "а" и "Ь". В этом случае вероятность подсечения эллипса хотя бы одним профилем оценивается как отношение проекции эллипса R на линию L к расстоянию между профилями (см. рис.1). Решение задачи сводится к классической задаче из теории геометрических вероятностей - задаче Бюффона.

Обычно, структура считается выявленной при одновременном пересечении ее двумя взаимно перпендикулярными сейсмопрофилями. В этом случае искомая вероятность является произведением вероятностей подсечения структуры каждой из систем сейсмопрофилей.

При решении практических задач следует учитывать неравномерную изученность оцениваемой территории поисковой геофизикой, варьирующие размеры месторождений одного и того же класса крупности, наконец, вполне определенную ориентировку (простирание) складчатых структур.

Именно поэтому в обсуждаемой методике, реализованной на IBM PC, реальпые значения исходных данных задаются в интервально-вероятпостной форме. Для описания распределений предусмотрены законы Гаусса, треугольный, равномерный и гистограммы, а имитационное моделирование использует процедуры метода Монте-Карло.

Таким образом, в рассматриваемой методике предполагаются заданными: .

1. Сеть поисковых сейсмопрофилей, которой выявлены все структуры, впоследствии оказавшиеся месторождениями.

Рис.1 Оценка вероятностей нодсечения структуры системой

параллельных сейсмопрофилей h - расстояние между сейсмопрофилями; d - диаметр круга;

а,Ь - полуоси (а>Ь) эллипса с центром в (.) М;

а - угол между большой полуосью эллипса и линией L, перпендикулярной

к системе сейсмопрофилей;

hid - проекция центра эллипса на линию L;

/ 2 2 2 • 2 R - 2V a COS а + Ь sin а - проекция эллипса на линию L;

N - число имитаций;

n¡ - число "удачных" имитаций:

если R>h, то rij-l (структура пересекается хотя бы одним

сейсмопрофилем),

если R<h, то

11, если hm<R или (h-hm)<R

«i=<

) 2, во всех других случаях

2. Разведочная выборка открытых месторождений, в т.ч. запасы месторождений и размеры полуосей эллипсов, которыми аппроксимируются проекции в плане от крытых месторождений.

3. Ориентировка структур относительно сети сейсмопрофилей.

Тоща, процедура моделирования распадается на ряд последовательных проце дур:

1. По величине запасов все открытые месторождения разбиваются на природ ные классы крупности, для каждого из которых оцениваются размеры проекций плане.

2. Вычисляется вероятность открытия месторождения из каждого класса крупности по заданной сети сейсмопрофилей (методика описана).

3. Строится распределение НСР по месторождениям разной крупности:

- число месторождений в каждом классе определяется делением количества фактических открытий на рассчитанную вероятность их обнаружения,

- начальные ресурсы в каждом классе оцениваются путем умножения числа месторождений в структуре НСР на их средние запасы. Сумма ресурсов по всем классам представляет оценку величины НСР рассматриваемого объекта в целом.

4. Распределение прогнозных ресурсов получается вычитанием из структуры НСР фактически открытых месторождений.

5. Рассчитываются вероятности новых открытий при планируемой густоте сейсмопрофилей.

6. Оценивается структура ожидаемых открытий путем умножения числа месторождений по классам крупности в структуре прогнозных ресурсов на соответствующие им вероятности открытий.

Критерием надежности результатов моделирования могут служить:

1. Хорошая сходимость результатов моделирования с существующими оценками НСР, полученными другими методами;

2. Наличие фонда структур, оценки которых не противоречат моделируемой структуре ожидаемых открытий.

В качестве примера в табл.4 приводится модель структуры ресурсов и динамики их выявления в Хорейвер-Мореюсскон НГО Тимано-Печорской провинции, построенная в 1986 г. па основе описанной методики. Проекции месторождений в плане описываются кругами.

Анализ табл.3 и 4 показывает хорошую сходимость результатов моделирования ожидаемых открытий между собой и с фактическими результатами работ в регионе в ХП пятилетке. В то же время смоделированная величина НСР = 4141 млн.тУТ (см. табл.4) превысила утвержденную на 1.01.1984 г. оценку НСР Хорейвер-Мореюсской НГО (см. табл.2) на 816 млп.тУТ, т.е. почти на 25%. После успешных ГРР в ХП пятилетке, утверждепная на 1.01.1993 г. оценка НСР этой территории достигла 5830.9 млн.тУТ (в т.ч. по Хорейверской НГО 3113.2 млн.тУТ, по Варан-дей-Адзьвинской - 2117.7 млн.тУТ). Дапные имитационного моделирования, выполненные с учетом результатов работ до 1992 г. включительно, оценивают геологические ресурсы ниже 4500 млн.тУТ. Последнее обстоятельство позволяет считать оценку НСР рассматриваемого региона в интервале 4150-4500 млн.тУТ наиболее правдоподобной.

Таким образом, для оценки величины НСР, их распределения по месторождениям разной крупности и прогнозирования структуры ожидаемых открытий предлагаются два независимых подхода, отличающиеся как эмпирической базой, так и

Модель структуры ресурсов и динамики их выявления в Хорейвер-Мореюсской НГО Тимаио-Печорской провинции (использованы данные о фактических открытиях и плотности сейсмопрофилей в НГО на 1.01.1986 г.)

Всего В том числе по классам крупности

0.1-5 5-19 19-104 104-190 >190

Реальные открытия при 23 5 4 8 4 2

сети поисковых сейсмо- 1441.0 3.2 38.9 354.5 556.2 488.2

профилей 15x15км

Ср. запасы месторожде- 62.5 0.64 9.7 44.3 139.0 244.1

ний, млн.тУТ

Ср. диаметры проекций 1.5 3.0 7.5 11.5 15.0

открытых месторожде-

нии в плане, км

Вероятность открытия 0.01 0.04 0.25 0.59 1.0

при сети 15x15 км

Структура НСР

Число месторождений 640.8 500 100 32 6.8 2

Геологические ресурсы, 4141.0 320.0 970.0 1417.6 945.2 488.2

млн.тУТ

Струкл ■ура прогао зных ресурсов

Число месторождений 617.8 495 96 24 2.8 -

Геологические ресурсы, 2700.0 316.8 931.1 1063.1 389.0 -

млн.тУТ

Структура ожидаемых открытий

(при сети 10x10 км)

Вероятность открытий 0.0225 0.09 0.5625 1.0 1.0

Число месторождений 36 11.1 8.6 13.5 2.8 -

Запасы, млн.тУТ 1077.9 7.1 83.8 598.0 389.0 -

Реальные открытия в АП 12 1А 11 ч _

XII пятилетке 1049.4 9.6 137.2 486.2 416.4

* Расчет для класса месторождений 19-104 млн.тУТ:

1. Вероятность подсечения месторождения сеткой 15x15 км: р = (7.5/15)2 = 0.25

Число месторождений в структуре НСР = 8/0.25 = 32

2. Вероятность подсечения месторождения сеткой 10x10 км: р = £7,5/10)2= 0.5625.

Число месторождений, которое будет выявлено при сгущении сета до 10x10 км = (32-8) х 0.5625 = 13.5

процедурами анализа и обобщения исходных данных. Оба метода, опираясь на анализ геологического богатства недр, историю динамики освоения, опыт и интуицию экспертов, позволяют строить имитационные модели, на основе которых возможна корректная экономическая оценка УВ ресурсов и показателей эффективности их освоения в будущем.

3. МЕТОДИКА ЭКОНОМИЧЕСКОЙ ОЦЕНКИ ЗАПАСОВ И РЕСУРСОВ НА ОСНОВЕ АНАЛИЗА КОНКРЕТНЫХ ИНВЕСТИЦИОННЫХ ПРОЕКТОВ

В настоящее время большинство нефтегазоноспых бассейнов на территории России находится в зрелой стадии освоения, когда большинство крупных месторождений уже открыто, введено в разработку, многие из них - на завершающей стадии освоения. Для поддержания добычи в разработку вводятся все более мелкие объекты. Прирост запасов вдет за счет открытая преимущественно небольших месторождений, часто сложного строения, на больших глубинах, в труднодоступных и неосвоенных районах. Все это приводит к резкому удорожанию работ, росту себестоимости УВ сырья.

В этих условиях экономические оценки запасов и ресурсов УВ, учитывающие сложившиеся законодательные, налоговые, финансовые и организационные условия производства работ, вероятностный характер результатов и риск возможных потерь приобретают первостепенное значение в планировании на разных уровнях управления геологоразведочной и добывающих отраслей.

Все задачи, связанные с экономической оценкой геологических объектов разного масштаба и изученности, по степени неопределенности исходных данпых для расчетов можно разбить на три класса:

1. Экономическая оценка месторождений (залежей, их частей, отдельных эксплуатационных скважин), находящихся или подготовленных к разработке.

2. Экономическая оценка плохо разведанных месторождений, выявленных и подготовленных структур.

3. Экономическая оценка прогнозных ресурсов крупных территорий и показателей эффективности их освоения во времени.

Очевидно, что неопределенность экономической оценки должна возрастать по мере укрупнения объектов оценки и глубины прогнозов во времени. В связи с этим набор критериев эффективности и сами методы их оценки должны сообразовываться с точностью исходных данных и той практической потребностью, для которой результаты экономической оценки используются.

3.1. Экономическая оценка месторождений

Решение проблемы сводится к оценке реальных инвестиционных проектов раз работки месторождений на базе анализа денежных потоков, возникающих в про цессе их реализации. Формальная математическая модель такого подхода широи известна (И.Е.МецШ, 1981, 1984,1985; РХШе\уеп<1огр, 1975 и др.).

Анализ начинается с построения инвестиционного (выходного) и возвратногс (входного) денежных потоков. Первый из них включает стартовые бонусы, капи тальные затраты в разработку по годам вложения, в том числе на эксплуатационное бурение, внутрипромысловое обустройство, на развитие инфраструктуры и др Входной денежный поток представляет собой алгебраическую сумму валового дохода от продажи добытого УВ сырья, текущих эксплуатационных затрат, налогов Сумма инвестиционного и входного денежных потоков образует чистый денежный поток, па базе которого и рассчитываются все показатели эффективности проектов разработки.

Следует отметить, что основные капиталовложения в разработку приходятся на первые годы реализации проектов (до получения продукта). После вложения начальных инвестиций дня реализуемого проекта разработки практически нет пути для маневра (его корректировки). И единственная возможность вернуть затраченные деньги и получить на них прибыль связывается с последующей добычей и реализацией УВ на рынке. Процесс получения прибылей растягивается на многие годы.

Отсюда ясно, что корректное формирование денежных потоков и их анализа требует учета:

1. Всех затрат и прибылей,

2. Источников финансирования (собственные средства, реинвестирование прибылей, кредиты),

3. Возможной динамики цен на УВ сырье по мере реализации проекта,

4. Инфляции,

5. Рисков возможных потерь, связанных с неточностями геологической модели месторождения, просчетами в проектировании разработки (например, года начала добычи УВ сырья), политической и экономической нестабильностью страны в целом.

Единой меры эффективности, которая бы учитывала все факторы инвестиционных проектов и условия их реализации, пока нет и вряд ли такая мера может быть построена в принципе.

Именно поэтому для оценки, сравнения и ранжирования альтернативных инвестиционных возможностей предлагается большое количество критериев, которые грубо можно разделить на "безрисковые" и "рисковые".

Наиболее значимыми безрисковыми критериями эффективности инвестиционных проектов являются:

1. Величина капиталовложений (до и после учета налогов),

2. Чистая прибыль от реализации проекта,

3. Величина чистой прибыли па рубль затрат (инвестиций),

4. Продолжительность проекта и срок его окупаемости (от начала добычи или стартовых затрат),

5. Чистая приведенная прибыль - сумма чистого денежного потока, дисконтированного с фиксированной нормой прибыли (¡о) к То- году начала добычи (или проекта в целом),

6. Внутренняя скорость возврата капитала - порма дисконтирования, при которой чистая приведенная прибыль равпа нулю,

7. Реальная скорость возврата капитала - ожидаемая норма прибыли на капитал, если прибыль, получаемая от реализации данного проета, сразу же реинвестируется в новые проекты со средней ожидаемой нормой прибыли (¡о),

8. Годовой выигрыш на капитал - фиксированная сумма денег, которая ежегодно может изыматься из будущих денежных возвратов при условии, что остающаяся прибыль по мере ее поступления реинвестируется в новые проекты с 1о и тем самым покрывает начальные инвестиции и обеспечивает норму прибыли на капиталовложения, равную средней ожидаемой норме прибыли.

Каждый из перечисленных показателей, характеризуя определенные аспекты инвестиционных проектов разработки и движения капитала, имеет свои преимущества и недостатки (ограничения). Важно понимать смысл каждого показателя, умело использовать его при принятии плановых решений.

Рассмотрим один из приведенных показателей - чистую приведенную прибыль (КРУ). По определению, позитивная оценка КРУ означает, что инвестиции в проект обеспечивают скорость возврата капитала, равную средней ожидаемой прибыли плюс дополнительную сумму денег (сверхприбыль), равную величине КРУ на То. Очевидно, чем выше КРУ, тем лучше проект (при прочих равных условиях).

Сумму денег, равную КРУ, можно дополнительно вложить в данный проект в год То и все же сохранить норму прибыли на капитал, равную ¡о- Последняя в этом случае будет оценкой внутренней нормы прибыли проекта.

