bsee-data-extractor-data-models
Über
Diese 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.
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/bsee-data-extractor-data-modelsKopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren
GitHub Repository
Frequently asked questions
What is the bsee-data-extractor-data-models skill?
bsee-data-extractor-data-models is a Claude Skill by vamseeachanta. Skills package instructions and resources that Claude loads on demand, so Claude can perform bsee-data-extractor-data-models-related tasks without extra prompting.
How do I install bsee-data-extractor-data-models?
Use the install commands on this page: add bsee-data-extractor-data-models to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.
What category does bsee-data-extractor-data-models belong to?
bsee-data-extractor-data-models is in the data/energy category, tagged data.
Is bsee-data-extractor-data-models free to use?
Yes. bsee-data-extractor-data-models is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
Verwandte Skills
Diese 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.
Diese 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.
Diese 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.
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.