FR2937758A1 - Procede et dispositif de traitement de signaux - Google Patents

Abstract

Le procédé de détermination de similitudes de signaux provenant d'une étape (400) d'analyse d'échantillons par un même type d'appareil de mesure, caractérisé en ce qu'il comporte : - une étape (405 à 420) de détermination de valeur pour chaque paramètre d'un modèle d'incertitude attaché aux dits signaux, par traitement d'éléments caractéristiques homologues dans au moins deux signaux provenant d'analyse d'échantillons similaires et - une étape (425 à 440) de détermination d'une mesure de similitude entre des signaux en fonction de chaque valeur de paramètre dudit modèle d'incertitude et d'éléments caractéristiques homologues dans les différents signaux dont on détermine une mesure de similitude. Dans des modes de réalisation, au cours de l'étape de détermination de valeur, on optimise un modèle mathématique d'incertitude pour qu'il corresponde aux différences théoriquement attendues entre les éléments caractéristiques homologues dans les différents signaux d'échantillons similaires.

Description

PROCEDE ET DISPOSITIF DE TRAITEMENT DE SIGNAUX La présente invention concerne un procédé et un dispositif de traitement de signaux. Elle s'applique, en particulier, au traitement de signaux représentatifs de mesures effectuées sur des échantillons dont on cherche à déterminer les similitudes. Plus particulièrement, la présente invention s'applique à des signaux issus d'un chromatographe en vue de déterminer si deux échantillons de pétrole proviennent de réservoirs, ou nappes, reliés entre eux. La caractérisation de la continuité de réservoir fournit des informations pour réduire les incertitudes clés dans un champ pétrolier dont l'exploitation est envisagée et pour planifier et implémenter le développement optimal des réservoirs. Cette caractérisation est donc d'un grand intérêt pour l'industrie pétrolière.

La caractérisation de réservoirs et les études sur la continuité de réservoir peuvent être effectuées de différentes façons. On peut notamment citer, comme méthodes de caractérisation pour estimer la compartimentation des réservoirs, les mesures PVT (acronyme de Pression, Volume, Température), l'analyse d'isotopes, les techniques dites GCMS (acronyme de Gas Chramotography - Mass Spectrometry, pour Chromatographie en phase Gazeuse couplée à la Spectrométrie de Masse) ou FTIR spectroscopy (acronyme de Fourier Transform Infra Red, pour spectrométrie Infra-Rouge à Transformée de Fourier) et la chromatographie multidimensionnelle en phase gazeuse. Parmi ces méthodes, la mise en oeuvre d'empreintes de pétroles obtenues par analyse de chromatogrammes en phase gazeuse de pétrole brut est l'une des moins onéreuses et des plus rapides. La technique d'empreinte de pétrole est assez simple à mettre en oeuvre. Elle consiste à comparer différents chromatogrammes en phase gazeuse d'échantillons provenant de différents puits d'un champ pétrolier. Les différences entre les chromatogrammes sont utilisées comme indices pour identifier les barrières éventuelles entre les réservoirs concernés par ces puits. Depuis le début des années 1980, cette technique dite ROF (acronyme de Reservoir Oil Fingerprinting ) a été largement utilisée pour estimer les connections entre réservoirs, ou, ce qui revient au même, la présence de barrières de flux entre deux réservoirs. La méthode ROF est basée sur la comparaison de plusieurs chromatogrammes obtenus dans les mêmes conditions chromatographiques. Plus précisément, elle s'appuie sur les différences entre les rapports de hauteurs de pics des différents échantillons analysés.