Из сказанного очевидно, что КРУ может быть оценкой цены (стартового бонуса) проекта разработки на торгах.

В то же время следует понимать, что величина КРУ зависит от денежного потока, его интенсивности и продолжительности, от принятой нормы дисконтирования.

Выбор оптимальной нормы дисконтирования, оценивающей ожидаемую среднюю прибыль предприятия на будущие реинвестиции - задача непростая. Реальная норма прибыли имеет две составляющие: минимально необходимую норму прибы-

ли на инвестиции плюс риск. Номинальная норма прибыли должна включать I инфляцию. Прогнозы инфляции и рисков возможных потерь не бывают точными Именно поэтому выбор величины средней ожидаемой прибыли в будущие проекть включает элемент неопределенности и является прерогативой высшего руководств; фирмы.

Но даже если неопределенность, связанная с инфляцией и риском, оценена, этс еще не значит, что ее следует включать в оценку ИРУ, так как выбор наибольших ¡о не всегда будет оптимальным: на практике может случиться так, что в будущем } предприятия не окажется возможности реинвестировать прибыли в новые проекть; с высокой внутренней нормой прибыли (таких проектов просто может не быть).

Мало того, два альтернативных проекта могут иметь близкие значения ИРУ в отличаться начальными инвестициями и/или вероятностью возможных финансовых потерь. Очевидно, что в таких случаях стремление выбирать проект с максимальным КРУ вряд ли будет оптимальным, особенно если имеются ограничения на свободный капитал, потеря которого грозит банкротством.

Не совсем подходящим критерием эффективности является КРУ и для оценки проектов с долгим сроком их реализации при ограниченных возможностях вложения капиталов в новые высокодоходные проекты в будущем. Для этого достаточно вспомнить, что фактор дисконтирования сводит к нулю денежный поток по мере увеличения времени его получения.

Таким образом, оценка и использование ИРУ для принятия решений вызывает цепную реакцию проблем, решение которых требует совместного анализа большого количества показателей эффективности, в том числе учитывающих неопределенность исходных данных и риск возможных потерь.

В связи со сказанным выше, вызывает сожаление, что в законе РФ "О нефти и газе" (1993 г.) налог на прибыль предлагается устанавливать в зависимости от значения лишь одного показателя - внутренней нормы возврата, которая по определению зависит от мощности и продолжительности проекта, а ее оценка верна лишь в том случае, если вся прибыль но мере ее получения реинвестируется в новые проекты с той же нормой внутренней рентабельности (вспомним, что таких проектов может и не быть!).

В качестве примера в табл.5 приводится экономическая оценка проекта разработки Песчаноозерского месторождения (в ценах конца 1993 г.). Естественно, что эта оценка имеет приблизительный характер (даже при отсутствии инфляции), так как планируемые темпы отбора, затраты и возвраты будут отличаться от фактических. На рис.2 приведены графики зависимости некоторых показателей этого проекта от возможной отпускной цены нефти.

Использование компьютера позволяет проводить "анализ чувствительности" конкретных оценок относительно любых входных данных, существенно влияющих

Экономическая оценка проекта разработки Песчаиоозерского месторождения

Таблица 5

№ п/п Экономические оценки и единицы измерения

Наименование Значение Ед. измерения

1 Год приведения затрат - на НАЧАЛО ПРОЕКТА, Т0 1994 годы

2 Срок окупаемости (с начала разработки), Ро 2.320

3 Начальные инвестиции, I 118679.350 млн.руб

4 Чистая прибыль, NP 263087.290 млн.руб

5 Прибыль на рубль затрат, ROI 2.217 руб/руб затр.

б Срок возврата капитала, ROR 102.370 %

7 Чистая приведенная прибыль, NPV & 15% 93056.680 млн.руб

8 Дисконтированная прибыль на рубль затрат, DPR 1.253 руб/руб затр.

9 Фактическая скорость возврата капитала, iae 21.140 %

10 Годовой доход на капитал, GI 16736.747 млн.руб

11 Скорость возврата, взвешенная на риск, RwROR 53.960 %

Песчаноозерское месторождение

ГРАФИКИ зависимости оценок скорости возврата капитала (ROR); чистой приведенной прибыли (NPU), фактической скорости возврата капитала (iae), годового дохода на капитал (GI) от цены нефти (Coil)

ROR

150. 100. 50 0

? Coil :—«-'__'___f—------

40000* 1 ' 80000

Coil (руб/т)

150000

юоооо...

50000.. 0

(млн.руб) NPU

20000 15000. 10000 5000-

-5000

Рис. 2 Графики зависимостей некоторых оценок инвестиционного проекта разработки Песчано-озерского месторождения от возможной цены нефти

на оцениваемые параметры. Имепно "анализ чувствительности" дает возможность оценить оптимальную норму дисконтирования, размер роялти и др. (при прочих равных условиях).

Неопределенность исходных данных и риск возможных потерь в рассматриваемой методике могут быть учтены разными способами:

1. путем включения риска и инфляции в норму дисконтирования,

2. получением интервально-вероятностных оценок критериев эффективности путем задания исходных данных в вероятностной форме,

3. расчетом ожидаемой чистой прибыли (или любого другого денежного показателя эффективности) от реализации проекта по заданным (рассчитанным) вероятностям возможных исходов и экономических последствий от их осуществления.

При оценках рискованных проектов последний подход представляется предпочтительным, так как позволяет включить риск в л отческую и состоятельную стратегаю принятия решений в условиях неопределенности.

3.2. Экономическая оценка локальных структур и слабо разведанных месторождений

Специфика экономической оценки УВ ресурсов объектов данного класса (соответствующих инвестиционных проектов) заключается в необходимости достижения разумного баланса между "слабой геологией", характеризующей локальную структуру (выявленное месторождение), и потребностью выразить ценность рассматриваемого проекта работ в виде возможных прибылей от его реализации.

В связи с этим в предлагаемой методике:

1. Величина извлекаемых ресурсов (запасов) рассчитывается по формулам объемного метода или задается.

2. Число поисковых и разведочных скважин определяется исходя из опыта ГРР в регионе и задается по годам реализации предполагаемого проекта работ.

3. Темпы годовых отборов моделируются:

а) Первый вариант. По аналогии с хорошо изученными месторождениями региона задаются отборы УВ по скважине по всем годам ее эксплуатации. По этим данным рассчитывается объем добычи, приходящийся на одну продуктивную скважину за время ее работы. Общее число таких скважин получается делением извлекаемых запасов месторождения на величину запасов, приходящихся на одпу скважину. С учетом коэффициента успешности бурения продуктивных скважин оценивается число "пустых" скважин. По аналогии с разрабатываемыми месторождениями (или на основе предполагаемой системы разработки) рассчитывается число нагнетательных скважин, как доля от числа продуктивных. Общее число эксплуатационных скважин - сумма продуктивных, "пустых" и нагнетательных. Время полного разбуривания месторождения определяется делением общего числа скважин на число скважин, бурящихся каждый год (зависит от числа стапков и

скорости бурения). Темпы разбуривания месторождения предопределяют темп ввода месторождения в разработку и величину годовых отборов УВ.

б) Второй вариант. Задастся время работы эксплуатационной скважипы, в т.ч. на постоянном дебите. Начальный рабочий дебит определяется по факту (либо по аналогии с разрабатываемыми месторождениями, либо рассчитывается по регрессионной модели как функция от удельных дебитов и эффективной мощности предполагаемых коллекторов). Конечный дебит работы скважины оценивается исходя из соображений рентабельности работы скважины (из опыта работ). Падение начального рабочего дебита описывается экспоненциальным законом. На базе этих данных строится кривая отбора УВ по скважине, состоящая из участка постоянной и падающей добычи по экспоненциальному закону до минимально рентабельного дебита. По кривой отбора оцениваются извлекаемые запасы, приходящиеся на одну продуктивную скважину. Все последующие рассуждения аналогачны варианту а).

4. Для определения чистого денежного потока в процессе реализации инвестиционного проекта (капиталовложений и возвратов) задаются стоимостные показатели поисково-разведочных работ и разработки, в т.ч. затраты па подготовку структур, поисковое и разведочное бурение, эксплуатационное бурение, обустройство промыслов и на создание инфраструктуры, ожидаемые текущие затраты в разработку, оптовые цены на реализацию добытого сырья, существующие налоги и отчисления.

5. Экономический анализ чистого денежного потока по наборам рассчитываемых характеристик не отличается от оценки инвестиционных проектов для объектов с известными проектами разработки. Для учета временной стоимости денег задается норма дисконтирования капиталовложений и денежных возвратов.

Принципиальное отличие расчетов в данной постановке заключается в том, что все исходные данные для моделирования задаются в вероятностной форме. Для описания вероятностей значений отдельных показателей используются равномерный, треугольный, нормальный, логаормальный законы распределения и гистограммы.

Способ задания исходных данных предопределяет и способ их обработки, для чего широко используются процедуры метода Монте-Карло. Все выходные данные имеют также вероятностную форму представления (рис.3) и характеризуются как правило, математическим ожиданием (средним значением) и доверительным интервалом с заданной доверительной вероятностью.

Поскольку рассматриваемые объекты в процессе опоискования или предварительной разведки могут оказаться "пустыми" структурами (или нерентабельными месторождениями), инвестиционные проекты ГРР на этих объектах связаны с риском экономических потерь равных стоимости затрат на выявление и подготовку структур, их опоискование и предварительную разведку.

Рис. 3 График значений накопленной чистой прибыли (с учетом доверительного интервала)

Одним из путей измерения степени этого риска в геологоразведочных проектах может быть расчет "допустимого числа сухих скважин". Для этого оценивается величина прибыли, получаемая в случае успешпой реализации поекта. Частное от деления этой прибыли на стоимость поисковой скважины и дает оценку возможного числа пустых скважин, которые можно пробурить для открытия ожидаемого месторождения. Предлагаемый показатель может выступать индикатором предпочтения при сравнении между собой разных поисковых площадей.

Однако, наиболее современным числовым критерием для сравнения возможных решений из числа допустимых является оценка ожидаемой чистой прибыли (ЕМУ) - алгебраическая сумма ожидаемой ценности каждого возможного исхода, который может иметь место, если определенное решение (стратешя) будет реализовано (рпс.4а).

Оценка ЕМУ означает среднюю прибыль на решение (помимо прибылей в размере нормы дисконтирования) из достаточно большой серии их реализаций. Последнее замечание является очень важным, т.к. концепция "ожидаемой средней прибыли" предполагает, что фирма, планирующая проведение работ на структуре, достаточно богата, т.е. может одновременно инвестировать несколько подобных проектов, и негативные последствия от разбуривания нескольких структур не приведут к банкротству фирмы.

а)

Ожидаемая чистая прибыль (EMV) р 1=0.3

бурить

■О Месторождение

NPV = 150 млрд. руб 15%

р2=0.7 „„

-£——-о Пустая структура

Loss = ~ 30 млрд. руб

EMV = (NPV) х pi + (Loss) х р2 = = 150 х 0.3 - 30 х 0.7 = 24 млрд. руб

б)

Зависимость EMV от "коэффициента удачи" EMV

Рис. 4 Использование концепции ожидаемой прибыли при оценке инвестиционных проектов

а) Расчет ожидаемой чистой прибыли (ЕМУ)

б) График зависимости ЕМУ от коэффициента удачи

В реальной жизни любая фирма имеет ограниченные денежные средства и/или вынуждена проводить ГРР в регионах с большим риском. В этих условиях, если средства сильно ограничены, фирма просто не может позволить себе их потерю в одном проекте, даже если по концепции ЕМУ решение "бурить" является оптимальным. Чтобы избежать разорения, единственная верная стратегия участвовать в нефтяном бизнесе при малом капитале - иметь долевое участие в большом числе буровых программ, которые могут быть выбраны на основе ЕМУ.

Самостоятельная проблема - оценка риска. В нашем примере это оценка коэффициента удачи, который определяется как отношение числа открытых месторож-

дений к общему числу разбуренных структур. Очевидно, достоверность оценки это го показателя зависит от опыта прошлых открытий.

Пусть, например, в районе в результате опоискования 10 структур открыто ; месторождения. Значит ли это, что коэффициент удачи (куд) равеп точно 0.3?

Если воспользоваться соответствующими таблицами биномиального распреде лення, то с вероятностью 95% окажется, что возможное значепие куд в рассматри ваемом примере находится в интервале от 0.07 до 0.62. Очевидно, такой результа' геолога устроить не может. Для оценки куд с заданной точностью нужна другая вы борка, объем которой легко оценить методом Мопте-Карло. Если выборки большо го объема нет, оценку куд=0.3 следует принимать весьма критически.

В связи со сказанным, при принятии окончательных решений весьма полезнс построение графиков зависимости ЕМУ от куд. Такой график приведен на рис.4б г свидетельствует о том, что рассматриваемый проект представляет экономически! интерес при Куд>0.17. А это зпачит, что окончательное решение по проекту буцет определяться отношением инвестора к риску, наличием альтернативных програм* для вложения капитала.

