Global ETD Search

51	Logística do escoamento da produção de petróleo de plataformas offshore via transporte naval / Logistics of the production of oil from offshore platforms via naval transport Pucu, Paulo Aliberto Barros 25 February 2011 (has links) Currently, Brazil has 113 petroleum platforms, been 79 fixed and 34 floating, with daily production capacity of 2,1 million barrels of oil. Given this production is necessary a strategy for the efficient distribution of oil to refineries, where it will be processed and refined. Oil from the platforms is transported to refineries through pipelines or ships, with much of the operational cost of production is due to transport. For this reason the minimization of the cost of transport is extremely important. This work has for objective, using the technique of mathematical programming (linear mixed integer programming - LMIP), reduce costs arising from transport system. The model consists of a heterogeneous fleet of ships, which have compartments that can only be occupied by a single type of product on each trip. Initially are generated all possible routes and then selected the vessels, associated with their routes in order to attend the demand of refineries and the need for removal of oil in the storage tanks of the platforms. For the implementation of the model was used the software GAMS (General Algebraic Modeling System), together with the method of CPLEX optimization. The results were satisfactory. / Atualmente, o Brasil possui 113 plataformas de petróleo, sendo 79 fixas e 34 flutuantes, com capacidade de produção de 2,1 milhões de barris diários de petróleo. Diante desta produção torna-se necessária uma estratégia eficiente para a distribuição deste petróleo para as refinarias, onde será processado e refinado. O petróleo proveniente das plataformas é transportado para as refinarias, através de navios ou dutos, sendo que grande parte do custo operacional de produção é devido ao seu transporte. Por este motivo a minimização do custo de transporte é extremamente importante. Este trabalho tem por objetivo, utilizando a técnica de programação matemática (programação linear inteira mista – PLIM), reduzir os custos decorrentes do sistema de transporte. O modelo consiste em uma frota heterogênea de navios, os quais apresentam compartimentos que só podem ser ocupados por um único tipo de produto, em cada viagem. Inicialmente são geradas todas as possíveis rotas e, posteriormente, selecionados os navios, associados às respectivas rotas, de forma a atender a demanda das refinarias e a necessidade de retirada de petróleo dos tanques de armazenamento das plataformas. Para a implementação do modelo foi utilizado o software GAMS (General Algebraic Modeling System), juntamente com o método de otimização CPLEX. Os resultados obtidos foram satisfatórios. Engenharia Química Petróleo – Produção Petróleo – Escoamento Transporte marítimo Otimização combinatória Programação linear Engenharia de produção Oil-production Oil-drain Maritime transport Combinatorial Optimization Linear programming Production Engineering CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA
52	Gestão estratégica de riscos de um ativo de produção de petróleo: uma abordagem quantitativa Giamattey, Ricardo Henrique Dionisio 01 July 2011 (has links) Submitted by Ricardo Giamattey (ricardogiamattey@gmail.com) on 2011-07-11T17:58:15Z No. of bitstreams: 2 Dissertação Ricardo Giamattey - final.pdf: 393111 bytes, checksum: cc55efccb9f0eadf9d87b4fef44bc1cd (MD5) Dissertação Ricardo Giamattey - folhas iniciais.pdf: 15339 bytes, checksum: c4d1f3f0aac6864b25286b74f01045c0 (MD5) / Rejected by Vitor Souza (vitor.souza@fgv.br), reason: Estamos reijeitando por seguintes motivos: i) você deve transformar os dois arquivos em um arquivo. ii)estão pendentes as palavras-chave e keywords. on 2011-07-11T19:22:14Z (GMT) / Submitted by Ricardo Giamattey (ricardogiamattey@gmail.com) on 2011-07-11T21:12:09Z No. of bitstreams: 1 Dissertação Ricardo Giamattey - completa.pdf: 403262 bytes, checksum: 808e0bb102ac6df4715cc6e3fb255efe (MD5) / Approved for entry into archive by Vitor Souza (vitor.souza@fgv.br) on 2011-07-11T21:43:13Z (GMT) No. of bitstreams: 1 Dissertação Ricardo Giamattey - completa.pdf: 403262 bytes, checksum: 808e0bb102ac6df4715cc6e3fb255efe (MD5) / Made