What is best practice greenhouse and energy reporting in the oil and gas industry?*
Notice bibliographique
Résumé
The upstream oil and gas industry is diverse and many of the assets are geographically dispersed in offshore and onshore locations. The first year of National Greenhouse and Energy Reporting (NGER) in the 2009 financial year (FY09) challenged the industry to come to terms with complex issues such as the reporting structure, defining facilities, determining appropriate reporting methodologies, determining incidental emissions, obtaining contractor emissions and considering uncertainty estimates. This paper will explore the range of industry responses during FY09 and will be accompanied by a case study from Santos Limited to illustrate the journey. In responding to NGER requirements in FY09, the oil and gas industry was required to absorb many new legislative compliance obligations. At a company level, difficult decisions had to be made about the allocation of resourcing for NGER preparation and response. Companies were also faced with financial implications of the reported data, because that data would underpin permit liability under the proposed Carbon Pollution Reduction Scheme (CPRS). Going forward, a key optimisation challenge for FY10 and beyond is the management and use of the NGER data. This paper will cover the processes and systems used to collect and report data and how the use of that data for organisational decision making will all be an important optimisation consideration in a CPRS environment. The paper will also explore other NGER reporting issues for the oil and gas industry, such as: arrangements with stakeholders, such as joint venture parties, partners and contractors;selection of measurement methods, including complexities with venting, flaring and other fugitive emissions;availability of appropriate measurement equipment;issues with reporting of own-use emissions and intermediate energy use and production; and,measurement of exploration activities. These issues are likely to present an optimisation challenge to many in the industry during FY10 and beyond. The paper will then conclude with a case study by Santos Limited.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,233 | 0,360 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,007 | 0,015 |
| Communication savante | 0,028 | 0,038 |
| Science ouverte | 0,010 | 0,012 |
| Intégrité de la recherche | 0,015 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».