3.3. Экономическая оценка прогнозных ресурсов

Следует различать статическую и динамическую геолого-экономическую оценку прогнозных ресурсов. Первая - наиболее признанная в России, базируется на модели распределения прогнозных ресурсов по месторождениям разной крупности и дает представление об экономической ценности пока невыявленпых ресурсов в целом. Динамическая характеристика ресурсов опирается на данные моделирования структуры ожидаемых открытий во времени и представляется более интересной, т.к. позволяет не только оценить возможные результаты ГРР и их эффективность по мере освоения ресурсов, но и обосновать необходимые внутриотраслевые пропорции геологоразведочных работ и затрат во времени для достижения этих результатов.

Статическая оценка ресурсов проводится по выделенным в структуре прогнозных ресурсов классам крупности возможных открытий. Для расчетов затрат в поиски и разведку оцениваемых месторождений привлекается дополнительная информация, полученпая из практики работ в регионе (или в аналогичных районах): соотношение нефти и газа в оценках НСР и фактических открытиях, коэффициенты извлечения УВ в процессе эксплуатации месторождений, коэффициенты удачи новых открытий и разведочного бурения; средние глубины, стоимости и количество поисковых и разведочных скважин для опоискования структур и разведки месторождений разной крупности, объемы сейсмики и стоимость геофизических работ на объектах разного размера и др. На основе этих данных легко рассчитывается необходимый объем работ и затрат для полного выявления УВ ресурсов оцепи-

ваемого объекта, в т.ч. показатели эффективности ГРР при подготовке запасов в месторождениях разной крупности.

Экономическая оценка разработки прогнозных ресурсов выполняется для каждого класса крупности по средним запасам месторождений в классе. Исходные данные для этой оценки обосновываются экспертным путем (по аналогии с уже разрабатываемыми месторождениями) с учетом существующей законодательной базы и задаются в вероятностной форме.

Выполненные на этой основе вероятностные оценки экономической значимости ресурсов позволяют выделить ресурсы, освоение которых будет рентабельным при существующей (либо заданной) структуре затрат в освоение и ценах на УВ сырье.

Доля рентабельных ресурсов, их распределение по классам крупности моши бы служить достаточно объективными критериями для ранжирования оцениваемых направлений ГРР и выбора среди них наиболее эффективных с точки зрения получения максимальной прибыли после полного освоения ресурсов.

К сожалению, процесс "полного освоения ресурсов" охватывает огромный временной интервал, явно превышающий разумный горизонт планирования работ на нефть и газ - рубеж, за пределами которого прогнозы не оказывают влияния на принятие решений (планирование) в настоящее время. А это значит, структура затрат во времени до полного освоения ресурсов оказывается неизвестной, непредсказуем и поток возможных прибылей. Отсюда, если учесть временную стоимость денег, оценка прибыли от полного освоения ресурсов лишена смысла. Мало того, на длинном прогнозном пути к полному освоению УВ ресурсов будут меняться методы, технология и техника поисков, разведки и разработки месторождений, изменится инфраструктура региона, будут меняться спрос и цены на УВ сырье и др. А это значит, что иной окажется и доля рентабельных ресурсов и прибыль от их полного освоения.

Вместе с тем, инерционность геологоразведочных работ во времени, большие финансовые вложения, существующий риск во всех функциях и делах требуют создания научно обоснованных долгосрочных программ ГРР по возможным направлениям работ.

Формирование таких программ возможно на базе многовариантных сценариев, рассматривающих геологоразведочный процесс во взаимосвязи со многами отраслями промышленности на многие десятилетия. Неотъемлемым содержанием этих сценариев должны быть обоснованные внутриотраслевые пропорции ГРР во времени, обеспечивающие заданный прирост запасов и необходимый задел для эффективного вложения средств на всю глубину планирования.

Динамические экономические оценки ресурсов базируются на структуре ожидаемых открытий по этапам освоения, методика моделирования которой была рассмотрена выше. По прогнозируемой структуре открытий, используя нормативы на проведение ГРР, для каждого этапа освоения легко рассчитываются объемы поискового и разведочного бурения, сейсморазведки, прироста запасов нефти и газа и

эффективности ГРР. Оценка инвестиционных проектов разработки ожидаемых от крытий может быть выполнена по средним запасам месторождений в каждом клас се крупности (как при статической оценке ресурсов) и позволяет выделить доли рентабельных ресурсов, "открываемых" на каждом этапе моделирования.

Очевидно, что динамические оценки ресурсов требуют предвидения будущего которого никто не знает. Все динамические прогнозы опираются на ограниченна базу данных и знаний и сводятся к построению временпых трендов, описывающи: основные параметры геологоразведочного процесса. Исторические тренды привер жены сегодняшним фактам и тенденциям недавней истории, принятым нормативам и концепциям. Однако жизнь показывает, что быстро изменяющийся мир, вместе I динамикой развития индустрии, инфраструктуры, изменением геологического бо гатства недр делают историю геологоразведочных работ неповторимой. И с это; точки зрения исторический тренд оказывается бесполезным, т.к. его нельзя экстра полировать в будущее. С другой стороны, игнорируя опыт прошлого, мы выбрасы ваем много полезных данных и сознательно идем на риск повторения прошлые ошибок.

Таким образом, при анализе адекватности статистической базы для прогнозо) следует ответить на ряд вопросов: Какой объем статистических данных нужно не пользовать для корректной экономической оценки ресурсов? Можно ли эти данньн экстраполировать? Если да, то на какой период? Какова надежпость (устойчивость получаемых прогнозов?

Тенденция изменения показателей, определяющих эффективность ГРР на нефтл и газ имеет разную направленность и выраженность. Изменения одних достаточне четкие и существуют долгие годы (например, закономерное уменьшение средни) открытий при относительно стабильном коэффициенте удачи по мере освоения ре сурсов), другие показатели подвержены резким и практически непредсказуемы!» колебаниям (например, флуктуации мировых цен на УВ сырье и др.). Ряд важней ших факторов, определяющих объемы и экономический успех работ на нефть I газ, являются внешними по отношению к геологоразведочным и добывающим пред приятиям и не контролируются ими. К числу таких факторов относится внешня! политика и экономика государства, состояние и прогноз потребностей и цен на У1 сырье на международном рынке, наконец, существующие или планируемые сверх] ограничения на материальные, денежные и людские ресурсы предприятий.

Трудности прогноза изменения таких показателей во времени очевидны. Егц( труднее оценка их погрешностей. А это значит, что при планировании работ нг нефть и газ всегда существуют риски: политический, экопомичеекпй, технолошче ский, риск инерции (задержки правильных решений) и др. И чем больше глубин; прогнозов, тем больше погрешности в оценке конкретных параметров геологораз ведочного процесса. Отсюда, динамическая экономическая оценка ресурсов - эте прогноз возможных эффектов в будущем от сегодняшних решений, не исключающих риск. Именно поэтому существует настоятельная необходимость занимать-

с я: динамическим прогнозом ежегодно, уделяя наибольшее внимание оценке эффектов от возможных решений на ближайшие 5 лет.

Очевидно, практика - лучший критерий оценки результатов динамического моделирования. Высокая надежность моделирования структуры ожидаемых открытий и прироста запасов в зависимости от объемов работ в натуральном выражении по направлениям работ подтверждена результатами ГРР в основных НГБ России за период Х1-ХЫ пятилеток (табл.7). Отсюда, необходимость использования динамической оценки ресурсов для перспективного планирования ГРР сомнений не вызывает.

Экономическая оценка освоения месторождений в динамической характеристике ресурсов не отличается высокой достоверностью. Но она практически не оказывает влияния ни на планирование ГРР, ни на планирование уровней добычи, которые на ближайшие 5-10 лет определяются состоянием текущих разведанных запасов и экономическими оценками инвестиционных проектов разработки копкретных месторождений. Возможные темпы добычи на более далекую перспективу Опираются на прогнозы спроса на УВ сырье, планируемые темпы наращивания активных запасов нефти и газа (для этого достаточно прогноза структуры ожидаемых открытий) и варианты их ввода в разработку.

4. КОМПЬЮТЕРНАЯ ТЕХНОЛОГИЯ КОМПЛЕКСНОГО МНОГОВАРИАНТНОГО ПЛАНИРОВАНИЯ ГЕОЛОГОРАЗВЕДОЧНЫХ РАБОТ И ДОБЫЧИ НЕФТИ И ГАЗА

В силу инерционности геологоразведочного процесса в основе планирования ГРР и освоения открытых месторождений лежат уже сложившиеся направления работ и существующие "заделы" - выявленные и подготовленные объекты, открытые залежи и месторождения.

Оценка НСР нефти и газа, зональный и локальный прогноз нефтегазоносности различных площадей, ожидаемые удельные приросты запасов традиционно являются определяющими при выборе направлений ГРР. Все эти оценки формируются в условиях неопределенности исходных данных путем всестороннего анализа опыта ГРР, под которым понимаются конкретные результаты работ и сложившиеся геологические концепции. В качестве ограничений выступают объемы финансирования, производственная база, возможные методы выявления и подготовки перспективных площадей, в т.ч. погребенных структур и ловушек неантиклиналыюго типа, техника и технология бурения. Эффективность такого подхода к планированию ГРР доказана историей освоения многих нефтегазоносных провинций.

В то же время конкретные критерии оптимизации и ограничения при планировании работ на нефть и газ определяются уровнями (федеральный, региональный,

локальный), сроками (год, пятилетка, свыше 5 лет и др.) планирования и зависят от того, происходит ли оптимизация процесса освоения ресурсов в целом или какого-либо этапа (стадии, вида работ) геологоразведочного процесса. Само деление геологоразведочных работ на стадии является в значительной мере условным, поэтому трудно четко разграничить область действия критериев, которые па каждом этапе планирования не единичны, нередко противоречивы между собой, как и связанные с ними ограничения. В силу этого оптимизация планов на уровне отраслей (тем более на уровне отдельных регионов) не приводит подчас к оптимальному планированию па федеральном уровне, тем более, что в качестве критериев оптимальности нередко выступают внеэкономические критерии. Так, например, в геологоразведочном производстве используемые критерии оптимальности слабо учитывали качество подготавливаемых запасов, их удаленность от сложившихся нефтегазодобывающих районов и ряд других показателей, сильно влияющих на эффективность разработки. В результате текущие запасы нефти в настоящее время примерно на 40% являются трудноизвлекаемыми и низкорентабельными, огромные запасы нефти и газа подготовлены в удаленных районах, где полностью отсутствует инфраструктура. В свою очередь, добывающие отрасли ориентируют развитие производства в промышленных районах, для которых характерна высокая кратность запасов, крупные месторождения, месторождения с лучшими эксплуатационными характеристиками и др., т.к. именно эти показатели гарантируют наиболее стабильную и высокоэффективную добычу. Такая несогласованность критериев в геологоразведочной и добывающей отраслях приводит к просчетам в планировании; к консервации многих разведанных месторождений, "замораживанию" вложенных в их разведку средств и , в конечном итоге, к росту удельных затрат на освоение ресурсов, к неоправданной и дорогостоящей транспортировке нефтепродуктов в удаленные и труднодоступные районы с самостоятельной сырьевой базой.

Сказанное выше позволяет утверждать, что оптимальность планирования работ на нефть и газ, детальность, точность и надежность оценки их показателей определяется большим набором субъективных и объективных факторов: правильностью идей, положенных в основу планирования (прежде всего, выбор критериев оптимальности), степенью изученности (разведаяности) ресурсов и наличием "заделов" для проведения работ в регионе, наконец, глубиной проработки плановых показателей на содержательном уровне и во времени.

В условиях рыночной экономики основной критерий оптимальности - велична прибыли на вложенный капитал. В качестве дополнительных критериев рассматривается сбалансированность, устойчивость и маневренные качества плановых показателей, риск возможных потерь. Все внеэкономические критерии, направленные на "наиболее полное удовлетворение потребностей общества" (обеспечение общества дешевой энергией, охрана окружающей среды, предоставление рабочих мест и др.) используются при принятии плановых решений лишь в качестве ограничений, задаваемых извне (в виде налогов, возможных штрафов и др.).

В реальных, условиях хозяйственной деятельности экономические оценки геологических объектов выполняются в условиях неопределенности и риска. А это значит, что решения, принимаемые сегодня, могут привести к нежелательным экономическим последствиям в будущем. Предвидеть, оценить и свести к минимуму такие последствия позволяет техника анализа принятия плановых решений, опирающаяся на модели геологоразведочного процесса, экономические оценки запасов и ресурсов, конкретных инвестиционных проектов и пообъектных планов.

При построении динамических моделей используется исследовательская (пассивная) и нормативная (активная) стратегия планирования. В первом случае на базе имеющихся знаний о богатстве недр и их разведанности, объемах выполненных работ и возможностей их наращивания прогнозирование идет от достигнутых показателей эффективности работ в будущее, основываясь на экстраполяции сложившихся тенденций. Во втором случае, сначала определяются цели и результаты, которых следует достигнуть, а затем от запланированных сроков двигаются к настоящему, увязывая желания и возможности. Преимущество исследовательских моделей в их независимости, непредвзятости. Но очевидны и недостатки, заключающиеся в пассивности по отношению к изменяющимся научным представлениям, технике, экономике, нормативам. Нормативное планирование, имея заранее поставленную цель, активно воздействует на эти элементы, что позволяет преодолевать инерцию. В то же время планы, полученные с использованием нормативной стратегии, могут оказаться на уровне далеких экстраполяции, если их не привязать к достигнутому уровню эффективности подготовки запасов нефти и газа и прогнозам тенденций развития процессов освоения УВ ресурсов.

