Quantification des incertitudes d'une exploitation d'un gisement d'uranium par Récupération In Situ

par Jean Langanay

Projet de thèse en Géosciences et géoingénierie

Sous la direction de Vincent Lagneau et de Thomas Romary.

Thèses en préparation à Paris Sciences et Lettres , dans le cadre de GRNE - Géosciences, Ressources Naturelles et Environnement , en partenariat avec Géosciences (laboratoire) , Géosciences - Fontainebleau (equipe de recherche) et de École nationale supérieure des mines (Paris) (établissement de préparation de la thèse) depuis le 01-10-2017 .


  • Résumé

    AREVA Mines a développé une expertise dans l'exploitation de gisements l'uranium par Récupération In Situ (ISR). Cette technique, utilisable pour certains types de gisements bien confinés et à haute perméabilité, consiste à injecter une solution d'attaque via une série de puits injecteurs et à récupérer les solutions enrichies en uranium par des puits producteurs. L'uranium dissous est alors séparé de la solution dans une usine de traitement. Les outils développés par le Centre de Géosciences à MINES ParisTech sont particulièrement bien adaptés à la simulation des processus physiques et chimiques qui contrôlent l'exploitation du gisement: écoulement des fluides, réactions de dissolution de l'uranium et compétitions ou apports de minéraux de la gangue. Les codes sont alimentés par des données physicochimiques (acquises par l'exploitant) très variables dans l'espace. La variabilité spatiale gouverne d'ailleurs directement la forme caractéristique des courbes de production. Ainsi, sur un même modèle géostatistique de bloc, les prédictions peuvent alors varier significativement d'une simulation à l'autre. Malgré cette variabilité, les résultats des études passées sont très encourageants et permettent d'envisager une utilisation prédictive de ces outils. AREVA Mines et MINES ParisTech se sont ainsi associés pour développer les méthodes de simulation de l'ISR par des outils de transport réactif en montant la chaire industrielle «exploitation de l'uranium par récupération in situ». L'objectif in fine est de rendre opérationnels la méthode et les outils associés. Un des enjeux qui limitent la capacité prédictive des codes à ce stade est la maîtrise de la variabilité spatiale. En effet, lorsque des simulations d'un scénario d'exploitation sont lancées sur la base de multiples réalisations d'un modèle géostatistique, la dispersion des résultats est limitée à l'échelle du bloc (6 à 10 producteurs) mais peut être très importante d'une réalisation à l'autre à l'échelle de la cellule de production (1 producteur). Le but de cette thèse est d'améliorer les performances prédictives de cette approche, notamment à l'échelle de la cellule de production, dans l'objectif de rendre opérationnel un pilotage de l'exploitation au travers des approches développées. Il s'agira dans un premier temps d'identifier la nature des hétérogénéités du milieu qui ont un fort impact sur les courbes de prédiction. Partant, des méthodes de réduction de scénarios, représentatifs des différents types d'hétérogénéité rencontrés, seront mises en œuvre de manière à évaluer l'incertitude de prédiction des modèles sans pour autant nécessiter un nombre trop important de simulations d'écoulement réactif. Enfin, on cherchera à améliorer la connaissance du modèle géologique sur la base des données de production. On pourra en particulier reprendre la modélisation géostatistique du modèle de bloc en proposant des modélisations géostatistiques alternatives potentiellement plus pertinentes que celles actuellement employées, passant par exemple par l'emploi de modèles non stationnaires.

  • Titre traduit

    Uncertainty quantification in an uranium ore deposit exploitation by In Situ Recovery


  • Résumé

    AREVA Mines has developed an expertise in the exploitation of uranium deposits by In Situ Recovery (ISR). This technique, which can be used for certain types of well-confined and high permeability deposits, involves injecting an acid solution via a series of injector wells and recovering the solution enriched in uranium at producing wells. The dissolved uranium is then separated from the solution in a processing plant. The tools developed by the Geosciences Center at MINES ParisTech are particularly well adapted to the simulation of the physical and chemical processes that control the exploitation of the deposit: fluid flow, uranium dissolution reactions and competition or input of minerals from the gangue. The codes are fed by physicochemical data (acquired by the operator) that varies much in space. Spatial variability directly governs the characteristic shape of the production curves. Thus, on the same geostatistical block model, the predictions can vary significantly from one simulation to the other. Despite this variability, the results of past studies are very encouraging and make it possible to consider a predictive use of these tools. AREVA Mines and MINES ParisTech have thus joined forces to develop methods of simulation of ISR by reactive transport tools by mounting the industrial chair "exploitation of uranium by in situ recovery". The ultimate objective is to make the method and the associated tools operational. One of the issues that limit the predictive capacity of codes at this stage is the control of spatial variability. Indeed, when simulations of an exploitation scenario are launched on the basis of multiple realizations of a geostatistical model, the dispersion of the results is limited to the scale of the block (6 to 10 producers) but can be very important From one production to another at the level of the production cell (1 producer). The aim of this thesis is to improve the predictive performances of this approach, particularly at the production cell scale, with the objective of making monitoring operational through the developed approaches. The first step is to identify the nature of the heterogeneities of the environment that have a strong impact on the prediction curves. Consequently, scenario reduction methods, representative of the different types of heterogeneity encountered, will be implemented in order to evaluate the predictive uncertainty of the models without requiring too large a number of simulations of reactive flow. Finally, we will seek to improve knowledge of the geological model on the basis of production data. In particular, geostatistical modeling of the block model can be resumed by proposing alternative geostatistical modeling potentially more relevant than those currently used, for example by using non-stationary models.