available in DSpace on 2011-08-17T11:33:39Z (GMT). No. of bitstreams: 1 Dissertação Ricardo Giamattey - completa.pdf: 403262 bytes, checksum: 808e0bb102ac6df4715cc6e3fb255efe (MD5) Previous issue date: 2011-07-01 / This dissertation proposes a quantitative risk management framework for an oil producing asset, focusing on the CFaR and on the likelihood of a less-than-expected return on capital. A simple cashflow model was used, and the operational revenues were forecasted using a operational loss function on the volume side, and for the price forecast it was used a geometric brownian motion without mean reversion and with a time-varying volatility based on a GARCH model. The results show that the proposed framework can provide relevant information to support risk management of oil producing assets since it helps to quantify the importance of different risk factors underlying the operation’s cash flow and therefore its financial results. Lastly, further development in this subject might include a multi-asset operation with a dependence structure among diferent producing systems and with financial, human and equipments constraints. / O objetivo dessa dissertação é estabelecer um modelo quantitativo de gestão de riscos estratégicos de um ativo de produção de petróleo, notadamente o valor em risco do seu fluxo de caixa e de sua rentabilidade. Para tanto, foi utilizado um modelo de fluxo de caixa onde a receita operacional foi definida como variável estocástica. A receita operacional foi estimada a partir de uma função de perdas que descreve o volume de produção de petróleo, e de uma trajetória de preços definida por um modelo geométrico browniano sem reversão a média e com volatilidade descrita por um processo GARCH. Os resultados obtidos demonstram que o modelo proposto é capaz de fornecer informações importantes para a gestão de riscos de ativos de produção de petróleo ao passo que permite a quantificação de diferentes fatores de risco que afetam a rentabilidade das operações. Por fim, o modelo aqui proposto pode ser estendido para a avaliação do risco financeiro e operacional de um conjunto de ativos de petróleo, considerando sua estrutura de dependência e a existência de restrições de recursos financeiros, físicos e humanos. Métricas at-risk Risk Oil production asset At-risk metrics Monte Carlo simulation Risco Ativo de produção de petróleo Simulação de monte carlo Economia Finanças Risco (Economia) Administração de risco Fluxo de caixa Monte Carlo, Método de
53	Controlador preditivo n?o linear aplicado ao controle de golfadas em processos de produ??o de petr?leo / Nonlinear model predictive controller applied to slug control in oil production processes Dantas Junior, Gaspar Fontineli 23 January 2014 (has links) Made available in DSpace on 2014-12-17T14:56:17Z (GMT). No. of bitstreams: 1 GasparFDJ_DISSERT.pdf: 3388304 bytes, checksum: 086a8f61099f69978a8b9f477f351d24 (MD5) Previous issue date: 2014-01-23 / Petr?leo Brasileiro SA - PETROBRAS / Slugging is a well-known slugging phenomenon in multiphase flow, which may cause problems such as vibration in pipeline and high liquid level in the separator. It can be classified according to the place of its occurrence. The most severe, known as slugging in the riser, occurs in the vertical pipe which feeds the platform. Also known as severe slugging, it is capable of causing severe pressure fluctuations in the flow of the process, excessive vibration, flooding in separator tanks, limited production, nonscheduled stop of production, among other negative aspects that motivated the production of this work . A feasible solution to deal with this problem would be to design an effective method for the removal or reduction of the system, a controller. According to the literature, a conventional PID controller did not produce good results due to the high degree of nonlinearity of the process, fueling the development of advanced control techniques. Among these, the model predictive controller (MPC), where the control action results from the solution of an optimization problem, it is robust, can incorporate physical and /or security constraints. The objective of this work is to apply a non-conventional non-linear model predictive control technique to severe slugging, where the amount of liquid mass in the riser is