Les deux hauteurs de pics utilisées pour calculer chaque rapport sont généralement choisies de telle manière qu'ils soient proches l'un de l'autre pour éviter les différences dues à d'autres phénomènes que la compartimentation de réservoirs, tels que l'évaporation, les gradients gravitationnels, l'immobilisation des composants lourds dans l'appareil chromatographique. En effet, les incohérences introduites par ces mécanismes sont particulièrement importantes pour les composants ayant des différences de temps de rétention importantes. Il est généralement accepté que la précision d'analyse du chromatographe est de l'ordre de 1 à 3 %. En fonction de cette plage, des différences de rapports de hauteurs de pics de 5 à 10 %, voire plus, ne peuvent être attribuées à des erreurs d'analyse et devraient représenter les différences de composition réelles des pétroles bruts. Il est donc d'usage d'utiliser une sélection restreinte des rapports les plus discriminants pour séparer les pétroles bruts dans des groupes significatifs. Ces groupes peuvent ensuite être représentés sur des diagrammes en étoile qui représentent les rapports dans un plan pour faciliter la comparaison. Cependant cette technique présente de sérieuses limitations, notamment liées aux incertitudes sur les rapports de hauteurs de pics : les écarts à la répétabilité des conditions d'analyse et la dégradation de la colonne chromatographique au cours du temps jouent un rôle prépondérant qui n'est pas pris en compte. De plus, l'incertitude sur chaque rapport est fortement dépendante des pics chromatographiques mis en jeu dans ce rapport. Les problèmes tels que les coélutions (détection simultanée de différents composés mal séparés par la chromatographie) ou le bruit sur les mesures entraînent en toute rigueur une spécificité de l'erreur affectée à chaque rapport. Ce problème peut mener à des interprétations erronées des données chromatographiques. Pour preuve, le fait de changer de liste de rapports de hauteurs à de pics à prendre en compte dans un diagramme en étoile peut conduire à des résultats très différents. D'ailleurs, puisque seulement un nombre restreint de rapports de hauteurs de pics est considéré, le diagramme en étoile reste une représentation partielle de la topologie dans l'espace de l'ensemble des rapports de hauteurs de pics. En outre, de légères mais nombreuses différences de compositions entre les échantillons peuvent avoir un impact important. Cette variabilité de composition et la difficulté subséquente à restreindre le nombre de rapports de hauteurs de pics sélectionnés peuvent mener à des résultats erronés. D'autres interprétations utilisant les rapports de hauteurs de pics de 35 chromatogrammes GC (acronyme de Gaz Chromatographie, pour Chromatographie en Phase Gazeuse) par des méthodes statistiques sont aussi possibles, telles que la classification hiérarchique ascendante, l'analyse en composantes principales ou la classification par logique floue ( Fuzzy logic ). Cependant, il est important de noter que toutes ces méthodes se basent sur des différences relatives de rapports de hauteurs de pics dont l'incertitude est indéterminée. Les résultats obtenus ne sont donc pas exprimés d'une manière absolue et sont restreints à la comparaison d'échantillons de pétroles bruts sur une échelle qui n'est jamais la même d'une série de comparaisons à l'autre. . En d'autres termes, l'état de l'art actuel ne permet pas de disposer d'une échelle sur laquelle il serait possible de mesurer des différences entre échantillons de manière universelle. L'expérience acquise sur des projets passés est donc de peu d'utilité pour les projets futurs. Ceci est d'autant plus gênant qu'il peut exister des légères différences de composition au sein d'un même réservoir ou de réservoirs pourtant connectés (phénomène de gradients de composition). En l'état actuel, l'amplitude de ces phénomènes ne pouvant être quantifiée de manière universelle, les spécialistes ne peuvent pas déterminer si les différences entre échantillons sont significatives ou non de réelles barrières de perméabilité entre réservoirs. La présente invention vise à remédier à ces inconvénients. A cet effet, la présente invention vise, selon un premier aspect, un procédé de détermination de similitudes de signaux provenant d'une étape d'analyse d'échantillons par 20 un même type d'appareil de mesure, caractérisé en ce qu'il comporte : - une étape de détermination de valeur pour chaque paramètre d'un modèle d'incertitude attaché aux dits signaux, par traitement d'éléments caractéristiques homologues dans au moins deux signaux provenant d'analyse d'échantillons similaires et - une étape de détermination d'une mesure de similitude entre des signaux en 25 fonction de chaque valeur de paramètre dudit modèle d'incertitude et d'éléments caractéristiques homologues dans les signaux dont on détermine une mesure de similitude. Le terme homologues se réfère à des signaux caractéristiques d'une mesure particulière présents dans les différentes analyses, soit les pics d'un même composé dans différents signaux (dans le cas précis de la chromatographie, les pics d'un même composé 30 présents dans différents chromatogrammes) Grâce à ces dispositions, la mesure de similitude est directement liée à l'incertitude des mesures. On observe que plus le nombre de rapports de hauteurs de pics associés aux signaux est élevé, plus les valeurs du modèle de l'incertitude sont précisément déterminées et plus la mesure de similitude est correcte. On note ici que les échantillons 35 similaires ne sont pas nécessairement issus d'un même échantillon initial : on peut soit se contenter d'analyser deux fois le même échantillon, soit extraire indépendamment deux échantillons dans le même réservoir, puis les analyser.

Dans des modes de réalisation, au cours de l'étape de détermination de valeur de chaque paramètre, on optimise un modèle mathématique d'incertitude pour qu'il corresponde aux différences théoriquement attendues entre les éléments caractéristiques homologues dans les signaux d'échantillons similaires.

Dans des modes de réalisation, au cours de l'étape de détermination de valeur, on optimise un modèle mathématique d'incertitude pour que la distribution des variables de Student construites à partir de ce modèle corresponde à une distribution théorique de Student à un degré de liberté des différences entre les éléments caractéristiques homologues dans les signaux d'échantillons similaires.

Dans des modes de réalisation, au cours de l'étape de détermination de valeur de chaque paramètre, les valeurs de paramètres minimisent la distance quadratique entre une fonction de distribution cumulative théorique et la fonction de distribution cumulative obtenue avec les éléments caractéristiques d'un couple de signaux provenant d'échantillons similaires.

Dans des modes de réalisation, au cours de l'étape de détermination d'une mesure de similitude, on détermine la différence moyenne entre, d'une part, la distribution obtenue par le calcul des différences entre les éléments caractéristiques homologues dans les signaux dont on détermine une mesure de similitude et, d'autre part, une distribution théorique fonction des dites valeurs de paramètres.

Dans des modes de réalisation, au cours de l'étape de détermination d'une mesure de similitude, on détermine la différence moyenne entre, d'une part, la distribution obtenue par le calcul des différences entre les éléments caractéristiques homologues dans les signaux dont on détermine une mesure de similitude et, d'autre part, une distribution de Student théorique fonction des dites valeurs de paramètres.

Dans des modes de réalisation, au cours de l'étape de détermination d'une mesure de similitude, on détermine la différence moyenne entre, d'une part, la distribution obtenue par le calcul des différences entre les éléments caractéristiques homologues dans les signaux dont on détermine une mesure de similitude et, d'autre part, une distribution gaussienne théorique fonction des dites valeurs de paramètres.

