5 Estimering av uoppdagede ressurser

Ingress


5.1 Bakgrunn


 

En viktig del av ODs arbeid er å lage anslag for uoppdagede ressurser på norsk sokkel og for de ulike områdene. Dette er viktig for myndighetenes valg i forbindelse med utforskningen av norsk kontinentalsokkel: hvilke områder bør åpnes for petroleumsaktivitet, når bør områdene åpnes, hvilke områder bør lyses ut for tildeling, og når skal utlysning og tildeling finne sted.

OD beregner de uoppdagede ressursene ved hjelp av en metode som kalles letemodellanalyse. Letemodellanalyse går ut på å anslå hvor mye petroleum som kan påvises og produseres fra hver letemodell (se faktaboks).

Hver letemodell bygger på en rekke forutsetninger om geologiske og reservoartekniske faktorer både på prospekt- og letemodellnivå, med antagelser om usikkerheten knyttet til disse. Usikkerhetsfordelingene samt anslag for funnsannsynligheter er inngangsdata i en stokastisk modell for letemodellanalyse. Resultatene er ressursfordelinger for uoppdagede olje- og gassressurser i letemodellene samt funnsannsynligheter.

Ressursfordelinger som er vektet med funnsannsynligheten angir såkalte riskede ressurser.

Et risket ressursanslag for en letemodell oppgis derfor ofte med en letemodellsannsynlighet. Dersom denne er 20 prosent, betyr det at det er 20 prosent sannsynlig at det finnes produserbar olje eller gass i letemodellen, mens det er 80 prosent sannsynlig at det ikke finnes noe i det hele tatt.

De ulike letemodellene, ressursfordelingene og letemodellsannsynlighetene, er inngangsdata i den stokastiske modellen for å anslå de totale ressursene i et område.

 

Letemodellanalyse



En letemodell er et geografisk avgrenset område hvor flere geologiske faktorer opptrer sammen slik at produserbar petroleum kan påvises.

Disse geologiske faktorene er:

1) en reservoarbergart hvor petroleum kan oppbevares. Reservoarbergartene i en bestemt letemodell vil være av et gitt stratigrafisk nivå

2) en felle slik at petroleum holdes tilbake og samles opp i reservoaret. Fellen må være dannet før petroleum slutter å komme inn i reservoaret.

3) en kildebergart som er skifer, kalkstein eller kull som inneholder organisk materiale som kan omdannes til petroleum. Kildebergarten må også være moden, det vil si at temperatur og trykk er slik at petroleum faktisk blir dannet.

4) en migrasjonsvei, slik at petroleum kan bevege seg fra kildebergarten til reservoarbergarten.

En letemodell er bekreftet når det er påvist produserbar petroleum i letemodellen. Er det ennå ikke påvist produserbar petroleum i en letemodell er den ubekreftet.

Prospekt er en mulig petroleumsforekomst som ennå ikke er boret, som er kartlagt og som det kan beregnes ressurser for. Sannsynligheten for at det kan påvises en petroleums-forekomst i et gitt prospekt kalles funnsannsynlighet.



5.2 Usikkerhet i estimatene



Ressursestimatene og estimatene av funnsannsynlighet estimeres mest mulig objektivt på det til enhver tid best oppdaterte datagrunnlaget.

Anslag over petroleumsressurser er imidlertid forbundet med usikkerhet, og usikkerheten er størst for uoppdagede petroleumsressurser.

I tillegg til at det er knyttet usikkerhet til om det i hele tatt finnes olje og gass, er det også usikkerhet knyttet til hvor mye ressurser som er mulig å produsere gitt funn.

De uoppdagede petroleumsressursene kan deles inn i uoppdagede ressurser i modent område, umodent område og uåpnet område. Inndelingen er basert på hvor grundig kartlagt de ulike geografiske områdene på sokkelen er.

Usikkerheten er minst i modent område og størst i uåpnet område der det er boret ingen eller svært få brønner. I områder der det er boret mange brønner er de fleste store spørsmål om geologien avklart (”de største geologiske nøttene er knekt”) og uoppdagede ressurser kan estimeres på mye sikrere grunnlag. I uåpnede områder er de fleste store spørsmål om geologien ikke besvart og det kan ta tid før svarene finnes.

Denne kategoriseringen er imidlertid ikke absolutt. I modne områder kan det være betydelig usikkerhet om mulige olje og gassressurser i dypere geologiske lag. Det er også usikkerhet knyttet til at det kan være letemodeller som er oversett.

Den geologiske usikkerheten er betydelig i uåpnet område der det er begrenset seismisk datadekning og ingen undersøkelsesbrønner. I estimeringen av funnsannsynligheter og ressurser viser både erfaring og forskning at denne usikkerheten lett kan undervurderes (Rose (1987)).