controlled by the production valve and, indirectly, the oscillation of flow and pressure is suppressed, while looking for environmental and economic benefits. The proposed strategy is based on the use of the model linear approximations and repeatedly solving of a quadratic optimization problem, providing solutions that improve at each iteration. In the event where the convergence of this algorithm is satisfied, the predicted values of the process variables are the same as to those obtained by the original nonlinear model, ensuring that the constraints are satisfied for them along the prediction horizon. A mathematical model recently published in the literature, capable of representing characteristics of severe slugging in a real oil well, is used both for simulation and for the project of the proposed controller, whose performance is compared to a linear MPC / A golfada ? um regime inst?vel do fluxo multif?sico, com oscila??es de press?o e vaz?o abruptas no processo de produ??o de petr?leo, podendo ocasionar problemas tais como vibra??o na tubula??o e alto n?vel de l?quido nos separadores. Pode ser classificada de acordo com seu local de ocorr?ncia. A mais severa destas, conhecida como golfada no riser, ocorre na tubula??o vertical que alimenta a plataforma. Conhecida tamb?m como golfada severa, ela ? capaz de causar bruscas oscila??es na press?o, nas vaz?es do processo, vibra??o excessiva, inunda??o dos tanques separadores, produ??o limitada, parada n?o programada da plataforma, entre outros aspectos negativos que motivaram a produ??o deste trabalho. Uma solu??o vi?vel para lidar com tal problema seria projetar um m?todo efetivo para a remo??o ou diminui??o deste regime, como um controlador. De acordo com a literatura, o controlador convencional PID n?o apresenta bons resultados devido ao alto grau de n?o linearidade do processo, o que impulsionou o desenvolvimento de t?cnicas avan?adas de controle. Dentre estas, o controlador preditivo, cuja a??o de controle resulta da solu??o de um problema de otimiza??o, al?m de ser uma t?cnica que apresenta robustez e pode incorporar restri??es f?sicas e/ou de seguran?a. O objetivo deste trabalho ? estudar a aplica??o de uma t?cnica de controle preditivo n?o linear ao controle de golfada severa, visando controlar a quantidade de massa l?quida no riser atuando na v?lvula de produ??o e, indiretamente, suprimir as oscila??es de vaz?o e press?o. Com a finalidade de obter benef?cios ambientais e econ?micos. A t?cnica de controle preditivo proposta baseia-se no uso de aproxima??es lineares do modelo e na resolu??o repetida de um problema de otimiza??o quadr?tica que proporciona solu??es que melhoram a cada itera??o. No caso em que a converg?ncia desse algoritmo ? satisfeita, os valores preditos das vari?veis do processo s?o iguais ?queles que seriam obtidos pelo modelo n?o linear original, garantindo que as restri??es nessas vari?veis sejam satisfeitas ao longo do horizonte de predi??o. Um modelo matem?tico publicado recentemente na literatura, capaz de representar caracter?sticas da golfada severa em um po?o real, ? utilizado tanto para a simula??o, quanto para projeto do controlador proposto, cujo desempenho ? comparado ao de um controlador preditivo linear CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
54	Tratamento biológico de água de produção de petróleo,via sulfetogênese, utilizando reator em bateladas sequenciais / Biological treatment of produced water, via sulfidogenesis, using reactor in sequential batch Agra, Ticiana Ayres 10 August 2015 (has links) The oil production process is an activity that generates significant negative environmental impacts. The production water or produced water (PW) is the wastewater generated during the extraction of oil and stands out due to its high level of salinity and toxicity. Due to the large volume produced and their complex composition, the treatment of this waste presents a major challenge that requires the urgent need for accessible and efficient treatment techniques development and studies according to the economic reality of each region. In order to facilitate a biological treatment of the residue, it was diluted with Synthetic wastewater with a high sulfate concentration to stimulate anaerobic digestion via sulfidogenesis, since Sulphate Reducing Bacteria (SRB) have the characteristic of being resistant to saline environments. Therefore, an anaerobic reactor was used with suspended biomass, operated in sequential batch with cycles of 24 hours in laboratory scale. The reactor was operated with increasing proportions of PW (0%, 2% and 5%), with average chloride concentrations, respectively, 150 mg.L-1, 2.000 mg.L-1 and 4.800 mg.L-1 and COD/SO42- ratios ranging from 0.7 to 2.4. In the stimulation of sulfidogenesis phase the average COD removal efficiency was reduced by 72% (step without sulfate) to 51%, even without adding PW (COD/SO42- = 2.4 and chloride concentration of 150 mg.L- 1). When the system was fed with 2% of PW (COD / SO42- = 0.7 and chloride concentration 2,000 mg.L-1), the COD efficiency remained at 50% and only 15% of this was removed via sulfidogenesis. The proportion of 2% PW was maintained and the ratio COD/SO42- was raised to 1.5 and the average COD removal increased to 55%. By increasing the ratio of Apr to 5% (COD / SO42- = 1.8 and chloride concentration 4.800 mg.L-1) COD removal efficiency was 47%, and 68% of this was removed via sulfidogenesis. These results indicate the viability of using sulfate as an electron acceptor in the treatment of PW, given the occurrence of increase in the reduction of sulphate when the salinity was high, indicating that the effect of salinity stimulated the removal of COD via sulfidogenesis and inhibited via methanogenic. / CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico / O processo de produção de petróleo é uma atividade geradora de significativos impactos ambientais negativos. A água de produção ou água produzida (APr) é o efluente gerado durante a extração do petróleo e destaca-se por apresentar alto teor de salinidade e toxicidade. Devido ao elevado volume produzido e à sua complexa composição, o tratamento desse resíduo apresenta-se como um grande desafio que requer a urgente necessidade do estudo e do desenvolvimento de técnicas de tratamento eficientes e acessíveis à realidade econômica de cada região. No intuito de viabilizar o tratamento biológico da APr, ela foi diluída em água residuária sintética com elevada concentração de sulfato, visando estimular a digestão anaeróbia via sulfetogênese, visto que as Bactérias Redutoras de Sulfato (BRS) possuem a característica de serem resistentes a ambientes salinos. Para tanto, foi utilizado um reator anaeróbio com biomassa suspensa, operado em bateladas sequenciais com ciclos de 24 horas, em escala laboratorial. O reator foi operado com proporções crescentes de APr (0%, 2% e 5%), apresentando concentrações médias de cloretos de, respectivamente, 150 mg.L-1, 2.000 mg.L-1 e 4.800 mg.L-1 e razões DQO/SO42- variando de 0,7 a 2,4. Na fase de estímulo à sulfetogênese, a eficiência de remoção média de DQO foi reduzida de 72% (fase sem sulfato) para 51%, mesmo sem adição de APr (DQO/SO42- = 2,4 e concentração de cloretos de 150 mg.L-1). Quando o sistema foi alimentado com 2% de APr (DQO/SO42- = 0,7 e concentração de cloretos de 2.000 mg.L-1), a eficiência de DQO manteve-se em 50%, sendo que apenas 15% dessa era removida via sulfetogênese. Foi mantida a proporção de 2% de APr e a razão DQO/SO42- foi elevada para 1,5 e a remoção média de DQO aumentou para 55%. Ao elevar a proporção de APr para 5% (DQO/SO42- = 1,8 e concentração de cloretos de 4.800 mg.L-1), a eficiência média de remoção de DQO foi de 47%, sendo que 68% dessa foi removida via sulfetogênese. Esses resultados indicam a viabilidade do uso do sulfato como aceptor de elétrons no tratamento da APr, tendo em vista a ocorrência do aumento da redução de sulfato quando a salinidade foi elevada, demonstrando que o efeito da salinidade estimulou a remoção de DQO via sulfetogênese e inibiu a via metanogênica. Produção de petróleo Àgua residual – Tratamento biológico Salinidade Sulfetogênese Reator em batelada seqüencial Oil production Waste water - Biological treatment Salinity Sulfidogenesis Sequential Batch Reactor
55	Flash Pyrolysis and Fractional Pyrolysis of Oleaginous Biomass in a Fluidized-bed Reactor Urban, Brook John January 2015 (has links) No description available. Chemical Engineering Environmental Engineering Engineering pyrolysis flash pyrolysis biomass bio oil flash pyrolysis of bio mass bio oil production venturi packed-bed condenser fluidized bed reactor fluidized bed terminal velocity triglyceride fatty acid
