History matching automatisé en transport réactif. Application à l'ISR de l'uranium.

par Antoine Collet

Projet de thèse en Géosciences et géoingénierie

Sous la direction de Hervé Chauris.

Thèses en préparation à l'Université Paris sciences et lettres , dans le cadre de École doctorale Géosciences, ressources naturelles et environnement , en partenariat avec Géosciences (laboratoire) , Géosciences - Fontainebleau (equipe de recherche) et de MINES ParisTech (établissement opérateur d'inscription) depuis le 04-01-2021 .


  • Résumé

    La production par récupération in situ(ISR)est devenue aujourd'hui pour l'uranium la première des méthodes d'exploitation. Elle vise les gisements de type roll-front mis en place dans des aquifères de moyenne profondeur. Cette technique minière a l'avantage d'être rapide à déployer, moins coûteuse et de plus faible impact environnemental de surface que les techniques dites traditionnelles (mines à ciel ouvert, mines souterraines). En revanche, comme dans le domaine pétrolier, elle offre une vision indirecte du gisement et présente une incertitude forte sur l'estimation initiale des réserves et l'évaluation de leurévolution au cours du temps. Le centre de Géosciences de MINESParisTech et ORANOMining développent depuis une dizaine d'année une approchedéterministede modélisation detransport réactif dédiée à la simulation de l'exploitation ISR.La modélisation est faite avec lecodede transport réactif HYTEC développéau centre de Géosciences.La modélisationtransport réactif de l'ISRrepose sur un modèle géologique (champsde porosité/perméabilité et distribution des phases minérales réactives),un modèle géochimique décrivant les interactions entre la solution injectée et les phases minérales, une configurationgéométrique des puits et un scenario d'exploitation. La démonstration de la faisabilité et de la robustesse des simulations transport réactif pour l'ISR a été effectuée, notamment à KATCO, site minier au Kazakhstan. Il y a été démontré qu'HYTEC pouvait reproduire de manière satisfaisante la production d'uranium à l'échelle du bloc technologique (une quinzaine depuits producteurs, une soixantaine d'injecteurs) au moyen d'une calibration manuelle du modèle direct, calibration limitée à quelques paramètres géochimiques. De forts écarts peuvent cependant subsister, notamment à l'échelle des puits producteurspris de manière individuelle. Àcette échelle, l'amélioration des résultats nécessite de raffiner localement les modèles géologique/géochimiques par des méthodes d'optimisation. La thèse proposée a ainsi pour principal objectif de renforcer les capacités de prédictions des simulations en développant la résolution du problème inverse déterministe pour automatiser et améliorer l'history matching pour l'ensemble des puits producteurs d'une zone d'exploitation. C'est en effet à cette échelle que se joue la précision de la prévision des scénarios de production. Le travail de recherche pourra se décomposer suivant les 4 volets: 1. Méthodologie. Développementdu problème inverse dans un premier temps avec des méthodes déterministes.Intégration, soit directement dans le code HYTEC, soit au moyen d'une couche externe pouvant utiliser des librairies déjà existantes.Développement de différentes approches de régularisation. Évaluation d'une option d'accélération des calculs géochimiques en utilisant une surface de réponse. Cette méthode pourrait favoriser la convergence ou bien remplacer des calculs géochimiques utilisés pour la modélisation ISR. 2. Caractérisationdes principaux paramètres du modèle ISR qui ont le plus d'influence. Ces paramètres sont liés au transport, (champs de porosité et de perméabilité), à la répartition des faciès géochimiques (zones oxydées, minéralisées, réduites du roll front) et au modèle géochimique (distribution des consommateurs d'acide et des teneurs en uranium). 3. Traitement de cas d'applicationsde complexité croissante: reproduction des historiques de productions réels à l'échelle du puits producteurs, amélioration de la prédiction pour la planification minière, estimation du potentiel de production et réconciliation entre production et estimation initiale des réserves. 4. Comparaisonavec des méthodes stochastiques. Des collaborations avec des partenaires extérieurs pourront être mises en place, afin de solliciter l'expertise développée dans le domaine pétrolier sur les sujets d'optimisation. Références Hervé Chauris. Chapter 5 • Full waveform inversion.Seismic imaging: a practical approach, EDP Sciences, (2019),https://doi.org/10.1051/978-2-7598-2351-2.c007 Vincent Lagneau, Olivier Regnault, Michaël Descostes; Industrial Deployment of Reactive Transport Simulation: An Application to Uranium In situRecovery. Reviews in Mineralogy and Geochemistry(2019); 85 (1): 499–528. doi: https://doi.org/10.2138/rmg.2019.85.16