Dans des modes de réalisation, au cours de l'étape de détermination d'une mesure de similitude, on fournit un écart entre les échantillons en fonction de ladite différence moyenne. On observe que cet écart est indépendant du nombre N de rapports accessibles et indépendant du système d'analyse des échantillons, que cet écart est global et absolu (l'écart étant indépendant du système d'analyse des échantillons). Cet écart permet la création de bases de données d'études de cas directement utilisables pour des comparaisons avec tout nouveau projet d'étude ou tout nouvel appareil d'analyse d'échantillons. En effet, puisque les écarts entre les échantillons sont exprimés sur une échelle absolue, les connaissances acquises sur un site peuvent être mises à profit pour des études ultérieures. Par exemple, pour une application à un projet d'exploitation d'un champ pétrolier, ces bases de données permettent, notamment, de fixer des seuils de variation de compositions (ou de similitude) à partir desquelles on peut considérer qu'une barrière existe entre les réservoirs ayant fourni des échantillons de pétrole brut. Dans des modes de réalisation, au cours d'au moins une étape de détermination, les éléments caractéristiques homologues sont des hauteurs de pics présents dans les différents signaux. On observe que ce mode de réalisation correspond préférentiellement à la mise en oeuvre d'une distribution gaussienne. Dans des modes de réalisation, au cours d'au moins une étape de détermination, les éléments caractéristiques homologues sont des rapports de hauteurs de pics présents dans les différents signaux. On observe que ce mode de réalisation correspond préférentiellement à la mise en oeuvre d'une distribution de Student. Dans des modes de réalisation, au cours de l'étape d'analyse, on met en oeuvre un chromatographe en phase gazeuse pour fournir des signaux de chromatogrammes. On peut ainsi déterminer des similitudes entre des échantillons pouvant être analysés avec un tel chromatographe, par exemple des échantillons de pétrole brut.

Dans des modes de réalisation, au cours d'au moins une étape de détermination, on met en oeuvre un modèle d'incertitude décrit par la formule suivante : (o-HT, (a.Hi + fi)` formule dans laquelle a et /3 sont des paramètres à optimiser et H, est la hauteur normalisée du pic i.

L'inventeur a, en effet, déterminé qu'un tel modèle d'incertitude correspondait bien à de nombreuses analyses d'échantillons, par exemple des analyses par chromatographes. La présente invention vise, selon un deuxième aspect, un dispositif de détermination de similitudes de signaux provenant d'une analyse d'échantillons par un même type d'appareil de mesure, caractérisé en ce qu'il comporte : - un moyen de détermination de valeur pour chaque paramètre d'un modèle d'incertitude attaché aux dits signaux, par traitement d'éléments caractéristiques homologues dans au moins deux signaux provenant d'analyse d'échantillons similaires et - un moyen de détermination d'une mesure de similitude entre des signaux en fonction de chaque valeur de paramètre dudit modèle d'incertitude et d'éléments caractéristiques homologues dans les signaux dont on détermine une mesure de similitude.

Les avantages, buts et caractéristiques particulières de ce dispositif étant similaires à ceux du procédé objet de la présente invention, tel que succinctement exposé ci-dessus, ils ne sont pas rappelés ici. D'autres avantages, buts et caractéristiques particulières de la présente invention 5 ressortiront de la description qui va suivre faite, dans un but explicatif et nullement limitatif en regard des dessins annexés, dans lesquels : - la figure 1 représente, schématiquement, un premier mode de réalisation d'un dispositif objet de la présente invention, - la figure 2 représente, schématiquement, un champ pétrolier muni de puits de 10 forage, - la figure 3 représente, schématiquement, des extraits de chromatogrammes en phase gazeuse d'échantillons de pétrole brut et - la figure 4 représente, sous forme de logigramme, des étapes mises en oeuvre dans un mode de réalisation particulier du procédé objet de la présente invention. 15 Comme exposé ci-dessus, la présente invention concerne, d'une manière générale, un procédé et un dispositif de traitement de signaux. Elle s'applique, en particulier, au traitement de signaux représentatifs de mesures effectuées sur des échantillons dont on cherche à déterminer les similitudes, comme exposé en regard de la figure 1. Plus particulièrement, la présente invention s'applique à des signaux issus d'un chromatographe 20 en vue de déterminer si deux échantillons de pétrole proviennent de réservoirs, ou nappes, reliés entre eux, comme exposé en regard de la figure 2. On observe, en figure 1, un terminal local 105 muni d'une imprimante 110, d'un moyen de capture de grandeurs physiques 135 et d'un moyen d'accès 115 à un réseau 120 auquel est relié un serveur 125. Le serveur 125 est muni d'une base de données 130. 25 Le terminal local 105 est, par exemple, de type ordinateur à usage général. Le terminal local 105 commande l'impression de tableaux de similitudes entre échantillons et d'interprétation de ces tableaux. Le moyen d'accès 115 au réseau 120 est, par exemple, un modem de type connu, permettant d'accéder au réseau 120, par exemple le réseau Internet. Le serveur 125 est de type connu. La base de données 130 conserve, au moins, 30 une liste de mesures de similitudes ou d'écart entre échantillons déjà traités conformément au procédé objet de la présente invention, en relation avec des identifiants d'échantillons et, éventuellement, des moyens de capture de grandeurs physiques 135 utilisés pour analyser ces échantillons. Le terminal 105 conserve un logiciel qui, lors de son exécution, implémente des 35 étapes du procédé objet de la présente invention. Le serveur 125 conserve un logiciel qui, lors de son exécution, implémente des étapes d'un procédé de stockage et de restitution de mesures de similitudes ou d'écarts.