В силу сказанного выше, оптимальная стратегия, сочетая в себе исследовательские и нормативные подходы, должна допускать построение многовариантных программ развития процессов освоения УВ ресурсов в условиях объективно ухудшающейся структуры прогнозных ресурсов, при разной структуре затрат, изменяющихся нормативов и др. Все эти программы (их множество должно быть полно, но не избыточно) должны быть допустимы и достаточно гибки (маневренны), т.е. реализуемы на практике при заданных ограничениях.

Каждая допустимая программа из-за многоаспектности плановых показателей, большого объема исходных данных и критериев оптимальности, привлекаемых для глубокой проработки планов (особенно, на ближайшую перспективу), распадается на ряд моделей, описывающих траектории изменения во времени (от объемов работ) определенных показателей процесса освоения: уровней добычи, подготовки запасов, объемов работ и затрат, эффективности конкретных проектов и др. Эти модели должны адекватно отражать развитие конкретных этапов освоения ресурсов и стадий ГРР в их взаимосвязи, целостности и развитии. Последнее означает, что отдельные траектории изменения планируемых показателей должны быть согласованы между собой на уровне исходных данных, ограничений, критериев оптималь-

поста и получаемых результатов во времени. Только в этом случае возможно получение сбалансированных вариантов плана, представляющих практический интерес.

Ниже излагаются конкретные методики, реализованные в виде набора человеко-машинных технологий, моделирующие процессы освоения УВ ресурсов в целом и позволяющие оптимальным образом формировать пообъектные плаиы на ближайшее будущее. Предлагаемые технологии в равной мере учитывают ограниченность и невосполнимость УВ ресурсов, их геологические и геолого-экономические особенности в конкретных регионах, специфику геологоразведочного процесса, вероятностный характер его результатов и прогнозных опенок в делом. Такой подход позволяет принимать оптимальные плановые решения, экспертные обоснования которых сведены к минимуму.

4.1. Экстраполяционная модель

Под моделью освоения понимается серия согласованных между собой кривых добычи, подготовки запасов промышленных категорий и перспективных ресурсов во времени в зависимости от объемов работ или затрат.

В качестве аппроксимирующих функций используется класс кривых, описывающих процессы с насыщением: Гомперца, Гомперца-Мейкема, логистическая, модифицированная экспонента и др. Идентификация параметров кривых осуществляется по ретроспективным данным динамики изучаемого показателя методами нелинейного программирования. Асимптоты задаются или вычисляются специальным образом.

В историко-статистических моделях, впервые предложенных М. Хаббертом (1962), в качестве асимптоты при построении кривых добычи и подготовки запасов всегда использовались оцепки начальных извлекаемых ресурсов. Эта, в принципе верная идея, слабо учитывает специфику геологоразведочных работ и неопределенность в оценках НСР. Основные недостатки такого подхода заключаются в следующем:

1. Учитывая существующий лаг времени между стадиями работ на нефть и газ (подготовка структур - поиски - разведка - разработка), можно утверждать, что основным условием выполнения плана добычи на ближайшую перспективу является обеспеченность ее не потенциальными ресурсами вообще, а активными запасами промышленных категорий. Отсюда следует, что асимптотой кривой добычи при пятилетнем планировании могут быть лишь накопленные к моменту планирования запасы промышленных категорий, введенные в разработку. Очевидно, ежегодно асимптота должна увеличиваться на величину, равную запасам месторождений, которые предполагается вводить в эксплуатацию каждый год. Апалошчно, для прогнозирования приростов промышленных запасов в качестве начальной асимптота должны выступать накопленные запасы категории Сг и частично перспективные ресурсы подготовленных к глубокому бурению структур. Прирост асимптот по го-

дам определяется в зависимости от темпов ввода новых структур в глубокое бурение. Наконец, для планирования темпов прироста ресурсов категории Сз в качестве асимптот могут выступать оценки НСР.

2. В момент планирования отдельные регионы и их части, в т.ч. глубины, характеризуются различной изученностью, темпами и уровнями прироста запасов и добычи, задействованными мощностями в геологоразведочном производстве и добывающих отраслях. Отсюда следует, что модель освоения крупного региона должна распадаться на ряд подмоделей по отдельным регионам и комплексам, для которых характерно единое геологическое строение, единая история и стратегия их освоения. Информация, используемая для таких кривых, должна отражать реальную картину освоения богатства недр конкретного региона.

Процедура отыскания оптимальных темпов добычи и подготовки запасов (в том числе обоснования рациональных внутриотраслевых пропорций) сводится к согласованию динамических моделей добычи и подготовки запасов (рис.5). При этом, если моделирование начинается с построения кривых добычи (при заданных ее планах на конкретные даты) - осуществляется активная стратегия планирования, если моделирование идет от построения траекторий подготовки перспективных ресурсов - пассивная (исследовательская) стратегия планирования освоения ресурсов.

Получаемые на основе моделей освоения прогнозы добычи, подготовки запасов и эффективности работ должны быть согласованы между собой, с отпускаемыми средствами и возможностями конкретных предприятий на планируемый период. Для такого согласования и выработки оптимальных планов используются итерационные процедуры.

Для примера в табл. 6 приведена модель возможных уровней добычи нефти в Западной Сибири до 2020 г., построенная в начале 1994 г. по временному ряду фактической добычи нефти с 1964 по 1992 гг.

Известно, что с 1989 г. добыча нефти в регионе начала неуклонно падать, особенно резко с началом реальных экономических реформ в стране. Основные причины: истощение эксплуатируемых месторождений при практически полном прекращении ввода новых месторождений в разработку, остановка действующих эксплуатационных скважин. Если принять средний рабочий дебит 30 тысяч оставленных скважин в 10 т/сутки, то падение добычи только за счет этих скважин должно бы составить порядка 90 млн.т в год. Принимая годовой отбор нефти по месторождениям в 4-5% от текущих запасов, можно считать, что остановка 30 тысяч скважин равносильна выводу из разработки 2.0 млрд.т активных запасов нефти.

mln.t

Q*BC, (t»>______

a»c, (to Qs (t»>

О-сД)

да»)

to U t2 t3 Годы

Рис. 5 Согласование кривых освоепия

Д(10 - состояние накопленной добычи во времени,

QaBCj (Ч) " состояние накопленных промышленных

запасов во времени, Qc3(tj) - состояние накопленных перспективных

ресурсов(категории Сз) во времени, QHHnp(to) - оценка начальных извлекаемых ресурсов на

момент планирования (to) fl=f(Xi,t), QABCi(yi>0. Qc3(zi't) - функции, описьшающие динамику накоплешюй добычи, прироста запасов, подготовки перспективных ресурсов во времени

Анализ табл. 6 показывает, что удовлетворительная аппроксимация фактической добычи 1990-1992 гг. получена лишь благодаря последовательному выводу из разработки (на 1989 г. в разработке по модели было 11.0 млрд.т нефти) около 1.9 млрд.т активных запасов нефти на протяжении 1990-1992 г., что достаточно хорошо согласуется с запасами нефти, приходящимися на остановленные скважины.

Прогноз динамики добычи нефти в Западной Сибири до 2020 г.

Годы Годовая добыча Накопленная добыча Темпы ввода

факт, прогаоз, факт, прогноз, запасов, млн.т

млн.т млн.т млн.т МЛН.Т

1 2 3 4 5 6

1970 31.42 31.33 74,70 77.55

1971 44.78 46.35 119.47 123.89

1972 62.72 65.47 182.19 189.37

1973 87.69 88.69 269.88 278.05

1974 116.45 115.66 386.33 393.71

• 1975 148.03 145.73 534.36 539.44

1976 181.69 177.98 716.05 717.42

1977 211.18 211.32 927.23 928.74

1978 245.72 244.57 1172.95 1173.31

1979 283.51 276.57 1456.46 1449.88

1980 312.60 306.25 1769.06 1756.13

1981 334.30 332.74 2103.36 2088.88

1982 352.90 355.35 2456.26 2444.23

1983 372.00 373.62 2828.26 2817.85

1984 380.00 387.33 3208.26 3205.18

1985 371.00 396.44 3579.26 3601.62

1986 394.70 401.08 3973.96 4002.70

1987 409.10 401.55 4383.06 4404.25

1988 414.40 398.22 4797.46_ 4802.47

1989 404.10 391.53 5201.56 5194.01

1990 374.20 381.97 5575.76 5575.98 -800

1991 322.74 325.30 5898.50 5901.28 -750

1992 267.80 267.30 6166.30 6168.58 -350

1993 237.74 6406.32 -200

1994 216.46 6622.78

1995 217.24 6840.02 100

1996 222.36 7062.37 150

1997 224.38 7286.76 300

1998 246.63 7533.39 500

1999 283.96 7817.35 600

2000 305.98 8123.32 700

2001 323.65 8446.97 500

2002 301.69 8748.66 500

2003 295.89 9044.55 500

2004 294.35 9338.90 500

1 2 3 4 5 6

2005 294.01 9632.90 500

2006 294.33 9927.23 500

2007 294.41 10221.65 500

2008 294.70 10516.35 500

2009 294.93 10811.29 500

2010 295.31 11106.60 500

2011 295.99 11402.59 400

2012 285.46 11688.06 400

2013 283.41 11971.46 400

2014 281.57 12253.03 400

2015 281.75 12534.78 400

2016 281.28 12816.06 300

2017 268.99 13085.05 300

2018 266.68 13351.73 300

2019 264.13 13615.86 300

2020 263.19 13879.05

К моменту построения модели было известно, что падение добычи продолжается, но есть надежда на ее стабилизацию. Именно поэтому в модели в 1993 г. предусмотрен вывод из разработки лишь 200 млн.т нефти, что предопределило падение добычи по модели в 1994г. до 216.5 млн.т (факт - 208.6 млн.т). С 1995 г. в модели начинается "реанимация" нефтедобычи, прежде всего за счет восстановления всего фонда простаивающих скважин к 2000.г. В дальнейшем поддержание достигнутых к 2000 г. уровней добычи требует интенсивного ввода в разработку новых запасов. Чтобы реализовать предлагаемую модель, в активную разработку в период с 2000 по 2019 гг. необходимо ввести около 8.9 млрд.т запасов нефти.

Как показал анализ минерально-сырьевой базы нефти Западной Сибири, на начало 1994 г. суммарные промышленные запасы нефти в месторождениях, подготовленных к разработке и находящихся в разведке составляли 3.5 млрд.т, из которых лишь 40% (около 1.5 млрд.т) относились к разряду рентабельных в современных условиях. Этих запасов для поддержания добычи хватает лишь до 2003 г.

Последнее обстоятельство позволяет по-новому подойти к оценке необходимой кратности запасов и планированию темпов их подготовки.

По крайней мере, для реализации предложенной модели активный прирост запасов нефти (не менее 500 млн.т в год) следовало бы начать, учитывая лаг времени между открытием месторождений и его вводом в разработку, по крайней мере в 1993-1995 гт.

К сожалению, сегодня можно констатировать, что прирост запасов нефти в Западной Сибири за период с 1988 по 1993 гг. оказался нулевым, а с 1994 г. - ниже фактической добычи.

2.2. Имитационно-нормативные модели

Планирование работ на нефть и газ имеет дело не с будущими решениями, а с будущей неопределенностью и отвечает на вопрос, что нужно сделать сегодня, чтобы быть "в завтра", под которым понимается оценка возможных эффектов в будущем от сегодняшних решений. Эти решения, связанные с оптимальным распределением производственных ресурсов согласно возможностям (но не проблемам), вовлекают на долгое время большие деньга, ресурсы, людей. Сильные последствия плохих решений заставляют тщательно обдумывать неизвестность будущего. В связи со сказанным геолого-экономические прогнозы не исключают риск, но позволяют судить, какой риск реален при планировании работ на нефть и газ, при получении новых паучных знаний.

Оценка риска при долгосрочном планировании сводится к анализу параметров геологоразведочного процесса, определяющих эффективность освоения ресурсов. Важнейшими из них являются оценка потенциальных ресурсов, их выявляемость, риски разных возможностей. И хотя многие параметры не являются управляемыми, плановые решения будут надежнее, если оценки основных параметров богатства недр будут согласованы с природными закономерностями и реальными геологическими процессами.

Специфика геологоразведочных работ заключается в случайности получения результатов в фиксируемый отрезок времени.

Поскольку время, место и размеры будущих открытий не могут быть предсказаны точно, геологическое планирование должно проводиться на вероятностной основе, предусматривающей возможность маневренного изменения планов в допустимых условиях.

Корректной основой вероятностного моделирования ГРР могут быть имитационные технологии перспективного и пообъектного планирования, рассматриваемые ниже.

Модель перспективного планирования. Перспективное планирование работ на нефть и газ можно представить в виде ряда последовательных шагов: оценка ресурсов -» предсказание открытий —> распределение объемов работ —> технико-экономические программы —> потребные ассигнования —> экономические последствия.

В основу плановых расчетов положены данные имитационно-нормативного моделирования по направлениям работ, где структура ожидаемых открытий по этапам освоения ресурсов задает возможный прирост запасов нефти и газа по месторождениям разной крупности. Использование нормативов на подготовку и опоискование структур, разведку месторождений дает возможность оценить внутриотраслевые пропорции отдельных видов ГРР, в т.ч. объемы геофизики, поискового и разведоч-

нош бурения в натуральном и денежном выражении для реализации каждого из этапов освоения ресурсов.