56	[pt] APLICAÇÃO DE TÉCNICAS DE MACHINE LEARNING E DATA DRIVEN EM POÇOS INTELIGENTES DE PETRÓLEO / [en] APPLICATION OF MACHINE LEARNING AND DATA DRIVEN TECHNIQUES TO SMART OIL WELLS TAISA DORNELAS ABBAS CALVETTE 24 March 2020 (has links) [pt] Realizar uma estimativa confiável na produção de petróleo é um dos grandes desafios na indústria de óleo e gás e é uma parte crítica no planejamento e na tomada de decisão das petrolíferas. Neste contexto, este trabalho visa explorar as vantagens e desempenho dos algoritmos de machine learning para realizar a previsão de produção de petróleo, gás e água a partir das informações de controle de poços inteligentes e usando a metodologia de data driven. Para tanto, foram usadas duas bases de dados com séries históricas de produção de petróleo, gás e água. A primeira base foi gerada sinteticamente (através de simulação de reservatórios) e consiste na produção média mensal e configuração de 3 válvulas de um poço injetor, ao longo de um período de 10 anos. A segunda base usa dados reais de produção (observados) fornecidos pelo estado da Dakota do Sul nos Estados Unidos. Esta base consiste na média diária de produção e o estado geral (ativo ou não produzindo) de diversos poços produtores de petróleo no período compreendido de 1950 a 2018. Com o intuito de testar a metodologia, foram realizados diversos experimentos combinando o treinamento da proxy com algoritmos de Redes Neurais Artificiais (Multilayer Perceptron) e deep learning com redes neurais recorrentes (redes neurais recorrentes simples, long short-term memory, Gated Recurrent Units), chamados de smart proxy e deep smart proxy respectivamente. Os resultados encontrados mostraram que o modelo deep smart proxy se mostrou bastante promissor. Utilizando uma rede Gated Recurrent Units com camadas bidirecionais (GRUB), foi possível obter uma redução no erro RMSE de 66 por cento e no erro MAE de 79 por cento quando comparados aos modelos smart proxy com Redes Neurais Artificiais. Verificou-se que nos modelos deep smart proxy, o uso de camadas bidirecionais gerou uma significativa melhora na previsão e redução do erro, tanto nos testes que utilizaram dados de produção simulados (caso sintético) quanto nos testes que utilizaram dados de produção observados (caso real), proporcionando uma variação de até 75 por cento no RMSE e 85 por cento no MAE. O erro RMSE normalizado na rede GRUB foi de 0,53 por cento nos dados observados e 0,65 por cento nos dados sintéticos. Os modelos de deep smart proxy obtiveram desempenhos muito semelhantes, principalmente ao comparar o desempenho das redes do tipo LSTMB e GRUB. Estas redes foram aplicadas em ambos os casos sintético e real de produção e superaram, em todos os casos, os resultados obtidos com o modelo de smart proxy com MLP. / [en] A reliable forecast for oil production represents one of the biggest challenges in the oil and gas industry and contributes to the planning and decision making of oil companies. Because of that, this work uses intelligent well valves settings and data driven methodology to explore the advantages and the performance of machine learning algorithms in the forecasting of oil, gas and water production. In order to do so, two database containing historical data series of oil, gas and water production were used. The first was generated synthetically (through reservoir simulation) and consisted of the average monthly production of an injection well over a period of 10 years, as well as the configuration of 3 of its valves. The second database used the production data provided by the state of South Dakota, located in the United States, and consisted of the daily production average and the overall well status (active or not producing) from several oil producing wells in a period ranging from 1950 to 2018. In order to test the methodology, several experiments were performed combining proxy with Artificial Neural Network Algorithms (Multilayer Perceptron) and deep learning recurrent neural networks (Simple Recurrent Neural Networks, long short-term memory, Gated Recurrent Units), which were named smart proxy and deep smart proxy, respectively. The results showed that the deep smart proxy model was very promising. Using the Gated