En variante, le terminal 105 ne conserve pas de logiciel spécifique mais met en oeuvre un navigateur de la toile et un service de la toile (en anglais, web service ) hébergé par le serveur 125. Le terminal 105 et/ou le serveur 125 est adapté à déterminer des similitudes de signaux provenant du même moyen de capture 135, aussi appelé appareil de mesure . A cet effet, le terminal 105 et/ou le serveur 125 comporte : - un moyen de détermination de valeur pour chaque paramètre d'un modèle d'incertitude attaché aux dits signaux, par traitement d'éléments caractéristiques homologues dans au moins deux signaux provenant d'analyse d'échantillons similaires et - un moyen de détermination d'une mesure de similitude entre des signaux en fonction de chaque valeur de paramètre dudit modèle d'incertitude et d'éléments caractéristiques homologues dans les signaux dont on détermine une mesure de similitude. Ces moyens sont, par exemple, constitués d'un microprocesseur 140 et de mémoires 145 conservant un système d'exploitation 150 et un logiciel applicatif 155 comportant des instructions pour implémenter le procédé objet de la présente invention. Enfin, de manière connue en soi, le terminal local 105 est muni d'un écran de visualisation 160 et de moyens de commandes 165, par exemple comportant un clavier et une souris. Dans la suite de la description, on décrit une mise en oeuvre de la présente invention pour l'exploitation de signaux provenant d'un moyen de capture 135 constitué d'un chromatographe en phase gazeuse adapté à fournir des chromatogrammes d'échantillons de pétrole brut. Cependant, la présente invention ne se limite pas à ce type de moyen de capture, mais s'étend, bien au contraire, à tous types de moyens de captures de grandeurs physiques, par exemple de signaux sonores, mécaniques, électriques, magnétiques, de vibrations, ou d'images. Il permet de déterminer un niveau de similitudes entre des signaux provenant de ces moyens de capture. Par exemple, la présente invention peut être utilisée pour reconnaître ou distinguer des voix, des mots et phrases prononcées, des objets présents dans des scènes visuelles ou sonores, des secousses sismiques, des ondes électromagnétiques.

Dans le cas de l'application à l'industrie pétrolière, la présente invention met en oeuvre une nouvelle méthode statistique pour analyser des chromatogrammes en phase gazeuse, qui se base sur une quantification cohérente de l'incertitude sur les mesures de hauteurs de pics. La quantification des incertitudes inhérentes à chaque hauteur de pic permet une différentiation plus précise. On note qu'elle peut être utilisée dans d'autres domaines, tels que l'allocation de flux de production ( commingled streams allocation en anglais).

On observe, en figure 2, dans un champ pétrolier 205, des réservoirs de pétrole brut souterrains 210, 215 et 220. Des puits de prélèvement d'échantillons 225, 230 et 235 permettent de prélever des échantillons dans chacun des réservoirs 210, 215 et 220, respectivement.

Un des problèmes qui se pose pour l'exploitation de ce champ pétrolier est celui du nombre de forages nécessaires pour atteindre l'ensemble des réservoirs. Corrélativement, on recherche les réservoirs qui sont reliés par un flux de pétrole, comme en figure 2, les réservoirs 210 et 215 et les réservoirs qui ne sont pas reliés entre eux, par exemple le réservoir 220 n'est relié ni au réservoir 210, ni au réservoir 215. Le traitement de chromatogrammes en phase gazeuse conformément au procédé objet de la présente invention permet d'estimer une similitude des compositions chimiques des échantillons de pétrole brut prélevés et, en conséquence de donner une probabilité de connexion entre les réservoirs. On observe, dans deux extraits de chromatogrammes 305 et 310 illustrés en figure 3, que chaque extrait de chromatogramme comporte des pics, respectivement 315 à 325 et 330 à 340. Ces pics peuvent se trouver en regard, sur les deux chromatogrammes, comme les pics 315 et 330. Ils peuvent aussi être très proches sur le même chromatogramme, comme les pics 335 et 340. En cas d'influence de la hauteur de l'un de ces pics sur la hauteur de l'autre, il y a coélution.

Dans la suite de la description, on considère les rapports de hauteurs de pics de chaque chromatogramme comme empreinte de ce chromatogramme. On note que l'on utilise le plus de pics possible, voire tous les pics. Ces pics sont communs à tous les chromatogrammes, c'est-à-dire les pics possédant le même indice de Kovats, à la largeur d'un pic chromatographique près.

On rappelle ici que les indices de Kovats sont des valeurs de rétention relatives calculées de manière à être indépendantes, au premier ordre, des conditions chromatographiques dans lesquelles les échantillons ont été analysés. L'indice de Kovats d'un composé i est calculé selon l'équation suivante : KovatslD(i) = 100.(nC;_,+(log,o(t;)-log10(tc;_1))/(log,o(ta)-log10(tc;_1)) Avec : KovatslD(i), l'indice de Kovats du composé i, nc;_,, le nombre de carbones de la n-paraffine située juste avant le composé i, t,, le temps de rétention du composé i, tc;_,, le temps de rétention de la n-paraffine située juste avant le composé i et ta, le temps de rétention de la n-paraffine située juste après le composé i. Comme on l'observe en figure 4, dans un mode de réalisation particulier, la première étape 400 du procédé consiste à réaliser un chromatogramme pour chaque échantillon prélevé, en identifiant des chromatogrammes qui concernent des échantillons provenant du même puits de prélèvement. Puis, au cours d'une étape 405, on normalise les pics des signaux représentant les chromatogrammes afin de compenser les différences de volume injecté des échantillons dans le système chromatographique, comme exprimé, plus loin, en regard de la formule (4). Au cours de cette même étape 405, on sélectionne les pics homologues de tous les chromatogrammes, c'est-à-dire correspondant au même indice de Kovats. On dispose ainsi de mesures caractéristiques propres à chaque échantillon sous la forme des hauteurs des pics sélectionnés.

Au cours d'une étape 410, on calcule N rapports de ces mesures caractéristiques pour chaque échantillon. Au cours d'une étape 415, on construit N variables dites de Student, à partir des N rapports de chaque couple d'échantillons et à partir d'un modèle d'incertitude dont les paramètres sont à optimiser.