Анализ этих данных, по которым легко рассчитывается ожидаемая эффективность ГРР, и существующих "заделов" по каждому из направлений работ позволяет оптимальным образом задать (распределить) объемы ГРР в регионе по этапам на всю глубину планирования.

Заданные объемы ГРР служат основой обоснования конкретных геологических заданий и технико-экономических программ поисково-разведочных работ по оптимальным направлениям и региону в целом.

Рассмотренный подход был использован для обоснования основных показателей Комплексных программ ГРР в Тимано-Печорской провинции, Днепровско-Донецкой впадине, Западной Сибири, Прикаспин, по бассейнам Дальнего Востока. Хорошая сходимость прогнозов с фактическими результатами ГРР по регионам говорит о высокой эффективности предлагаемой методики.

Ниже, в качестве примера (табл.7) дается сравнение основных плановых показателей ГРР в ТИП на ХП пятилетку, оцененных методами имитационного моделирования (Подольский Ю.В. и др., 1986), утвержденных в Комплексном проекте

Таблица 7

Сходимость прогнозов и планов с фактическими результатами работ в Тимано-Печорской провинции в XII пятилетке

Показатели Данные имитационного моделирования Показатели комплексного проекта ГРР Факт

Объем глубокого 2300 2307.5 2213.4

бурения, тыс.м

Прирост запасов, 422 335 431.4*

млн.тУТ

В том числе газа, 45 75 12.8

млрд.куб.м

Эффективность 183.5 145.2 194.9

ГРР, тУТ/м

Число открытий, 65 - 76

в том числе 40 40

(крупнее 1.0 (крупнее 1.8

млн.тУТ) млн.тУТ)

Коэффициент удачи 0.53 0.3-0.4 0.55 - по "АГ"

(в целом по ТПП) 0.47 - по "УНГГ"

* Приведен прирост запасов, полученный за счет глубокого бурения

ГРР(Каретшгков Л.Г. и др., 1986) и фактических результатов работ в регионе за 1986-1990 г.г. ("Решение совместного заседания секции'Теология нефти и газа" НТС Мингео СССР, апрель 1991 г.).

Методика пообъектного планирования. Практика геологоразведочных работ показывает, что все вводимые в поисковое бурение структуры имеют положительную оценку, т.е. с ними связываются надежды на открытие рентабельных месторождений. Эти надежды (в смысле новых открытий, величины запасов) подтверждаются не полностью. Априорная оценка вероятности открытия задается коэффициентом удачи (куд), подтверждаемость оцененных ресурсов па структуре - коэффициентом перевода ресурсов в промышленные запасы. При этом полагается, что если разбурить, например, N-20 структур при куд =0.3, то в среднем будет открыто п = 1Ч*Куд= 6 месторождений. Как правило куд задается на весь плановый период постоянным. Этим признается независимость результатов поискового бурения (испытаний). Такое положение вполне оправдано и следует из независимости подготовки структур, которые выявляются случайным образом среди многих возможных (если не учитывать размеры структур).

В математике подобный процесс называется бернуллиевским и описывается биномиальным законом распределения. Согласно этому распределению, как показывают расчеты, число открытых месторождений при разбуривании 20 структур при Куд = 0.3 может колебаться от 3 до 10 вокруг математического ожидания (1=6 с доверительной вероятностью р=0.9. Вероятность же открытия точно 6 месторождений невелика: р=0.19.

Если мы имеем дело с планированием поисковых работ на ограниченной территории, ще число перспективных объектов мало (например, в пределах лицензионного участка), то вероятности "успехов" и "неудач" при проведении работ оказываются зависимыми от предыдущих результатов (испытаний). Такой процесс -"испытания без возвращения" - описывается пгпергсометрическим распределением. И если предположить, что на 20 перспективных структурах можно открыть ровно 6 месторождений, то согласно расчетам по гипергеометрическому распределению при разбуривании, например, 15 структур из 20, с вероятностью р=0.35-0.39 число открытых месторождений будет 4-5.

К сожалению, на практике, объемы бурения на открытие месторождения и опоискование "пустой" структуры различаются. А это значит, что при заданных объемах поискового бурения трудно оценить возможное число испытаний априори, до проведения конкретных работ.

При формировании же пообъектных планов всегда возникает вопрос: сколько структур можно опоисковать заданным объемом бурения и сколько месторождений (и запасов) будет открыто в результате этих работ.

Как показали исследования, корректный ответ на этот вопрос легко получить с помощью имитационного моделирования поисков.

В таблице 8 приведена одна из серий имитаций поисковых работ на 20 структурах, где результаты очередного испытания определяются случайным образом на основе Куд, значение которого постоянно зависит от результатов предыдущих событий.

Таблица 8

Имитация поисковых работ*

Число 0110- Число нео- кУд после Значение Г) Число Число Число

иско- поис- опоиско- открытых неоткрытых скважин

ванных кованньгх вания ¡-ой месторож- месторож- для оцен-

структур структур структуры дений дений ки других объектов

0 20 0.300 - - 6 15

1 19 0.316 0.55 0 6 12

2 18 0.280 0.03 1 5 11

3 17 0.290 0.48 1 5 8

4 16 0.250 0.12 2 4 7

5 15 0.200 0.17 3 3 6

6 14 0.214 0.90 3 3 3

7 13 0.230 0.56 3 3 метраж кончился

* г) - значения случайных чисел взяты из специальных таблиц, при куд > т| - "открывается" месторождение, в противном случае - "пустая" структура

Анализ таблицы 8 показывает, что 15 поисковыми скважинами оценено 7 структур, среди них оказалось 3 месторождения.

Если порядок разбуривания структур задан априори (по геолого-экономическим критериям), каждому номеру структуры в имитационной модели соответствует реальный объект, имеющий оценку ресурсов по категории Сз (или Д^. Тогда по результатам моделирования приписываем структурам 1, 3, б и 7 нулевые запасы (они оказались "пустыми"), а с открытием 3 месторождений связывается "прирост запасов", численно равный 2яь где ф - ресурсы структур, "оказавшихся" месторождениями (2, 4 и 5 структуры). Зная прирост запасов за счет новых открытий легко рассчитать ожидаемую эффективность поисковых работ.

Если порядок разбуривания структур априори не задан, расчеты аналогичны, лишь порядок опоискования структур определяется из фонда подготовленных структур случайным образом.

Согласно правилам имитационного моделирования процедура открытий и оценки связанных с ними запасов (т.е. вся серия расчетов) повторяется много раз. В результате получается набор распределений, статистики которых характеризуют

число опоискованных структур, открытых месторождений, выявленных запасов и эффективность поисковых работ.

Рассмотренная задача, алгоритм решения которой реализован на IBM PC для зависимых и независимых испытаний актуальна при детализации программ ГРР на ближайшие 5 лет, при формировании пообъектных планов геологоразведочных работ на нефть и газ, при оценке эффективности поисковых работ в пределах лицензионных участков.

4.2. Оптимальный выбор объектов и проектов работ

Задача пообъектного планирования - распределить имеющиеся объемы работ (инвестиции) между проектами работ из множества возможных таким образом, чтобы ожидаемая прибыль от реализации выбранных объектов была максимальной.

Для оптимального решения такой задачи используется концепция ожидаемой ценности проектов работ, рассмотренная ранее.

Пусть имеются три структуры, подготовленные к глубокому бурению. Каждая из них может оказаться "пустой" или месторождением. Учитывая неопределенность исходных данных, возможные запасы месторождений заданы в вероятностной форме (табл.9-11). В этих же таблицах для каждой структуры, в зависимости от "состояния природы", рассмотрены возможные исходы, которые характеризуются начальными капитальными затратами и условной дисконтированной чистой прибылью (с нормой дисконтироования 10%). Заметим, что общность рассуждений не изменится, если использовать и другие денежные оценки эффективности от реализации проектов.

По отношению к каждой структуре возможны разные стратегии действий (проекты работ). Именно поэтому для структуры N 1 в качестве альтернативы проведению работ собственными силами (поиск, разведка и разработка) рассмотрена возможность сдачи структуры в аренду другому предприятию, которое несет все расходы на ГРР, а в случае удачи выплачивает в качестве арендной платы по 1 тыс.руб за каждую добытую тонну нефти. Необходимые данные для оценки данной стратегии помещены в табл.9.

Итак, предстоит решить 2 задачи:

1. Выбрать оптимальную стратегию поведения по отношению к структуре N 1.

2. Ранжировать по предпочтительности включения в пообъектный план возможные проекты работ на рассматриваемых структурах.

Рассмотрим конкурирующие проекты на структуре N 1.

Ожидаемая ценность проекта, реализуемого собственными силами, складывается из ожидаемых чистых прибылей возможных исходов и численно равна 1.775 млрд.руб. Ценность альтернативного проекта (сдача в аренду) оценивается в 0.486 млрд.руб.

Характеристика возможных проектов на структуре N 1

АЛЬТЕРНАТИВНЫЕ ПРОЕКТЫ

Проведение работ собственными силами Сдача в аренду, в

случае успеха

Возмож- Априор- - 1 тыс.руб/т

ные со- ная веро- Условные Ожидае- Условная Ожидае- Условная Ожидае-

стояния ятность началь- мые на- чистая мая при- чистая мая при-

природы, исходов ные кап. чальные прибыль, веденная прибыль, веденная

млн.т вложения, кап. вло- 10=10*% прибыль, ¡0=10% прибыль,

млрд.руб жения, млрд.руб 1о=10% млрд.руб 1о=Ю%

млрд.руб млрд.руб млрд.руб

"пустая" 0.35 3.0 1.05 -3.0 -1.050 0 0

0.5 0.25 9.0 2.25 0.5 0.125 0.36 0.090

1.0 0.20 15.0 3.00 5.0 1.000 0.72 0.144

1.5 0.15 25.0 3.75 8.0 1.200 1.08 0.162

2.5 0.05 35.0 1.75 10.0 0.500 1.80 0.090

11.80 1.775 0.486

млрд.руб млрд.руб млрд.руб

Таблица 10

Характеристика структуры N 2

Возможные Априорная Условные Ожидаемые Условная Ожидаемая

состояния вероятность начальные начальные приведен- приведенная

природы, исходов, кап. вложе- кап. вложе- ная при- прибыль,

млн.т млрд. руб ния, ния, быль, io=10%

млрд. руб млрд. руб ¡о = 10% млрд. руб млрд.руб

"пустая" 0.50 5.0 2.5 -5.0 -2.50

0.5 0.10 12.0 1.2 -2.0 -0.20

5.0 0.20 70.0 14.0 +50.0 +10.00

8.0 0.15 100.0 15.0 +75.0 +11.25

10.0 0.05 130.0 6.5 39.2 млрд.руб +110.0 +5.50 +24.05млрд.руб

Характеристика структуры N 3

Возможные Априорная Условные Ожидаемые Условная Ожидаемая

состояния вероятность начальные начальные приведен- приведенная

природы, исходов, кап. вложе- кай. вложс.- ная при- прибыль,

млн.т млрд. руб ния, ния, быль, io=10%

млрд. руб млрд. руб i0 = 10% млрд. руб млрд.руб

"пустая" 0.3 2.0 0.6 -2.0 -0.6

2.0 0.2 6.0 1.2 +1.0 +0.2

4.0 0.3 10.0 3.0 +3.0 +0.9

6.0 0.2 12.0 2.4 +5.0 +1.0

7.2 млрд.руб +1.5млрд.руб

Какой вариант выбрать?

Согласно концепции оценки ценности альтернативных проектов всегда следует выбирать проекты с максимальной ожидаемой ценностью, не обращая внимания на вероятность и величину возможных потерь. Тоща суммарный выигрыш от реализации выбираемых таким образом проектов будет максимальным.

В нашем случае, если предприятие готово идти на риск, следует вести работы собственными силами, т.к. ожидаемая ценность такого решения много выше альтернативного - сдачи в аренду.

Поскольку плановые решения принимаются в условиях неопределенности, представляется целесообразной оценка устойчивости принимаемых решений. В связи с этим при принятии решения полезно проанализировать зависимость ожидаемой ценности альтернативных проектов от куд. Если ожидаемая приведенная прибыль остается положительной при Куд > 0.65, то оптимальная стратегия работ на структуре N 1 - проведение работ собственными силами.

Теперь попытаемся ранжировать все проекты по ожидаемой эффективности. Для этого сведем их основные характеристики в табл.12.

Из таблицы 12 видно, что согласно критерию максимальной ценности альтернативных решений рассматриваемые проекты по предпочтительности выстраиваются в рад: 2, 4, 1, 3.

Таким образом, при принятии проекта N 2 организация без всяких капиталовложений может получить прибыль около 0.5 млрд.руб. Единственный риск связан с возможностью получить гораздо большую прибыль - 1.775 млрд.руб. Однако, близкой прибылью, при меньшем риске потерь и большей прибылью на рубль затрат обладает проект N 4. И в этом плане работы на структуре N3 являются более предпочтительными, чем на структуре N 1. Наконец, специального рассмотрения

Основные характеристики проектов работ

N Проекты Вероятность Возможные Ожидаемая Ожидаемые Отношение

п/п риска потерь максималь- цеииость, начальные ожидаемой

ные потери, io= 10% инвестиции, ценности к

млрд.руб млрд. руб млрд. руб начальным инвестиция*

Структура N1

1 собственными силами 0.35 3.0 1.775 11.8 0.15

2 "в аренду" 0.00 0.0 0.486 0.0 -

3 Структура N2 0.50 5.0 24.050 39.2 0.61

4 Структура N3 0.30 2.0 1.500 7.2 0.21

требует структура N 2. Проведение работ на ней сопряжено с большим риском достаточно серьезных потерь. Кроме того, выполнение этих работ требует больших начальных инвестиций (около 39 млрд.руб), которых у организации может простс не оказаться. Однако, наградой за риск является высокая ожидаемая ценность проекта. Экономический эффект от реализации этого проекта, необходимо напомнить, включает не только приведенную па пачало эксплуатации возможного месторождения прибыль в размере 24.05 млрд.руб (по определению сверхприбыль с нормой приведения в 10%), но и 10%-ую прибыль на начальный капитал в процессе его возврата. Все это делает проект работ на структуре N 2 весьма привлекательным.