Ettersom de geologiske estimatene både er basert på ODs databaser og kunnskap om geologien på kontinentalsokkelen og geologenes skjønn og faglige vurderinger, kan det være flere faktorer som bidrar til at usikkerheten under- eller overvurderes. Nedenfor diskuteres kort noen av de faktorene som kan bidra til over- eller undervurdering av usikkerheten knyttet til ressursestimatene.

 

Hvordan er usikkerhet i ressursestimater definert


Usikkerheten uttrykker spennet av mulige utfall eller resultater. Det kan beskrives på mange måter, men oftest ved hjelp av et lavt og et høyt anslag (Eksempel: OD anslår at det er mellom 1,6 og 5,8 milliarder Sm3 3 o.e. olje, gass, kondensat og NGL igjen å finne på den norske kontinentalsokkelen). Som oftest er denne usikkerheten beregnet ved statistiske metoder, for eksempel ved hjelp av Monte Carlo-simulering. Da kan det høye og det lave anslaget beskrives med statistiske begrep. OD bruker P95 for det lave anslaget, dvs at det er 95 prosent sannsynlighet for at resultatet vil være lik eller større enn P95-verdien. For det høye anslaget brukes P05, det vil si at det er 5 prosent sannsynlighet for at resultatet vil være lik eller større enn P5-verdien. Forventningsverdien er gjennomsnittsverdien.(Den defineres gjerne som det aritmetiske gjennomsnittet av alle utfallene i den statistiske fordelingen.)

Letemodellsannsynlighet kaller vi sannsynligheten for at det faktisk kan påvises produserbar petroleum i en letemodell. Denne sannsynligheten beregnes ved hjelp av geologisk kartlegging og statistiske metoder.

Prospektsannsynlighet er sannsynligheten for at et prospekt inneholder petroleum i det ressursvolumet vi har beregnet, gitt at letemodellen er eller blir bekreftet.

Funnsannsynlighet er produktet av letemodell-sannsynlighet og prospektsannsynlighet. Der letemodellen er bekreftet, er funnsannsynlighet og prospektsannsynlighet identisk.



5.3 Geologisk avhengighet


Innenfor en letemodell er det avhengighet mellom prospekter. Funn på ett prospekt vil påvirke funnsannsynlighten for andre prospekter innenfor samme letemodell. Funnets størrelse vil også kunne påvirke størrelsesfordelingen for de andre prospektene i letemodellen. Tilsvarende kan det være avhengighet mellom ulike letemodeller. Funn i en letemodell vil kunne påvirke letemodellsannsynligheten for andre letemodeller.

Generelt vil det være slik at jo større avhengighet det er mellom geologiske faktorer, jo større blir spredningen i ressursestimatet. Variansen øker og forventningen blir høyere (Smith and Thompson (2008)). Det er derfor viktig å modellere denne avhengigheten på en mest mulig korrekt måte, slik at hele usikkerheten i ressursfordelingen blir best mulig avbildet.

En vanlig måte å modellere slik avhengighet på, er gjennom å dele funnsannsynligheten i to; en prospektsannsynlighet som er unik for hvert prospekt og en letemodellsannsynlighet (Smith and Thompson (2005), Stabell (2000) og Wang (2000)). Slik avhengighet kan imidlertid være vanskelig å anslå når det er mange prospekter og flere letemodeller. Ved hjelp av Monte Carlo simulering kan en modell beregne usikkerhetsfordelinger for ressursutfall ved at det trekkes tilfeldig fra usikkerhetsfordelingene til de ulike geologiske faktorene (Fishman (1999)). En Monte Carlo-simulering trekker tilfeldig fra alle usikkerhetssfordelingene der ulike definerte sammenhenger mellom usikkerhetsfordelingene er tatt hensyn til. Dersom det foretas tilstrekkelige antall tilfeldige trekninger vil metoden gi en usikkerhetsfordeling for ressursene i tillegg til forventete ressurser. Denne fordelingen er da betinget av modellspesifikasjoner som type usikkerhetsfordeling, spredning i fordelingen og avhengighet mellom de underliggende geologiske faktorene.

Ulempen med Monte Carlo-simuleringer er at metoden er ressurskrevende. I tillegg er det ofte ikke grunnlag for å gjøre tilstrekkelig konkrete forutsetninger om alle usikre geologiske faktorer og om sammenhenger mellom disse faktorene. Dersom avhengigheten ikke er modellert riktig, vil både usikkerheten og forventningen feilvurderes.