Au cours d'une étape 420, à partir des couples d'analyses supposées similaires et à partir des variables de Student, on détermine les valeurs des paramètres qui optimisent le modèle d'incertitude. Au cours d'une étape 425, on calcule l'ensemble des variables de Student pour tous les autres couples d'analyses, en utilisant les paramètres optimisés au cours de l'étape 20 420. Au cours d'une étape 430, pour chaque couple d'analyses, on calcule la différence moyenne entre la distribution des N variables de Student et une distribution théorique de Student à un degré de liberté. Au cours d'une étape 435, on établit l'écart moyen entre des jeux de N données 25 aléatoires distribuées selon une distribution de Student et une distribution théorique de Student. On calcule également l'écart type. Ces valeurs correspondent à la variabilité naturelle attendue pour N variables. Au cours d'une étape 440, l'écart moyen calculé dans l'étape 435 est soustrait de la différence moyenne déterminée à l'étape 430 de manière à définir une différence nulle 30 quand deux analyses sont similaires. L'incertitude sur la différence moyenne entre deux analyses est de plus donnée par l'écart type déterminé au cours de l'étape 435. En ce qui concerne les étapes 415 et 420, on construit un modèle mathématique afin d'estimer les incertitudes sur les rapports de hauteurs de pics entre deux chromatogrammes, au moyen des couples d'analyses relatives au(x) même(s) échantillon(s) 35 de pétrole brut et au moyen de la distribution théorique des erreurs attendues (dans le cas de rapports de hauteurs de pics : distribution de Student à un degré de liberté).

Le modèle d'incertitude doit obéir à deux critères : il faut qu'il soit suffisamment souple pour que la distribution des variables de Student (construites à partir du modèle d'incertitude) obéisse à la distribution de Student à un degré de liberté, mais soit en même temps suffisamment général pour s'appliquer à une série d'analyses peu espacées dans le temps. De nombreux essais ont été réalisés pour trouver le meilleur compromis entre ces deux critères. En ce qui concerne la courbe modèle de distribution (distribution de Student à un degré de liberté), il est démontrable que les variables construites à partir de l'équation (2) ci-dessous se distribuent suivant une loi de Student à un degré de liberté. Dans le cas présent, cette courbe modèle est donc fixée une fois pour toute. Cependant, la technique utilisée pourrait également être appliquée à des mesures plus classiques dont l'erreur est de type gaussienne, par exemple si on traite les hauteurs de pics plutôt que les rapports de hauteurs de pics. En ce cas, les variables n'étant pas sous forme de rapports, il faudrait simplement utiliser la loi normale à la place de la loi de Student à un degré de liberté.

Le nombre d'analyses à réaliser successivement sur le même batch, c'est-à-dire la même série d'analyses avec le même moyen de capture, ici le même dispositif chromatographique, est restreint pour deux raisons principales. D'abord, l'analyse chromatographique de pétrole brut prend du temps. De plus, les données chromatographiques sont altérées en fonction croissante du nombre d'analyses à réaliser avec la même colonne chromatographique. Puisque le nombre de mesures de la hauteur du même pic du même fluide est très limité, les calculs usuels d'incertitudes, tels que la déviation standard, ne peuvent être effectués avec précision. Pour la mise en oeuvre du procédé objet de la présente invention, on tire parti des 25 mesures nombreuses de rapports de hauteurs de pics dans chaque chromatogramme. On met en oeuvre la variable de Student t, qui s'exprime comme suit : t=(. 6e~y1? (1) formule dans laquelle : x est la valeur moyenne de l'échantillon pour une variable descriptive x, 30 /t est l'espérance de la variable x, Ue est l'estimateur de la déviation standard de la population et n est le nombre de mesures indépendantes dans l'échantillon. Dans notre cas, les variables sont les rapports de hauteurs de pics.

Pour deux chromatogrammes représentant le même pétrole brut, l'espérance p est nulle pour chaque variable. Dans une telle configuration, la variable de Student t associée à chaque rapport de hauteurs de pics peut être écrite : où H; est la hauteur normalisée du pic i. La distribution d'une telle variable est connue sous le nom de distribution de Student à un degré de liberté. Lorsque le nombre de variables t;; pour chaque chromatogramme est raisonnablement élevé, on approche la distribution théorique de ces variables si le dénominateur de l'expression (2) est correctement estimé.

On peut déterminer quatre facteurs d'erreurs dans les mesures dans les chromatogrammes : - le premier concerne la hauteur de pic dans la mesure où on peut considérer que moins le pic est élevé, plus grande est l'erreur relative, - le deuxième prend en compte le phénomène de coélution qui a un effet direct sur la hauteur de pic ; plus la coélution est significative, plus un pic est modifié par la contribution des pics voisins ; le ratio entre les hauteurs de pics et la hauteur de sa plus haute vallée donne une bonne représentation de l'importance de la coélution, - le troisième concerne la différence entre les temps de rétention du même composé dans des analyses successives ; en effet, si le temps de rétention du même composé varie d'une analyse à l'autre, les mesures de hauteurs de pics peuvent être estimées de manière erronée du fait du phénomène de coélution, le positionnement de la ligne de base (en anglais baseline ) ou des identifications erronées, - le dernier facteur concerne la hauteur de la ligne de base : plus cette ligne de base est élevée, plus les incertitudes sont significatives sur la mesure de la hauteur de pic.