Окончательный выбор проектов работ остается за менеджерами предприятия, владеющим правом работ на рассматриваемых структурах, т.к. именно они знают размеры свободных активов предприятия, скорость их движения (наращивания и расходования), отношение предприятия к риску, предельной норме прибыли на капиталовложения, пакеты конкурирующих проектов, в которые предприятие может вкладывать свои капиталы в настоящее время и в перспективе.

4.3. Оцепка изученности территорий глубоким бурением

Традиционно изученность района пгубокнм бурением выражается через удельные показатели: число скважин или метраж, приходящийся на единицу площади или объема пород. При этом игнорируется факт неравномерного размещения скважин по площади и размер геологических объектов, на которые ведется поиск.

В предлагаемой методике оценки изученности территории глубоким бурением эти недостатки устранены за счет введения понятия "зоны влияния" скважины (Drew L.J., Schuenemeyer J.H., 1981).

Интуитивно ясно, что каждая пробуренная скважина, независимо от полученных результатов, опоисковывает вокруг себя некоторый объем пород. В случае уда-

чи оконтуривают и оценивают открытое месторождение. Если скважина оказалась "пустой", определенная территория вокруг нее исключается из дальнейших поисков, как бесперспективная, По мере удаления от скважины заключения становятся менее уверенными, приобретают вероятностный характер. Наконец, наступает предел, за которым по результатам бурения скважины ничего определенного сказать нельзя.

Как оценить размер "зоны влияния" скважины? Очевидно, он зависит от размеров объектов поиска, их формы и ориентировки.

Пусть месторождение в плане имеет произвольную ориентировку и хорошо описывается эллипсом с полуосями а и Ь (рис.6). Пусть в точке Ь пробурена скважина, оказавшаяся "сухой".

Рис. 6 Оценка "зоны влияния" скважины при поиске месторождений эллиптической формы с полуосями а и Ь (а>Ь) при произвольной ориентации месторождений

Проведем вокруг точки Ь две окружности с радиусами а и Ь. Очевидно, люба* точка в пределах малого круга (например, точка С) может считаться полностьк опоискованной, т.к. здесь не может располагаться центр искомого месторождение; (в противном случае оно было бы открыто скважиной Ь). С этих же позиций, все пространство за пределами круга большого радиуса (например, точка Е) оказывается неизученным. Остается оценить степень опоискования точек внутри кольца, заключенного между окружностями радиусов а и Ь. Рассмотрим точку Д, отстоящую от скважины на расстояние с1 (см. рис. 6). Проведем вокруг точки Д окружносп радиусом (1. Пересечение этой окружности с эллипсом дает точки и

назовем множеством удачных ориентации месторождения относительно скважины в точке h, при которых эта скважина попадает в месторождение.

По условию, все ориентации структуры являются равновероятными. Отсюда, вероятность попадания скважины h в месторождение с центром в точке Д можно определить геометрически как отношение меры множества удачных ориентаций к мере множества всех возможных его ориентаций, т.е. р=<р/л.

Таким образом, опоискованность точек внутри кольца зависит от их расстояний до центра эллипса. В целом, при произвольной ориентации месторождений эллиптической формы с полуосями а и b (a>b) любая скважина имеет "зону влияния" да2, в пределах которой на площади тсЬ2 суждения высказываются с вероятностью р=1, на остальной же территории достоверность оценок по мере удаления от скважины постепенно уменьшается до 0.

Реализованная на IBM PC методика учитывает возможное пересечение "зон влияния" скважин и часто хорошо выраженное простирание структур в районе (т.е. ориентировка эллипсов задается некоторым углом).

Результатом моделирования являются схемы изученности территорий глубоким бурением относительно месторождений разных классов крупности (рис.7).

Сопоставляя данные изученности оцениваемого района с распределением в его пределах прогнозных ресурсов по месторождениям разной крупности, легко оценить возможное размещение еще нелокализованных месторождений на перспективной для поисков территории и ожидаемую плотность месторождений в ее пределах. Эта работа выполняется с учетом существующей плотности сейсмопрофи-лей.

Такой анализ дает возможность согласовать геологические опенки богатства недр и структуры ресурсов с изученностью территории, оценить правдоподобность геологических гипотез и оценок.

Угол Ь]ДЬ2 = ф = 2 arctg

(3)

ЛйЗ5®

Ш =

ш- ш/,

Ш- «г 50Х д» «¡0% Гйк;- И)н»1 50Х - 0% СП- еткии*

б)

1Д»1

,! гтгх{мшин»и¡ЦIм^пр«ши'мГ

. '.I К1!й Ш\! *"{'{[{;:•;[ |'Й'*"

.'" ^• а' ^'' Г! I !л»' ¡Г: - ^^^УУт!^-^ 1 ч^г *:

Зй^Ш'!1!;

услоти обогащения У,

Ж- 1С0Я Я

Ш- »т 5»! до 100/. ч

Закй» иене» 50У. 31

- т «

СП- еквмит •

Рис. 7 Схема изученности территории (8 = 10 тыс.км2) глубоким бурением (6 скважина.^) и относительно месторождений эллиптической формы (с полуосями 15 км х 5 км) при:

a) простирании структур СВ 60°±30°;

b) при произвольной ориентации структур.

В условных обозначениях даны процентные соотношения площадей с разной степенью опоискования глубоким бурением.

Имитация ожидаемых открытий позволяет определить класс месторождений, за счет которых ожидается основной прирост запасов. Поскольку размеры таких месторождений в плане известны, легко рассчитать оптимальную сеть сейсмопрофилейг для открытия заданного числа месторождений, на открытие которых ориентируют-

ся поиски. Размещение сейсмопрофилей на площади осуществляется с учетом со ответствующих схем изученности территорий.

В заключение следует отметить, что рассмотренные выше технологии, широк! использующие корректные методы метаметической статистики и теории вероятно стей, не подменяют традиционные методы планирования работ на нефть и газ, : позволяют получать лишь дополнительный объективный материал для принята: более обоснованных решений. Тем более, что в условиях рынка прогноз и оценгс возможных затрат, прибылей, риска становятся определяющими при принятии пла новых решений.

5. ДОЛГОСРОЧНЫЙ ПРОГНОЗ ВОЗМОЖНЫХ ТЕМПОВ ДОБЫЧИ И ЭФФЕКТИВНОСТИ НАРАЩИВАНИЯ МИНЕРАЛЬНО-СЫРЬЕВОЙ БАЗЫ НЕФТИ И ГАЗА ПО ОСНОВНЫМ НЕФТЕГАЗОНОСНЫМ БАССЕЙНАМ РОССИИ

Политическая дезинтеграция СССР привела к тому, что некогда "едипый и неделимый" нефтегазовый комплекс и смежные отрасли промышленности были разделены между сувереппыми государствами СНГ. При этом основная добыча, запасы и ресурсы оказались в России. Большая их часть приходится на Западную Сибирь, Серьезной минерально-сырьевой базой обладают Волго-Урал, Восточная Сибирь, Тимано-Печорская провинция, акватории морей. На 1.01.1995 г. в России открытс 2676 месторождений, из которых 1935 (72%) являются существенно нефтяными.

Несмотря на то, что 75% текущих запасов нефти (особенно в Тюменской области) сосредоточено в крупных и крупнейших месторождениях, рассчитывать на возможную добычу нефти по "саудовской" себестоимости не следует. Дело в том, что наиболее продуктивные месторождения уже введены в разработку и в значительной степени отработаны. Об этом говорят падающие дебиты эксплуатационных скважин, достигшие в 1994 г. в целом по России 9 т/сут. (в Западной Сибири - 19 т/сут.). И это при том, что основная добыча нефти (более 75%) идет из 89 наиболее крупных месторождений (всего в эксплуатации 1021 нефтяное месторождение).

I Разработка ряда крупных месторождений Западпой Сибири (Русское, Салымское и др.), Тимано-Печорской провинции (Ярега, Харьяга, многие месторождения Варан-дей-Адзьвинской зоны) и др.регаонов России не сулит высокой эффективности, так как эти месторождения либо содержат трудноизвлекаемые запасы, либо расположены в регионах со сложными природно-климатическими условиями и неразвитой инфраструктурой. Уже сейчас в структуре разведанных запасов преобладают среднепродуктивные запасы нефти с дебитами скважин 5-25 т/сут. Судя по характеристикам открываемых месторождений (средние открытия оцениваются ниже 3 млн.т), с учетом продолжающейся интенсивной обработкой высокопродуктивных залежей, доля низкорентабельных запасов нефти будет возрастать.

Структура запасов природного газа России выглядит много лучше. Подавляющая часть запасов (почти 97%) сосредоточено в 139 крупных месторождениях (в основном в Западной Сибири), из которых в разработке лишь 33 месторождения. С последними было связано 97.8% добычи свободного газа в 1994 г.

В целом начальные ресурсы УВ России разведаны по нефти на 40%, по газу -на 33%. Наибольшей разведанностью и освоенностью ресурсов характеризуются "старые" районы нефтегазодобычи Урало-Поволжья и Сев.Кавказа. Ресурсы Западной Сибири разведаны по нефти па 44%, по газу - на 53%. Наименее разведаны УВ ресурсы в слабоосваиваемых регионах Восточной Сибири, Дальнего Востока, на шельфах арктических и дальневосточных морей.

Как показали результаты моделирования распределений прогнозных и перспективных ресурсов по месторождениям разной крупности, в "старых" районах следует рассчитывать на открытие преимущественно мелких месторождений. В то же время в Западной и Восточной Сибири, а также на шельфах морей сохраняется достаточно высокая вероятность обнаружения крупных месторождений нефти и газа (несмотря на очевидную завышенность оценок ресурсов).

Сказанное выше свидетельствует об огромных запасах и ресурсах нефти и газа в недрах России, что ставит ее в ряд крупнейших нефтегазодобывающих стран мира.

Однако, свертывание инвестиций в ТЭК, особенно остро ощущаемое в последние годы, разрыв производственных связей, падение дисциплины поставок и взаиморасчетов, инфляция и неконтролируемый рост цен и затрат привели к резкому сокращению объемов эксплуатационного бурения, остановке работающих скважин (в 1994 г. простаивало 38840 нефтяных скважин - 27% от общего фонда). Все это в условиях высокой выработанности и обводненности наиболее крупных месторождений, снижения рабочих дебетов, старения промыслового оборудования обусловили катастрофическое падение темпов добычи нефти, приостановку и уменьшение годовой добычи газа.

В результате уровень добычи нефти в России от своего максимума в 570 млн.т (около 95% добычи нефти в СССР в 1987-1988 гг.) упал в 1994 г. до 304.5 млн.т (вместе с конденсатом - до 311.9 млн.т).

Результаты работ ТЭК в 1995-1996 гг. свидетельствуют о дальнейшем падении добычи нефти примерно на 3%.

Добыча газа, неуклонно нарастая даже в условиях начавшегося экономического кризиса в России, достигла своего максимума в 1992г. - 640 млрд.м3. Однако, сокращение внутреннего потребления газа в России, постоянные нарушения взаиморасчетов с ближним зарубежьем сделали свое дело: начиная с 1993 г. добыча газа начала неуклонно уменьшаться, упав в 1995 г. ниже 600 млрд.м3.

Подводя итог сказанному выше, можно констатировать, что ТЭК России переживает глубокий кризис. И если не принять срочных мер, падение добычи нефти

может принять обвальный характер, что будет означать для России экономически катастрофу.

Сокращение инвестиций в ТЭК особенно негативно отразилось на геологора-ведочных работах, объем которых в 1995 г. составил лишь 25% от уровня 1991 1 В результате за последние 5 лет минерально-сырьевая база нефти приблизилась такой степени выработанности, когда недостаточное восполнение разведанных за пасов начинает ограничивать возможности нефтедобычи.

Последствия столь недальновидной политики скажутся уже в ближайшие год] и будут труднопоправимы, т.к. геологоразведочная отрасль сегодня уже не обеспе чивает восполнения извлекаемых запасов (в 1994 г. прирост запасов нефти на су ше оказался в 2 раза ниже резко сократившейся годовой добычи!) и интенсива разрушается. ,

Как показало моделирование, обеспеченность активными запасами су ществующей нефтедобычи, даже в самых благоприятных регионах России не пре вышает 5-10 лет. Если учесть, что лаг времени между выявлением структуры да ввода в эксплуатацию месторождения (открытого на этой структуре) составляет т менее 5-10 лет, то легко представить последствия от развала пока еще су ществующей отрасли.