   

5.4 Menneskelige faktorer



Det finnes mye faglitteratur, hovedsakelig innenfor psykologifaget, som omhandler menneskelige faktorer som kan gi inkonsistens og feil i utarbeidelsen av estimater bl.a. om risiko og beholdningsstørrelser (Kahneman and Tversky (1973), Tversky and Kahneman(1981)). Innenfor økonomifaget er menneskelige faktorer i stadig større grad blitt integrert i analyser for å forklare avvik fra antatt rasjonell atferd. Disse studiene innenfor atferdsøkonomi (Wilkinson(2008)), modifiserer antakelsen om rasjonell atferd og viser til at menneskelige faktorer blant annet kan påvirke estimater for risiko og beholdningsstørrelser.

Innenfor ressursestimering har det i lang tid vært kjent at menneskelige faktorer kan påvirke ressursestimatene (Rose (1987)). Et resultat av dette er at usikkerhetsspennet settes for smalt. En tidlig studie (Capen (1976)) viste hvordan estimater kan bli for nøkterne og dermed undervurdere usikkerheten:

“people tend to build into their ranges those events that they can see as possibilities. But since much of our uncertainty comes from events we do not foresee, we end up with ranges that tend to be much too narrow”.

Selv om det har skjedd betydelige forbedringer i metodeapparat og prosesser knyttet til estimering i de 35 årene som er gått siden artikkelen ble skrevet, peker Capen på en del sentrale forhold som fortsatt trolig gjelder ved estimering av størrelser med begrenset informasjon og stor usikkerhet.

Andre studier, bl.a utført av OD, viser at industrien ofte overvurderer ressursestimatene (Fosvold et al. (2000), Ofstad et al (2008), Blystad og Søndenå (2005) og Ofstad et al. (1998)). Dette kan ha flere årsaker, blant annet at geologer i industrien har en generelt optimistisk holdning. Dette kan skyldes en optimistisk natur (Armor and Taylor (2002)), men kan også bunne i strategiske forhold (Osmundsen (1995)) eller være knyttet til insentivstrukturer i selskapene. Et eksempel kan være ønske om at eget prospekt skal prioriteres i konkurranse om knappe letebudsjettmidler. Dette er kjent blant annet fra budgiving i auksjoner av utforskningstillatelser (Capen, Clapp and Campbell (1971)).

Over- eller undervurdering av usikkerhet og skjeve estimater av funnsannsynlighet og ressurser kan korrigeres gjennom såkalte ”peer-reviews”(eller riskegrupper). Slike grupper kan oppleve utfordringer knyttet til gruppetenking (Janis (1972)), slik at estimatene også etter gjennomgang i slike grupper kan bli ”skjeve” avhengig av gruppens sammensetning. Det er viktig at slike grupper settes sammen slik at det skapes et mangfold i innfallsvinkler (Page (2007)) og at gruppetenking minimeres (Surowiecki (2004)).


 

5.5 ”Ting vi ikke ser”


 

Det finnes flere eksempler fra norsk sokkel hvor letemodeller er oversett. Et kjent eksempel er Ula som ble funnet av BP og Conoco i 1976 etter at de kjøpte utvinningstillatelsen fra Gulf Oil. Funnet ble gjort bare 70 meter under det punktet Gulf hadde avsluttet en undersøkelsesbrønn i 1968 (Tønnesen og Hadland (2010)). Gulf testet kritt letemodell, mens Ula ble funnet i senjura.

Mer kjente eksempler har vi både fra Mexico-gulfen og dyptvannsområdene utenfor Brasil, der ny teknologi har bidratt til ny forståelse av geologien i området. Mens det tidligere var vanskelig å se under saltlagene har teknologiutvikling innenfor seismikk og geologisk tolkning gjort det mulig å se prospekter under saltlagene.

På norsk sokkel er det betydelig med basalt lag som gjør det vanskelig å få gode data fra seismisk innsamling. I slike områder kan en letebrønn gi helt ny geologisk informasjon som kan føre til definisjon av en eller flere nye letemodeller, og dermed utvide forståelsen for geologien i området. Slike mer ”spekulative forhold” blir av naturlige grunner ofte ikke inkludert i analysene, noe som kan medføre at usikkerheten undervurderes.

Denne form for usikkerhet ligner på det som Nassim Taleb (2007) kaller for ”Svarte svaner”. Fenomenet ”Svarte svaner” har tre kjennetegn: Det er en hendelse som for det første, virker helt utenkelig, for det andre har hendelsen stor betydning og for det tredje framtrer hendelsen som logisk og forutsigbart i ettertid.

Talebs hovedpoeng et at vi verken har evnen eller viljen til å forestille oss at uforutsette hendelser vil inntreffe. Vi later som om de ikke kan inntreffe, og innbiller oss at vi har full kontroll. Vi tror at vi har kunnskaper som vi ikke har.


18.05.2010