Recurrent Units network with bi-directional layers (GRUB), a reduction of 66 percent in the RMSE error and 79 percent in the MAE error was obtained when compared to smart proxy models with Artificial Neural Networks. The deep smart proxy models with bidirectional layers generated a significant improvement in prediction and error reduction in both databases tests ( i.e. tests with simulated production data (synthetic case) and with the observed production data (real case), resulting in a variation of up to 75 percent in RMSE and 85 percent in MAE). The normalized RMSE error in the GRUB network was of 0.53 percent in the observed database and 0.65 percent in the synthetic database. It is important to notice that the Deep smart proxy models achieved very similar performances when comparing the LSTMB and GRUB network in both databases (synthetic and real production), surpassing in all cases the results obtained with the MLP smart proxy model. [pt] PRODUCAO DE PETROLEO [pt] DEEP SMART PROXY [pt] SMART PROXY [pt] PROXY [pt] MACHINE LEARNING [pt] POCOS INTELIGENTES [en] OIL PRODUCTION [en] DEEP SMART PROXY [en] SMART PROXY [en] PROXY [en] MACHINE LEARNING [en] SMART WELLS
57	[pt] MODELOS DE SIMULAÇÃO PARA ANÁLISE DE INCERTEZA NA PREVISÃO DE PRODUÇÃO DE ÓLEO EM PLATAFORMAS DA BACIA DE CAMPOS / [en] SIMULATION MODELS FOR UNCERTAINTY ANALYSIS IN OIL PRODUCTION FORECASTING ON PLATFORMS IN THE CAMPOS BASIN VITOR HUGO PINHEIRO MARQUES 06 November 2023 (has links) [pt] A produção de petróleo possui alta relevância em âmbito brasileiro e mundial. Por outro lado, a incerteza do setor presume alta variabilidade nas previsões de produção de óleo, e exerce um impacto significativo nas decisões. O estudo contempla analisar o cenário da bacia geográfica de Campos, em estudo de caso aplicado em empresa nacional de óleo e gás, com objetivo de aprimorar a previsão de produção de óleo. Para isso, são empregados métodos de simulação, clusterização e previsão, sendo integrados com julgamento humano. Busca-se inferir as incertezas inerentes às atividades, analisar os principais riscos envolvidos e subsidiar a definição das metas de produção. Com esse intuito, foi desenvolvida uma modelagem orientada a dados, por meio da criação de um simulador com linguagem de programação em R. Os dados compreendem os anos de 2017 a 2021, e a projeção é realizada para o ano de 2022. O modelo incorpora julgamento humano durante o processo, permitindo que os especialistas realizem modificações no resultado das previsões, agregando sua experiência e informações exclusivas. A análise de série temporal avalia oito métodos de previsão, seu resultado mostra que a entidade do potencial produtivo apresenta menor erro do que na eficiência, e o método TBATs obteve o menor erro na predição. A análise do planejamento das paradas e entrada dos novos poços é realizada por meio de análise gráfica, observando os principais riscos relacionados. Por fim, o simulador apresenta proposta para auxiliar na definição das metas de produção, ele verifica a probabilidade para alcançar a meta com base nos resultados das simulações. / [en] Oil production has Brazilian and World importance. However, the randomness of the sector results a high variability in oil production forecasts. This variability has a significant impact on decisions. The study analyzes the challenging scenario at geographic Campos basin, in a case applied in a national energy company. The objective is to improve the risk analysis associated with the achievement of oil production targets. Simulation, clustering, and time series forecasting methods are employed, integrating into human judgment. It tries to infer the uncertainties inherent of the activities to increase the accuracy of oil production forecasts, analyze the main risks involved, and subsidize the definition of production targets. A data-driven model is developed, creating a simulator with R language. The data used the years 2017 to 2021, and the projection is made for the year 2022. Human judgment is incorporated into the model during the process, specifying the input parameters to enable experts to make modifications based on the predictions, adding their unique experience and information. The time series analysis eight prediction methods, the results show that the oil potential presents less error than in the production efficiency, and TBATS was the prediction method that obtained the lowest prediction error. The main risks related to the maintenance planning and the entry of new wells are identified through graphical analysis. Finally, the simulator presents a possible solution to help define production goals, it verifies the probability of reaching the goal based on the simulation results. [pt] SERIE TEMPORAL [en] TIME SERIE [pt] SIMULACAO [en] SIMULATION [pt] PRODUCAO DE PETROLEO [en] OIL PRODUCTION [pt] PREDICAO COM JULGAMENTO HUMANO [en] PREDICTION WITH HUMAN JUDGMENTS