Анализ минерально-сырьевой базы нефти и газа, состояния и возможностей па ращивания мощностей в нефтегазодобывающие отрасли по основным нефтега зопосным регионам России позволил наметить в конце 1993 г. два возможных пу ти развития добычи нефти и газа в России: оптимистический (табл.13) и боле( осторожный консервативный (табл.14).

Первый вариант предполагает интенсивную подготовку запасов нефти и газа г активный ввод новых месторождений в разработку с использованием современны? технологий их эксплуатации.

Распределение необходимых для этого приростов запасов и объемов ГРР, полученное в результате имитационно-нормативного моделирования по отдельным направлениям работ в регионах, приведено в табл.15. Прогнозируемые приросты запасов, как показали расчеты, являются минимально необходимыми для поддержания стремительно падающих темпов добычи нефти в основных регаопах России. Исключением является Восточная Сибирь, для которой принятые в табл.13 годовые отборы уже сейчас обеспечены необходимыми промышленными запасами. Однако, следует иметь ввиду, что по величине прогнозных ресурсов нефти и газа Восточная Сибирь относится к числу наиболее богатых регионов материковой части России. В силу отдаленности, сложных климатических условий и неподготовленности инфрастуктуры поисково-разведочпые работы развивались здесь медленными темпами с целью подготовки "критической массы" запасов, освоение которых могло бы оправдать инвестиции в создание промышленных центров нефтедобычи. Как показывает анализ динамики эффективности ГРР (см. табл.15), настает время се-

Оптимистический прогноз добычи нефти и газа в России

Регионы 1995 2000 2005 2010 2015 2020

Нефть (с конденсатом), млн.т

Западная Сибирь 217.2 300.0 294.0 295.3 281.7 263.2

Урало-Поволжье 77.3 68.1> 67.1 61.5 57.7 54.4

Тимано-Печорская провинция 9.9 17.3 18.1 18.7 19.4 19.4

Северный Кавказ 5.8 6.8 5.0 3.7 3.2 2.9

Северный Сахалин 1.6 1.8 1.6 1.6 1.4 1.3

Сахалинский шельф - 1.0 8.0 10.0 10.0 5.0

Восточная Сибирь - 2.0 4.0 8.0 10.0 15.0

Россия в целом 311.8 397.0 397.8 398.8 383.4 361.2

Газ, млрд.куб.м

Западная Сибирь 648.0 700.0 735.3 749.5 758.4 762.1

Урало-Поволжье 46.7 54.9 67.5 67.4 67.6 68.1

Тимано-Печорская провинция 5.1 8.1 9.8 9.5 7.9 6.1

Северный Кавказ 1.9 4.3 4.3 4.1 3.2 3.1

Северный Сахалин 1.6 1.7 1.7 1.8 1.8 1.7

Шельфы северных и

дальневосточных морей - ■ - 5.0 30.0 50.0 50.0

Восточная Сибирь 6.5 10.0 20.0 25.0 30.0 40.0

Россия в целом 709.8 779.3 843.6 887.4 918.3 931.1

Таблица 14

Консервативный прогноз добычи нефти и газа в России

Регионы 1995 2000 2005 2010 2015 2020

1 2 3 4 5 6 ■ 7

Нефть (с конденсатом), млн.т

Западная Сибирь 217.2 243.0 238.6 189.4 157.8 140.8

Урало-Поволжье 77.3 68.1 56.9 48.9 37.2 32.6

Тимано-Печорская провинция 9.9 12.3 15.7 15.9 16.2 16.3

Северный Кавказ 5.8 3.9 2.5 1.5 1.1 0.7

Северный Сахалин 1.6 1.3 1.0 0.8 0.5 0.3

Сахалинский шельф - 1.0 8.0 10.0 10.0 5.0

Восточная Сибирь - 1.0 2.0 5.0 10.0 10.0

Россия в целом 311.8 330.6 324.7 271.6 232.8 205.7

1 2 3 4 5 6 7

Газ, млрд.куб.м

Западная Сибирь 648.0 700.0 735.3 741.5 721.0 679.3

Урало-Поволжье 46.8 44.4 42.3 39.7 35.2 32.4

Тимано-Печорская провинция 5.1 2.7 1.4 0.7 0.3 0.2

Северный Кавказ 1.9 0.9 0.4 0.2 0.1 0.1

Северный Сахалин 1.6 1.7 1.3 1.0 0.7 0.5

Восточная Сибирь 6.5 5.5 10.0 10.0 15.0 20.0

Россия в целом 709.8 756.2 790.7 793.1 772.3 732.5

Таблица 1:

Прирост запасов и объемы ГРР по основным регионам и России в целом на 1994-2015 гг.

Регионы 1994-2000 2001-2005 2006-2010 2011-2015

1 2 3 4 5

Прирост запасов нефти (с конденсатом), млн.т

Западная Сибирь 4150.0 3550.0 3500.0 3150.0

Урало-Поволжье 300.0 250.0 262.0 208.0

Тимано-Печорская провинция 339.5 217.6 138.8 100.0

Северный Кавказ 23.5 21.3 18.7 14.9

Северный Сахалин 10.0 8.0 7.0 5.0

Восточная Сибирь 300.6 215.0 197.5 175.1

Всего по России (суша) 5123.7 4261.9 4124.0 3653.0

Прирост запасов газа, млрд.куб.м

Западная Сибирь 6900 5000.0 4500.0 3000

Урало-Поволжье 115.0 90.0 100.0 70.0

Тимано-Печорская провинция 50.0 35.0 20.0 15.0

Северный Кавказ 15.7 14.1 12.4 10.5

Северный Сахалин 12.0 10.0 8.0 8.0

Восточная Сибирь 693.6 553.7 500.3 459.3

Всего по России 7786.3 8702.8 5140.7 3562.8

Объем глубокого бурения, млн.м

Западная Сибирь 11.50 11.60 17.50 20.00

Урало-Поволжье 4.20 4.20 6.30 7.20

Тимано-Печорская провинция 2.70 2.50 2.10 1.90

Северный Кавказ 0.72 0.72 0.72 0.72

Северный Сахалин 0.35 0.35 0.35 0.35

Восточная Сибирь 1.95 1.80 1.70 1.50

Всего по России (суша) 21.52 21.27 28.67 31.77

1 2 3 4 5

Эффективность глубокого бурения, УТ/м

Западная Сибирь 950 730 450 310

Урало-Поволжье 100 80 58 38

Тимано-Печорская провинция 145 97 75 50

Северный Кавказ 55 49 43 35

Северный Сахалин 50 40 35 30

Восточная Сибирь 510 430 410 395

Всего по России (суша) 500 468 323 227

Объем сейсморазведки, тыс.пог.км

Западная Сибирь 350 350 525 500

Урало-Поволжье 150 150 225 250

Тимано-Печорская провинция 95 95 95 95

Северный Кавказ - 28 28 29 29

Северный Сахалин 10 10 10 10

Восточная Сибирь 290 290 290 290

Всего по России (суша) 923 923 1174 1284

рьезного отношения к региону, с которым связывается будущая нефтедобыча в России.

Определенную конкуренцию Восточной Сибири, по крайней мере по богатству недр и достигнутой эффективности ГРР, могут составить шельфы Арктических и Дальневосточных морей. Правда, если высокие газовые перспективы подтверждены открытием здесь газовых "гигантов" (Штокмановское, Русановское, Ленинградское и др. газоконденсатных месторождений), то результаты ГРР на нефть выглядят скромнее, и открытие Приразломного месторождения (извлекаемы запасы 75 млн.т) на Печорском шельфе пока не являются убедительным доказательством существования огромных ресурсов нефти на Арктическом шельфе. В любом случае, проблемы разведки и освоения уже открытых месторождений на шельфах те же - финансы и технологии.

Второй, консервативный прогноз возможных темпов добычи нефти и газа в России ориентируется в основном на освоение уже эксплуатируемых месторождений (восстановление простаивающего фонда скважин, внедрение вторичных и третичных методов разработки) и существующих разведанных запасов.

Прогнозируемые темпы добычи, согласно консервативному варианту прогноза, по-видимому способны удовлетворить потребности России в нефти по крайней мере до 2005 г.

Для поддержания добычи нефти в России на достаточно высоком уровне после 2005 г. за период 1994-2000 гт. должно быть подготовлено не менее 5.0 млрд.т запасов нефти (см. табл.15). Однако, при существующих объемах глубокого бурения (около 1100 тыс.м в год) в этот период будет подготовлено не более 1.7 млрд.т

нефти, что ниже прогнозируемых, объемов добычи нефти за этот период. А знамя неминуемо падение добычи нефти после 2005 г.

Реальное положение дел в России позволяет усомниться в возможности реал зации даже консервативного прогноза добычи УВ. Дело в том, что в моделях пр гноза: 1. Предполагалось, что спад в экономике прекратится в 1995 г., после че: начнется реанимация ТЭК. 2. Предполагалась политическая стабильность в стран Однако, с 1995 г. в Чечне идет война, в силу чего прогноз добычи УВ на Северне Кавказе оказался завышенным. 3. При прогнозе уровпя добычи газа рассматр! валась лишь ресурсная база регионов и не учтены экономические аспекты, пр] ведшие к сокращению платежеспособного спроса на газ как внутри России, так и ближнем зарубежье.

ЗАКЛЮЧЕНИЕ

1. Разработан комплекс геолого-математических моделей экономической оцег ки УВ ресурсов и запасов, планирования работ на нефть и газ.

Реализованный на IBM PC в виде человеко-машинных технологий данный kon плекс моделей позволяет оперативно выдавать многовариантные экономически оценки геологических объектов разного масштаба и изученности, проводить экс номическую оценку инвестиционных проектов, обосновывать оптимальные напраг ления работ, формировать долгосрочные программы и пообъектные планы работ п нефть и газ.

2. В результате обобщения существующих теоретических подходов к моделирс ванию распределений месторождений и залежей УВ по величине запасов, анализ структуры открытий в хорошо изученных бассейнах мира подтверждено, что рас пределения НСР крупных территорий по УВ скоплениям разной крупности имею в целом амодальный характер. Однако, в силу уникальности любого геолотическог объекта, строгого математического закона для описания таких распределений ггет.

Опыт моделирования распределений месторождений по направлениям работ : различных НГБ России, подтвержденный результатами ГРР, показал, что для час тично разведанных объектов оценки лучшим описанием структуры ресурсов явля ются гистограммы, "настроенные" на динамику фактических открытий.

3. Для моделирования динамики ожидаемых открытой предложены два незави симых подхода, учитывающих а) распределение нелокализованных ресурсов го классам крупности месторождений, б) плотность поисковых сейсмопрофилей.

Прогноз структуры открытий положен в основу динамической экономическое оценки УВ ресурсов, являющейся объективной базой для обоснования возможны? сценариев ГРР и их эффективности.

4. Созданы корректные методики экономической опенки месторождений (залежей или их частей), локальных структур, нелокализованных ресурсов.

Методики ориентированы на оценки конкретных инвестиционных проектов работ и сводятся к анализу денежных потоков, возникающих в процессе их реализации.

Предложен набор экономических показателей, позволяющих принимать оптимальные плановые решения в условиях Российского недропользования.

5. Разработаны независимые методы построения сценариев работ на нефть и газ, опирающиеся на теорию принятия плановых решений.

Предложены имитационные и бихевиористические модели долгосрочного планирования геологоразведочных работ и добычи при активной и исследовательской стратегии планирования.

Показано, что показателем обеспеченности добычи разведанными запасами являются оценки активных разведанных запасов и темпы их ввода в разработку, необходимые для поддержания заданных уровней добычи, а не "кратность запасов".

Изученность территорий глубоким бурением предложено оценивать на основе концепции "зоны влияния скважины", что позволяет учесть неравномерность расположения скважин и размер месторождений, относительно которых такая оценка проводится. Схемы изученности территорий, методика построения которых создана впервые, позволяют по-новому подойти к постановке поисковых работ.

Разработаны корректные методы формирования пообъектых планов и оценки показателей эффективности от их реализации.

6. Выполненные разработки легли в основу оценок нефге1азового потенциала основных НГБ России, что позволило обосновать возможные темпы добычи УВ, оптимальные направления, необходимые объемы ГРР и приросты запасов нефти и газа по основным НГБ России.

Как показали наши исследования, Россия имеет высокий нефтегазовый потенциал. Однако резкое сокращение инвестиций в ТЭК и геологоразведку, в частности, неминуемо приведет к неудовлетворительному состоянию минерально-сырьевой базы нефти, что предопределит резкое падение ее добычи после 2005 г. Для предотвращения столь негативных тенденций за период 1996-2000 гг. должно быть подготовлено не менее 4.0 млрд.т запасов нефти. Основной прирост запасов должен быть получен в Западной Сибири - главном нефтедобывающем. регионе России, сохранившем высокую вероятность крупных нефтяных открытий. Только в этом случае можно рассчитывать, что годовая добыча нефти в стране после 2005 г. не упадет ниже 300 млн.т в год. Задача выполнимая. Однако, для ее реализации объем ассигнований в геологоразведку должен составлять в ценах начала 1996 г. не менее 15 трлн.руб ежегодно. .....

Материалы прогнозов получили широкое внедрение в практику составления Комплексных программ ГРР, были использованы при разработке концепции развития добычи и наращивания минерально-сырьевой базы нефти и газа в России.

Прогнозы добычи УВ, приростов запасов и эффективности ГРР по основным НГБ России на ХП пятилетку подтверждены практикой работ.

