English version
Flux RSS
Accueil
Accueil > Compétences > Directions de recherche > Chimie et Physico-chimie appliquées > La chémoinformatique au service de l’EOR chimique

Chimie et Physico-chimie appliquées

La chémoinformatique au service de l’EOR chimique

"Développement d'une approche QSPR-inverse appliquée à l'EOR"

Travail postdoctoral de Christophe Muller

Une des méthodes de récupération assistée des hydrocarbures (EORa) par voie chimique consiste à injecter dans le réservoir des formulations complexes contenant des tensioactifs, afin de faciliter le dépiégeage des ganglions d’huile retenus par des effets de capillarité. Pour un réservoir pétrolier donné, le choix d’une formulation adaptée requiert de nombreuses expérimentations en laboratoire.

L’une des clés pour la mise au point de la formulation injectée est la maîtrise de la salinité optimale, qui permettra de maximiser la récupération de l’huile. Un modèle prédictif pour cette salinité optimale permettrait d’accélérer le processus de sélection des formulations de tensioactifs.

La chémoinformatique, domaine scientifique récent, fournit des outils et des méthodes pour l'analyse et le traitement des données issues de la chimie. Moyennant l’existence de données en quantité suffisante, cette approche permet d’identifier des descripteurs pertinents et des modèles prédictifs de propriétés.

Un travail commun avec Solvay, dans le cadre de l’Alliance EOR, a permis la mise en place d’une telle base qui regroupe, pour une température, une saumure et une huile modèle, les valeurs expérimentales de salinités optimales pour diverses familles de tensioactifs.

En appliquant des outils de chémoinformatique à cette base de données(1), les chercheurs d’IFPEN ont montré qu’il est possible de relier directement la structure chimique des tensioactifs et la salinité optimale des formulations. L’utilisation combinée des machines à vecteurs de supportb et de dénombrements de fonctions chimiques a permis d’obtenir des modèles prédictifs robustes pour ces conditions.

L’objectif désormais est de développer un modèle intégrant davantage de complexité, puis de l’intégrer au processus de sélection à haut débit de nouvelles formulations de tensioactifs.

 

a - EOR : Enhanced Oil Recovery.
  
b - Méthodes d'apprentissage supervisé destinées à résoudre des problèmes de classification et de régression.

 

Contact scientifique : benoit.creton@ifpen.fr

Article paru dans Science@ifpen n° 23 - Décembre 2015

Publication

  1. C. Muller, A.G. Maldonado, A. Varnek, B. Creton, Prediction of Optimal Salinities for Surfactant Formulations Using a Quantitative Structure–Property Relationships Approach, Energy Fuel, 2015, 29, 4281.
    >> DOI : 10.1021/acs.energyfuels.5b00825

 

L'espace Découverte vous propose des clés pour comprendre les enjeux énergétiques du 21ème siècle liés à un développement durable de notre planète.

Liste de liens

  • Imprimer la page