58	Kurz- und langfristige Angebotskurven für Rohöl und die Konsequenzen für den Markt Schlothmann, Daniel 20 April 2016 (has links) (PDF) In dieser Arbeit wurden Angebotskurven für 22 bedeutende Ölförderländer ermittelt und anschließend zu globalen Angebotskurven aggregiert. Gemäß den ermittelten Angebotskurven sind nahezu alle gegenwärtig in der Förderphase befindlichen Ölprojekte in den Untersuchungsländern auch beim aktuellen Ölpreis von 35 bis 40 US-$ je Barrel unter Berücksichtigung der kurzfristigen Grenzkosten rentabel. Sollte der Ölpreis jedoch in den kommenden Jahren auf diesem Niveau verharren, wird es bis zum Jahr 2024 zu einem Angebotsengpass auf dem globalen Ölmarkt kommen, da zur Deckung der zukünftigen Nachfrage die Erschließung kostenintensiver, unkonventioneller Lagerstätten und von Lagerstätten in tiefen und sehr tiefen Gewässern notwendig ist. Damit es bis zum Jahr 2024 nicht zu einem solchen Angebotsengpass kommt, ist gemäß des ermittelten langfristigen Marktgleichgewichts ein Ölpreis von mindestens 80 (2014er) US-$ je Barrel notwendig. Ölmarkt Ölangebot Ölpreis Angebotskurven Grenzkosten Ölförderung Ölprojekte konventionelle Ölförderung unkonventionelle Ölförderung Schweröl. Schwerstöl Ölsand Schieferöl Ölschiefer Tight Oil Offshore Onshore Tiefwasser Fördermethoden in-situ mining Tagebau Fracking EOR Enhanced Oil Recovery hydraulic fracturing Exploration Erschließung Förderung OPEC Algerien Angola Ecuador Iran Irak Libyen Nigeria Katar Kuwait Saudi-Arabien Vereinigte Arabische Emirate Venezuela USA Kanada Mexiko Brasilien Großbritannien Norwegen Aserbaidschan Kasachstan Russland China oil market oil supply supply curves marginal costs oil production oil projects conventional oil unconventional oil extra heavy oil oil sands tight oil shale oil oil shale offshore onshore pre-salt in-situ mining hydraulic fracturing EOR enhanced oil recovery exploration development production OPEC Algeria Angola Ecuador Iran Iraq Libya Qatar Kuwait Saudi Arabia United Arab Emirates Venezuela United States Canada Mexico Brazil United Kingdom Norway Azerbaijan Kazakhstan Russia China ddc:330 rvk:QR 534 Welt Erdöllagerstätte Erdölproduktion Fördermenge Erdölangebot Erdölpreis Erdölweltmarkt Grenzkosten Marktgleichgewicht Preissteigerung Erdölbohrung Tagebau Fracking Ölsand Schieferöl
59	Kurz- und langfristige Angebotskurven für Rohöl und die Konsequenzen für den Markt Schlothmann, Daniel 08 March 2016 (has links) In dieser Arbeit wurden Angebotskurven für 22 bedeutende Ölförderländer ermittelt und anschließend zu globalen Angebotskurven aggregiert. Gemäß den ermittelten Angebotskurven sind nahezu alle gegenwärtig in der Förderphase befindlichen Ölprojekte in den Untersuchungsländern auch beim aktuellen Ölpreis von 35 bis 40 US-$ je Barrel unter Berücksichtigung der kurzfristigen Grenzkosten rentabel. Sollte der Ölpreis jedoch in den kommenden Jahren auf diesem Niveau verharren, wird es bis zum Jahr 2024 zu einem Angebotsengpass auf dem globalen Ölmarkt kommen, da zur Deckung der zukünftigen Nachfrage die Erschließung kostenintensiver, unkonventioneller Lagerstätten und von Lagerstätten in tiefen und sehr tiefen Gewässern notwendig ist. Damit es bis zum Jahr 2024 nicht zu einem solchen Angebotsengpass kommt, ist gemäß des ermittelten langfristigen Marktgleichgewichts ein Ölpreis von mindestens 80 (2014er) US-$ je Barrel notwendig.:1. Einleitung 2. Rohöl - Eine naturwissenschaftliche Einführung 3. Charakteristika von Rohölprojekten 4. Historie der Ölindustrie 5. Ökonomik von Rohölprojekten 6. Fallstudien zu den bedeutendsten Förderländern 7. Ermittlung regionaler und globaler Angebotskurven 8. Zusammenfassung info:eu-repo/classification/ddc/330 ddc:330

Search results