Development Best Practices in the Duvernay Liquid Rich Shale - Early Stage Sensitivity Analyses and Comparative Economics for Decision Making
Notice bibliographique
Résumé
Abstract To maximize the development value of the emerging Canadian Duvernay liquid rich shale (LRS) play quality risk-based decisions need to be made. These decisions must consider a number of complex variables that can all have a high impact on both short and long term economic viability. Credible ranges for variables such as well construction costs, production decline rates, infrastructure configurations, and commodity prices (e.g. oil price volatility witnessed in 2014) must be built. Quality decisions can then be made by leveraging a detailed understanding of the variables’ interdependencies and quantified economic impacts. This paper describes the construction and analysis of a suite of Duvernay scenarios developed by Shell Canada using sophisticated hydrocarbon planning software. They were built using a strategy table approach and focused on options for gas processing facilities. The impacts of drilling ramp-up timing, shallow cut versus deep cut configurations, and operator versus midstream build-own-and-operate (BO&O) were examined. For example, several midstreamers exist in the Duvernay play area with significant, non-optimal (sour and shallow cut) processing capacity. These facilities can be used today to capture initial value but require expansion in the future; therefore, an evaluation of all credible new build options is required to understand how best to develop the play. A suite of key comparative economic metrics, including net present value (NPV), profit to investment ratio (PIR), and payout period (POP), was generated. Expected monetary values (EMV) for each scenario were calculated and used to identify the optimal, risk-based approach. Additional insights were derived by comparing the scenarios, these insights included: the value of information associated with a longer appraisal period, the value of infrastructure flexibility, and the NGL recovery and product price thresholds required to justify deep cut construction.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».