Основные положения диссертации опубликованы в следующих работах автор; 1. АСУ-нефтегазразведка (принципы и результаты разработки). Под ред. М.Д. Бе лопина, Ю.В.Подольского. - Л.,Недра,1977,199с.

2. Происхождение и прогнозирование скоплений газа, нефти и битумов. По. ред. В.Д.Наливкина. - Л.,Недра, 1983,272с.

3. Прогноз и оценка нефтегазоносности недр на больших глубинах. Под рев С.Н.Симакова. - Л.,Недра,1986,248с.

4. Разработка автоматизированной системы "Прогноз нефтегазоносности". Разработка и создание АСУ-Геология, вып.7(14),ВИЭМС, М.,1978,70с. Совместно < М.Д.Белониным.

5. Метод Монте-Карло в нефтяной геологии. - Мат.методы исслед. в геологии Обзор ВИЭМС, М.,1981,44с. Совместно с М.Д.Белониным, И.С.Симаковой В.П.Шейманом.

6. Общесоюзный автоматизированный банк данных по скважинам на нефть I газ. - Мат.методы исслед. в геологии. Обзор ВИЭМС, М., 1983,40с. Совместно с К.К.Макаровым, М.Д.Белоннным, Н.А.Гольдиной.

7. Математические основы создания автоматизированной системы геолого-экономического прогнозирования нефтегазоносности. Мат. методы исслед. в геологии. Обзор ВИЭМС, М., 1984,106с. Совместно с М.Д.Белониным.

8. Автоматизированная система пятилетнего и перспективного планирования геологоразведочных работ па нефть и газ. Л.,ВНИГРИ, 1987,36с. Совместно с М.Д.Белониным.

9. Методы оценки погрешностей при решении задач геологического прогноза нефтегазоносности. - Мат. методы и АС в геологии. Обзор ВИЭМС, М.Д988,52с. Совместно с М.Д.Белониным.

10. Решение задач прогноза нефтегазоносности в автоматизированном режиме. В сб.: Автомат, обработка геол. данных, М., ВИЭМС, 1984,с.80-93. Совместно с М.Д.Белониным.

11. Автоматизированная система управления геологоразведочными работами на нефть и газ. - Геологическая информация и мат. геология (Докя.сов.геологов на XVI МГК, Австралия), Недра, 1976,с.149-156. Совместно с С.Н.Симаковым, М.Д.Белониным, В.М.Омелиньгм.

12. Опыт создания фонда фактографического материала во ВНИГРИ. В сб.: Ав-томатиз. системы обработки для решения типовых задач нефтяной геологии. Тр.ВНИГРИ, Л.,1978,с.б0-73. Совместно с А.М.Бураго, Н.Н.Вернер и др.

13. Решение задач прогноза в автоматизированном режиме. Тез.докл. на Меж-дунар. симпозиуме СООЕОБАТА по автоматиз. обработке геол. данных. М.,1981,с.23-25. Совместно с М.Д.Белоннным.

14. Метод Монте-Карло - инструмент оценки условий неопределенности при решении геологических задач. - Маюпайске шеюбу V geologii, Прптибрам, ЧССР, 1981,с.377-388. Совместно с М.Д.Белониным.

15. Геолого-математическое моделирование структуры потенциальных ресурсов и очередность выявления месторождений нефти и газа. MatematicKe metody v geologii, Пршибрам, ЧССР, 1983, с.388-391. Совместно с М.Д.Белониным.

16. Комплексирование методов прогноза нефтегазоносности - средство повышения точности и достоверности прогнозных ресурсов. В кн.: Комплексирование методов прогноза нефтегазоносности объектов разного масштаба. М., Наука, 1983,с.14-22. Совместно с М.Д.Белониным, В.П.Шейманом.

17. Геолого-математическое моделирование динамики прироста запасов и добычи и определение очередности открытия месторождений нефти и газа. - В. кн.: Геолого-экономическая оценка прогнозных ресурсов нефти и газа. JL, ВНИГРИ,1983,с.172-188. Совместно с МД.Белониным.

18. Динамические модели в геолого-экономическом прогнозировании. В сб.: Геолого-мат. моделирование в нефтяной геологии. JL, ВНИГРИ,1983,с.5-14. Совместно с М.Д.Белониным.

19. Проблемы создания системы геолого-экономической оценки структуры потенциальных ресурсов нефти и газа. - В сб.: Разработка и внедрение типовых АС решения задач прогноза, поиска и разведки месторождений нефти и газа (тез.докл.). Л.,ВНИГРИ, 1983, с.75-77.

20. Методологические основы оценки геолого-экономической структуры ресурсов нефти и газа. - В кн.: Месторождения нефти и газа. Докл. ХХУП МГК, сек.13, т.13, М.,1984,с.141-145. Совместно с В.Д.Наливкиным, М.Д.Белониньгм.

21. Теория и практика прогноза величины и структуры потенциальных ресурсов нефти и газа и динамики их освоения на основе геолого-математического моделирования и ЭВМ. Тездокл. XXVII МГК, т. VIII, М.,1984. Совместно с В.Д.Наливкиным, М.Д.Белониным.

22. Решение задач прогноза нефтегазоносности в автоматизированном режиме. -В сб.: Автоматизированная обработка теологических данных. М.,ВИЭМС,1984,с.80-93. Совместно с М.Д.Белониньгм.

23. Прогноз динамики освоения УВ ресурсов крупного региона. - В сб.: Повышение эффективности освоения недр Белорусского экономического района. Минск,1986,с.78-87. Совместно с В.П.Растянене.

24. Методические принципы геолого-экономической оценки прогнозных ресурсов нефти и газа. - В кн.: Прогнозирование геолого-экономического качества ресурсов нефти и газа. М., Наука,1985. Совместно с В.Д.Наливкиным, М.Д.Белониным.

25. Геолого-экономический аспект оценки и освоения потенциальных ресурсов УВ больших глубин. - В сб.: Нефтегазообразование на больших глубинах (тез. V Всесоюзн. семинара). Ивано-Франковск, 1986. Совместно с М.Д.Белопнным.

26. Models of formation of oil and gas potential of sedimantary basins, geological and economic evaluation, and development of hydrocarbon resources. 28th International

Geol. Congress, Washington, D.C., USA, July 9-19, 1989. Abstracts, v.2,p.492. Cc вместно с В.Д.Наливкиным, М.Д.Белониным, Э.А.Енгалычевым и др.

27. Экспертные системы в нефтяной геологии. - История геологии. Геологиче ское образование. Математическая геология. Докл.сов. геологов на XVIII МП (Вашингтон, 1989). М., Наука, 1989, с. 131-137. Совместно с МД.Белонинь» В.М.Омелиным.

28. Создание человеко-машинной технологии пятилетнего и перспективног планирования работ на нефть и газ. - В сб.: Человеко-машинные технолопги реше ния прогнозных задач в нефтяной геологии. Л., ВНИГТИ,1988,с.7-14. Совместно М.Д.Белониным.

29. Методические основы автоматизации экономической оценки ресурсов неф ти и газа по динамическим моделям. - В сб.: Человеко-машинные технолопги ре шения прогнозных задач в нефтяной геологии. Л.,ВНИГРИ,1988,с. 14-30. Совмести* с М.Д.Белониным, М.ГЛейбсоном.

30. Пятилетнее и перспективное планирование освоения УВ ресурсов на ЭВМ

- В сб. MatematicKe metody v geologii (тездокл.). Пршибрам, ЧССР, 1987,с.1бЗ Совместно с М.Д.Белониным.

31. Модели формирования нефтегазового потенциала осадочного бассейна, геолого-экономическая оценка и освоение УВ ресурсов. В сб.: Генерация и мигрант нефти (докл.сов.геологов на XVIII МГК). М., 1989,с.140-147. Совместно с В.Д. Наливкиным, М.Д. Белониным, Э.А. Енгалычевьгм и др.

32. Управление работами на нефть и газ и пути его оптимизации в Геосистеме.

- в сб.: Методологические проблемы автоматизации процессов комплексного изучения недр. М.,ВНИИГеоинформсистем, 1989,с.101-115. Совместно с М.Д. Белониным.

33. Экономическая оценка ресурсов нефти и газа на основе динамического моделирования. - Геология нефти и газа, 1990, N1, с.42-46. Совместно с М.Д.Белониным, М.ГЛейбсоном.

34. Long-range oil and gas exploration planning. - Computerized Basin Analysis for Prognosis of Energy and Mineral Resources. Abstracts. COGEODATA, June, 19-22, 1990, Güstrow, GDR, р.5-б. Совместно с M.Д.Белониным.

35. Построение диггамических моделей освоения УВ ресурсов и их использование при планировании работ на нефть и газ. Тездокл. I Всесоюзн. семинара "Нефтегазоносность больших глубин и грязевой вулканизм", Баку, 1990. Совместно с М.Д.Белониным.

36. Автоматизированная технология пятилетнего и перспективного планирования работ на нефть и газ. - Сов .геология, 1989,N10, с.3-18.

37. Computerized technology for the solution of problems in petroleum geology. In P.A.Dowd et JJ.Royer (eds.), 2nd CODATA Conference on Geomath. and Geostatistics. Sei. de la Terra, Ser.Inf., Nancy, 1992,31,p. 169-176. Совместно с М.Д.Белониным.

38. Планирование сейсмических исследований с целью выявления локальных структур при работах на нефть и газ. - В сб.: MatematicKe metody v geologii. (тез.докл.), Пршибрам, ЧССР, 1991, с.32-33.

39. Машинная технология экономической оценки УВ ресурсов и динамики их освоения. - "Геоинформатика", N2, М., 1993,с. 15-24. Совместно с М.Д.Белониным. 40. Возможности оптимизации работ на нефть и газ при использовании вычислительной техники. В сб.: Актуальные проблемы нефтегазовой геологии. JI.,Недра,1991 je. 165-175.

41. Геолого-экономическая оценка потенциальных ресурсов Тимано-Печорской провинции, Печорского и Баренцева морей и возможная динамика их освоения. Тез.докл.Междунар.конференции "Поиски, разведка и добыча нефти и газа в Ти-мано-Печорском бассейне и Баренцевом море". СПб,1994,с. 12-15. Совместно с М.Д.Белониным.

42. Система прогноза нефтегазоносности и моделирование процесса освоения недр. - Компьютерная графика, банки данных, компьютерное моделирование в нефтяной геологии. 1-ая Междунар. конференция, 20-24 ноября 1995, ВНИГРИ, ВНИИГеосистем, ГлавНИВЦ. СПб,1995,с.64. Совместно с М.Д.Белониным.

43. Геолого-экономическая оценка УВ ресурсов морей России, прогноз возможной крупности месторождений, динамики их выявления и освоения. Тр. Между-нар.симпозиума "Топливо-энергетические ресурсы России и др. стран СНГ' (24-26 апреля 1995). СПб, 1995,с.13-14. Совместно с Ю.Н.Григоренко.

44. Геолого-экономическая оценка нефти и газа Тимано-Печорской провинции, возможная динамика и эффективность их освоения. Информац.материалы 2-ой на-учн.конференции "Геология и минеральные ресурсы южных районов республики Коми", 12-14 марта 1996. Сыктывкар, 1996,с.76-77.

45. Оценка эффективности и принятия решений при работах на нефть и газ. -"Теория и практика геолого-экономической оценки разномасштабных нефтегазовых объектов", 1-ая междунар.конференция, 27 ноября - 1 декабря 1995 (тездокл.). СПб,1995. Сов местно с И.С.Симаковой и Г.А.Григорьевым.

46. Сравнительный потенциал будущих открытий УВ в различных районах Дальнего Востока России (результаты имитационного моделирования). "Нефтегазоносные бассейны Западно-Тихоокеанского региона и сопредельных платформ: сравнительная геология, ресурсы и перспективы освоения", 1-ая междунар. конференция, 21-26 апреля 1996 (тездокл.). СПб,199б,с.38. Совместно с Ю.С.Воронковым.

47. Computer simulation for estimation of petroliferous potential of sedimentary basins. Abstract of EAEG/EAPG/EAGO Multidisciplinary Workshop "Developing new reservoirs in Europe". St-Petersburg, 1994, p.10-12. Совместно с М.Д.Белониным.

48. Computer technologies imitating the oil and gas exploration process. - in A.G.Fabbri et JJ.Royer (eds.), 3rd CODATA Conference on Geomath. and

Geostatistics. Sci. de la Terra, Ser. Inf, Nancy, 1994, 32, p.201-214. Совместно i М.Д.Белониным.

49. Computer technology of estimation of hydrocarbon resources and dynamics о their development. - 29th Int.Geol.Congress, 24 August - 3 September, 1992. Abstracts v.3 of 3. Kyoto, Japan, p.832. Совместно с М.Д.Белониным.

50. Computer methods of multiwells oil and gas exploration planning. - Int.sectioi "Math.Methods in Geol.", Oct. 13-16, 1993, Prague, Czech Republic (Abstract). Co вместно с И.С.Симаковой.

Информация о работе

Подольский, Юрий Васильевич
доктора геолого-минералогических наук
Санкт-Петербург, 1996
ВАК 04.00.17

Автореферат

Геолого-экономическое моделирование и планирование работ на нефть и газ в условиях рыночной экономики на основе человеко-машинных технологий - тема автореферата по геологии, скачайте бесплатно автореферат диссертации

Похожие работы