Tous ces facteurs ont été intégrés dans des modèles conceptuels. Chacun de ces modèles a été testé avec différents jeux de données pour déterminer sa précision et sa robustesse. Pour optimiser le modèle conceptuel, étant donné qu'un couple de chromatogrammes provient du même échantillon de pétrole brut, la fonction de distribution cumulative ou CDF (acronyme de Cumulative Distribution Function ) des t variables sur chaque rapport de hauteurs de pics, devrait suivre la même tendance que la t-distribution de Student théorique à un degré de liberté. Ces considérations sont exploitées pour optimiser les modèles : leurs valeurs optimales sont celles qui minimisent la distance quadratique entre la CDF théorique et la H H. Chromato. I Chromato.21 + Chromato. I \6H, H, Chromato.2 (aH (2) CDF expérimentale obtenue avec des couples de chromatogrammes provenant du même échantillon de pétrole brut. Le meilleur modèle d'incertitude est ainsi celui qui minimise ce critère mais aussi celui qui possède la meilleure capacité à être universel. Cette dernière contrainte est évaluée en scindant les couples de chromatogrammes correspondant aux mêmes échantillons de pétrole brut en deux groupes : le premier est utilisé pour optimiser les paramètres du modèle et le second est utilisé pour valider son universalité. L'universalité signifie que les données de validation (couples d'échantillons n'ayant pas servi à l'optimisation du modèle d'incertitude mais qui sont reconnus comme étant semblables) doivent présenter une similitude comparable à celle trouvée pour les données utilisées pour l'optimisation. Si ce n'est pas le cas, l'incertitude ne peut être utilisée, par exemple du fait d'une évolution trop rapide du système de mesure. On recommande ainsi d'analyser, à la fin de la série d'échantillons, le même échantillon qu'au début. En variante, on met en oeuvre une interpolation des valeurs de paramètre déterminées à différents stades de la série

d'échantillons analysés. Les différentes simulations mènent à la réduction du nombre de variables dans l'estimation de l'incertitude et le meilleur modèle conceptuel peut être décrit par la formule suivante : (6Ti)2 - (a.Hi + J3)2 (3) Formule dans laquelle a et A' sont des paramètres à optimiser et H, est la hauteur normalisée du pic i. Les hauteurs de pics sont normalisées pour éviter des effets d'échelle potentiels, selon la formule : H Mule 1 (H fluide 1 ) _ .Vorni ( 1 1'rr ~ H I. h"Éle 1 H 1 En effet, comme illustré en figure 3, l'amplitude des pics peut varier considérablement d'un fluide à un autre sans augmenter l'incertitude relative. Le calcul de la propagation des incertitudes peut alors être exprimé selon la formule (5) qui permet la transposition des incertitudes de hauteurs de pics aux incertitudes de rapports de hauteurs de pics. (4) i fr~'= H (a.H, +~)2 + H' (a H~ ,6)2 Puis, on compare les distributions des variables de Student expérimentales (équation 2) et théoriques pour obtenir une mesure absolue des différences entre les empreintes constituées des rapports de hauteurs de pics des chromatogrammes. Il est reconnu que la caractérisation des barrières entre réservoirs de pétrole est souvent compliquée par la variabilité de la composition du fluide dans le même réservoir. Comme la méthode classique utilisée pour caractériser la compartimentation est effectuée sur une échelle relative, et avec une restriction des rapports de hauteurs de pics, la variabilité de la composition due à une vraie compartimentation ou due aux effets thermogravitationnels (ou autres) ne peut être quantifiée.

Pour résoudre ce problème crucial, l'inventeur a calculé un écart absolu entre les échantillons de pétrole brut. D'un cas à l'autre, puisque les écarts sont exprimés sur une échelle comparable, l'implication exacte des barrières de flux et de la variabilité interne du réservoir peut être quantifiée et donc prise en compte. Cependant, les incertitudes sur les rapports de hauteurs de pics n'étant pas les mêmes d'une série d'analyses à l'autre, l'inventeur a choisi d'utiliser les courbes de distribution des t variables de Student obtenues pour chaque paire de fluides. Puisque chaque analyse est transposée en termes de t-variables, et puisque ces variables sont indépendantes de l'amplitude des incertitudes, l'écart moyen entre les CDF théorique et expérimentale est exprimé sur une échelle universelle. En utilisant la variabilité naturelle de N variables aléatoires (N étant le nombre rapports de hauteurs de pics utilisé) distribuées selon une distribution de Student à un degré de liberté, l'incertitude sur l'évaluation de différence peut aussi être estimée. Le moyen le plus simple pour évaluer l'écart moyen entre les CDF théorique et expérimentale, consiste à appliquer la formule suivante : D/.Iu,del = l7uide2 \ (CDFl.7,,,del i I /u,de2 (t, ) ù CDF/h.,,, (t, )) (6) Formule dans laquelle : CDF1.1,,,del ,.,,ude (t, ) est la CDF associée à chaque variable t; expérimentale CDF/.,,eä (t,) est la CDF associée à la même variable t, théorique et N est le nombre de t-variables. Cependant, cette méthode n'est pas suffisante lorsque certaines CDF expérimentales sont plus étroites que la CDF théorique. Dans de tels cas, l'écart calculé entre les CDFs serait important alors que toute comparaison en un point unique de la paire de chromatogrammes serait plus proche qu'attendu. Cette situation apparaît lorsque les paires de chromatogrammes utilisés pour établir le modèle d'incertitude sont moins proches que d'autres qui n'ont pas été utilisées à 35 cet effet. Cela peut arriver parce que la méthode de comparaison de CDF est suffisamment sensible pour faire apparaître la dégradation progressive des colonnes de chromatographie pendant le cycle d'analyses d'un jeu d'échantillons de pétrole brut. L'écart moyen entre les CDF expérimentale et théorique est finalement calculé selon la formule suivante : " Dj-hurle1 Fluide 2 _ Id, n ,=1 Les valeurs des d; dépendent des valeurs des variables ti : (7) si t, < 0 : d, = CDF,;,, (t, ) ù CDF,,,,,, (t, ) (8) si t, > 0 : d, = CDF.n,e(, (t, ) ù CDF, .~, (t, ) (9) Ce résultat évite de pénaliser des distributions expérimentales qui sont plus 10 étroites que prévu selon le modèle d'incertitude : un tel cas serait représenté par une différence négative. En ce qui concerne l'expression de l'incertitude sur les différents calculs, un générateur de variables aléatoires distribuées selon une distribution de Student à un degré de liberté a été construit. Il peut être utilisé pour faire une CDF simulée avec N variables 15 aléatoires pour calculer ses différences avec la CDF théorique selon les équations (7), (8) et (9). Ce procédé peut aussi être répété des centaines de fois pour estimer sa déviation standard. Cette dernière valeur correspond à la variabilité naturelle des simulations de N variables. Si le nombre de variables aléatoires N coïncide avec le nombre de rapports 20 indépendants du jeu de données réel, il peut être utilisé comme une estimation fiable de l'incertitude sur la différence entre CDF expérimentale et théorique. Au cours d'une étape 445, on stocke les écarts entre les empreintes sur une échelle absolue dans une base de données. Ce qui permet la création de bases de données d'études de cas directement utilisables pour des comparaisons avec tout nouveau projet 25 d'étude. En effet, puisque les écarts entre les échantillons sont exprimés sur une échelle absolue, les connaissances acquises sur une série d'analyses peuvent être mises à profit pour des études ultérieures. Ces bases de données permettent, notamment, de fixer des seuils de variation de composition à partir desquelles on peut considérer qu'une barrière existe entre les réservoirs 30 ayant fourni des échantillons de pétrole brut. Au cours d'une étape 450, on récupère, depuis la base de données, des seuils recommandés d'écarts au delà desquels les échantillons sont considérés comme ne provenant pas de réservoirs connectés entre eux.

