npv-analyzer
Über
Die npv-analyzer-Skill führt wirtschaftliche Bewertungen und Net-Present-Value (NPV)-Analysen für Öl- und Gas-Assets durch. Entwickler können sie für Cashflow-Modellierung, Preisszenarioanalysen und Monte-Carlo-Simulationen nutzen, um probabilistische P10/P50/P90-Ergebnisse zu generieren. Sie berechnet auch wichtige finanzielle Kennzahlen wie IRR und Amortisationszeit für Feldentwicklungsprojekte.
Schnellinstallation
Claude Code
Empfohlennpx skills add vamseeachanta/workspace-hub -a claude-code/plugin add https://github.com/vamseeachanta/workspace-hubgit clone https://github.com/vamseeachanta/workspace-hub.git ~/.claude/skills/npv-analyzerKopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren
GitHub Repository
Verwandte Skills
bsee-data-extractor-query-configuration
AndereDiese Teilfähigkeit bietet YAML-Konfigurationsvorlagen zur Strukturierung von Abfragen für die Extraktion von BSEE-Öl- und Gasdaten. Sie unterstützt mehrere Abfragetypen (nach Block, API, Leasing, Feld oder Gebiet) über verschiedene Datensätze hinweg, einschließlich WAR und APD. Entwickler nutzen sie, um strukturierte Parameter für gezielte Datenextraktionen aus BSEE-Systemen zu definieren.
production-forecaster
AndereDiese Fähigkeit führt Decline-Curve-Analysen durch, um die Förderung von Öl- und Gasbohrungen zu prognostizieren und die letztendlich förderbare Menge (EUR) abzuschätzen. Sie passt Arps-Modelle an, erzeugt Typecurves und unterstützt probabilistische Ausgaben für Reservenberechnungen. Nutzen Sie sie für Produktionsprognosen, Reservenschätzungen und die Feldentwicklungsplanung in Energieanwendungen.
npv-analyzer-example-1-simple-npv-calculation
AndereDiese Fähigkeit bietet ein grundlegendes Beispiel zur Implementierung einer Net-Present-Value (NPV)-Berechnung für ein Öl- und Gasprojekt unter Verwendung einer speziellen Python-Bibliothek. Sie zeigt, wie Kernkomponenten wie Produktionsprognosen, Preisannahmen und steuerliche Rahmenbedingungen definiert werden, um die Projektwirtschaftlichkeit zu modellieren. Nutzen Sie dies als Startvorlage für einfache Cashflow-Analysen, bevor Sie zu komplexeren Szenarien übergehen.
bsee-data-extractor-data-models
AndereDiese Fähigkeit bietet strukturierte Datenmodelle und Python-Klassen zum Extrahieren und Verarbeiten von BSEE-Öl- und Gasförderdaten. Sie umfasst Pydantic/Dataclass-Modelle für Bohrlochdatensätze, Produktionsdaten und API-Clients zur Handhabung der öffentlichen Datensätze der BSEE. Nutzen Sie diese Referenzfähigkeit, wenn Sie programmatisch auf standardisierte Offshore-Energieproduktionsdaten zugreifen, diese parsen oder analysieren müssen.