  • Titre traduit

    Automated history matching in reactive transport. Application to the uranium ISR.


  • Résumé

    In situ recovery (ISR) has recently become the main mining technique for uranium production: it is used for roll-front deposits occurring in medium deep aquifers. Compared to conventional techniques (open pit and underground mining), ISR is faster to implement, less expensive and offers reduced environmental footprint. However, as for oil&gas field, ISR has not a direct access to the deposit within the reservoir and suffers from strong uncertainties about the initial estimate of reserves and the assessment of their evolution over time. For the past ten years, the Center of Geosciences of MINES ParisTech and ORANO Mining have been developing a deterministic approach to simulate ISR operations using reactive transport code HYTEC. The model is based on a 3D geological model (porosity/permeability maps and distribution of reactive mineral phases) coupled with a geochemical model describing the interactions between the leaching solution and the mineral phases. In addition, the geometry of the well-field (coordinates and screen position) is fully described as well as operating scenarios. The feasibility and robustness of reactive transport modelling for ISR were demonstrated, especially at KATCO, a mining site in Kazakhstan. It has been shown that HYTEC accurately reproduces uranium recovery at the “technological block” scale (about 15 producer wells and 60 injectors) with manual calibration of the direct model performed on a few geochemical parameters. However, large discrepancies may remain, particularly when analysis is made at the scale of the individual producer well. At this scale, improving the history matching results requires local adjustments of geological/geochemical models through optimization methods. This PhD thesis aims mainly to reinforce the prediction capacities of simulations by integrating the automatic deterministic solution of the inverse problem to improvethe history matching of the producer well parameters in operation area.Indeed, the forecast of production scenarios can be made at different scales, but the set of producer wells is the representative scale for the operator and the precision at this scale is then crucial for the deployment on site.The thesis has four principal stages. 1. Methodology. Development of the inverse problem using determinist methods.Integration either directly in the platform HYTEC or externally in a meta-layer using existing libraries.Development of different regularization approaches. Evaluation of using response surfaces to accelerate geochemical calculations.This approach might speed up the convergence or/and replace the geochemical calculations of ISR. 2. Characterization of major ISR parameters, i.e. the most influential in the ISR modelling.These parameters cover different aspects. For example, transport properties (porosity, permeability),distribution of geochemical facies (oxidized, mineralized and reduced zones of roll front), and geochemical model (distribution of acid consumers, distribution of Uranium grade). 3. A set of applications with increasing complexity:history matching of real production at the scale of the producer well;production forecast for mining plan; estimation of production potential; and reconciliation between production and initial estimate of reserves. 4. Comparison with stochastic methods. Collaboration with external experts is possible. For example, optimization methods in oil&gas domain. Bibliography Hervé Chauris. Chapter 5 • Full waveform inversion.Seismic imaging: a practical approach, EDP Sciences, (2019),https://doi.org/10.1051/978-2-7598-2351-2.c007 Vincent Lagneau, Olivier Regnault, Michaël Descostes; Industrial Deployment of Reactive Transport Simulation: An Application to Uranium In situRecovery. Reviews in Mineralogy and Geochemistry(2019); 85 (1): 499–528. doi: https://doi.org/10.2138/rmg.2019.85.16