Au cours d'une étape 455, sur la base des seuils recommandés ou de seuils déterminés spécifiquement pour le projet, on estime, en fonction des écarts entre les échantillons, ceux qui proviennent de réservoirs probablement connectés. Le tableau 1, ci-dessous, concerne deux jeux de données comportant plusieurs analyses d'échantillons. Chaque jeu de données comporte des analyses de fluides provenant de différents puits mais du même champ pétrolier. Certains échantillons ont été analysés deux fois pour construire le modèle d'incertitude sur chaque jeu de données et pour le valider. Dans le tableau 1, on a respecté l'ordre dans lequel les analyses ont été effectuées. Cela peut être important puisque la qualité des mesures de hauteurs de pics peut se dégrader au fur et à mesure des analyses. Le modèle d'incertitude a été construit, pour chaque jeu de données, avec le premier échantillon.

20 25 On décrit, dans la suite de la description, un exemple de mise en oeuvre du procédé objet de la présente invention. Dans cet exemple, seul l'échantillon 1 (analyses Al et A2) a été utilisé pour obtenir le modèle d'incertitude de chaque jeu de données. Le résultat est donné en tableau 2, ci-dessous : 30 Al A2 B1 B2 Cl C2 D E F A2 -0,002 B1 0,198 0,195 B2 0,196 0,194 -0,023 Cl 0,182 0,181 0,156 0,157 C2 0,180 0,180 0,159 0,161 -0,015 D 0,190 0,189 0,145 0,151 0,073 0,093 E 0,198 0,197 0,087 0,099 0,157 0,160 0,146 Tableau 1 Jeu de données 1 Jeu de données 2 Analyse échantillon analyse échantillon Al 1 Al 1 B1 2 B1 2 Cl 3 Cl 3 D 4 D1 4 E 5 D2 4 F 6 C2 3 G 7 B2 2 C2 3 A2 1 B2 2 A2 1 F 0,192 0,191 0,062 0,063 0,156 0,157 0,145 0,087 G 0,196 0,193 0,049 0,059 0,154 0,157 0,142 0,056 -0,002 Les analyses B1 et B2 (échantillon 2) et les analyses Cl et C2 (échantillon 3) valident le modèle d'incertitude puisqu'elles ne sont pas utilisées pour le construire. Les analyses de ces deux couples sont plus étroites que prévu, puisque leurs différence en regard de la théorie est légèrement négative (respectivement -0.023 et -0.015). Cela peut s'expliquer par l'ordre dans lequel les analyses ont été réalisées. Les analyses F et G ne peuvent pas, non plus, être différenciées (résultat de -0.002). Ce résultat signifie que les échantillons F et G proviennent de réservoirs connectés ou de réservoirs séparés dans lesquels le pétrole brut a la même composition chimique (autrement appelé faux négatifs ). Les autres analyses montrent des différences de composition significatives selon les valeurs données en tableau 2 et l'intervalle de confiance de 95 % (valant +/- 0,019). On note que, pour déterminer cette valeur de +/- 0,019, on multiplie l'écart type par le multiplicateur 1,96 trouvé dans la table des fractiles de Student. Un tel résultat suggère l'existence de barrières de flux entre les réservoirs correspondant à ces analyses. Cependant, la variabilité de composition des fluides du même réservoir n'est, en réalité, pas très bien connue. En conséquence, la valeur limite de seuil au delà de laquelle il y a une certitude de présence d'une barrière de flux entre deux réservoirs peut être supérieure à zéro. Le mode de réalisation particulier du procédé objet de la présente invention exposé ici fournit des mesures absolues entre deux empreintes. Il serait donc suffisant de fixer ce seuil une seule fois pour un projet bien connu. Cependant, par traitement des seuils mis en oeuvre sur plusieurs projets passés, on peut pré-estimer un seuil à appliquer à un nouveau projet. Au fur et à mesure que les connaissances s'accumulent, il est également possible de déterminer les écarts de composition attendus pour des représentants d'un même gisement en fonction de différents paramètres, tels que la distance entre les points d'échantillonnage, la nature de la roche réservoir, les fractures, ...

Sur un deuxième jeu de données, le résultat de l'analyse de distribution donné en tableau 3, ci-dessous, pour l'intervalle de confiance de 95 % (valant +1- 0,015) suggère que les différences entre les empreintes peuvent être intégralement attribuées à l'incertitude sur les mesures de hauteurs de pics. II peut en être déduit que tous les échantillons de ce jeu de données proviennent du même réservoir ou qu'ils correspondent à des faux négatifs .

L'existence de barrières de flux ne peut être déduite des différences de compositions. Al A2 B1 B2 Cl C2 Dl A2 -0,001 17 B1 -0,013 -0,014 B2 -0,009 -0,001 -0,021 Cl 0,005 0,011 -0,001 0,006 C2 0,004 0,018 -0,003 0,006 -0,003 D1 0,011 0,002 -0,002 0,006 -0,008 -0,006 D2 0,001 0,008 0,002 0,002 -0,013 -0,016 -0,005 L'enseignement de la présente invention comporte de réaliser une analyse de la distribution des différences entre deux représentations (ici des chromatogrammes) du même fluide (par exemple du même échantillon), plutôt que de se focaliser sur les valeurs des rapports de hauteurs de pics associés à ces représentations. Le modèle d'incertitude bâti sur 15 deux empreintes provenant du même échantillon (ici de pétrole brut) est appliqué aux autres empreintes réalisées avec le même matériel (ici la même colonne chromatographique), le nombre d'analyses réalisées pour le même jeu de données devant être suffisamment restreint pour conserver la généralité du modèle. Dans le mode de réalisation exposé dans l'exemple 2 ci-dessus, chaque échantillon donne lieu à un couple d'analyses fournissant des 20 paires d'empreintes dont une seule a été utilisée pour bâtir le modèle d'incertitude. De plus, l'enseignement de la présente invention comporte la détermination d'un écart entre empreintes sur une échelle absolue. La distribution de t variables constituées pour une paire d'analyses est comparée à la distribution théorique obtenue si ces analyses provenaient du même échantillon. La déviation moyenne, reportée à la variabilité naturelle 25 attendue, fournit une mesure absolue des différences entre ces deux empreintes. L'inventeur a déterminé que ces incertitudes entre deux analyses peuvent servir comme une base robuste pour estimer l'écart réel entre elles.

En conclusion, le procédé objet de la présente invention fournit une estimation d'incertitude de rapports de hauteurs de pics sur la base de connaissances théoriques solides, même si le nombre de mesures de chaque hauteur de pic pour un même fluide est très limité.

Claims (1)

1. REVENDICATIONS1 - Procédé de détermination de similitudes de signaux provenant d'une étape (400) d'analyse d'échantillons par un même type d'appareil de mesure, caractérisé en ce qu'il 5 comporte : - une étape (405 à 420) de détermination de valeur pour chaque paramètre d'un modèle d'incertitude attaché aux dits signaux, par traitement d'éléments caractéristiques homologues dans au moins deux signaux provenant d'analyse d'échantillons similaires et - une étape (425 à 440) de détermination d'une mesure de similitude entre des 10 signaux en fonction de chaque valeur de paramètre dudit modèle d'incertitude et d'éléments caractéristiques homologues dans les signaux dont on détermine une mesure de similitude. 2 û Procédé selon la revendication 1, caractérisé en ce que, au cours de l'étape (405 à 420) de détermination de valeur, on optimise un modèle mathématique d'incertitude pour qu'il corresponde aux différences théoriquement attendues entre les éléments caractéristiques 15 homologues dans les signaux d'échantillons similaires. 3 û Procédé selon l'une quelconque des revendications 1 ou 2, caractérisé en ce que, au cours de l'étape (405 à 420) de détermination de valeur de chaque paramètre, on optimise un modèle mathématique d'incertitude pour que la distribution des variables de Student construites à partir de ce modèle corresponde à une distribution théorique de Student à un 20 degré de liberté des différences entre les éléments caractéristiques homologues dans les signaux d'échantillons similaires. 4 û Procédé selon l'une quelconque des revendications 2 ou 3, caractérisé en ce que, au cours de l'étape (405 à 420) de détermination de valeur de chaque paramètre, les valeurs de paramètres minimisent la distance quadratique entre une fonction de distribution cumulative 25 théorique et la fonction de distribution cumulative obtenue avec les éléments caractéristiques d'un couple de signaux provenant d'échantillons similaires. û Procédé selon la revendication 4, caractérisé en ce que, au cours de l'étape (425 à 440) de détermination d'une mesure de similitude, on détermine la différence moyenne entre, d'une part, la distribution obtenue par le calcul des différences entre les éléments 30 caractéristiques homologues dans les signaux dont on détermine une mesure de similitude et, d'autre part, une distribution théorique fonction des dites valeurs de paramètres. 6 û Procédé selon la revendication 5, caractérisé en ce que, au cours de l'étape (425 à 440) de détermination d'une mesure de similitude, on détermine la différence moyenne entre, d'une part, la distribution obtenue par le calcul des différences entre les éléments 35 caractéristiques homologues dans les signaux dont on détermine une mesure de similitude et, d'autre part, une distribution de Student théorique fonction des dites valeurs de paramètres. 7 û Procédé selon la revendication 5, caractérisé en ce que, au cours de l'étape (425 à 440) de détermination d'une mesure de similitude, on détermine la différence moyenne entre, d'une part, la distribution obtenue par le calcul des différences entre les éléments caractéristiques homologues dans les signaux dont on détermine une mesure de similitude et, d'autre part, une distribution gaussienne théorique fonction des dites valeurs de paramètres. 8 û Procédé selon l'une quelconque des revendications 5 à 7, caractérisé en ce que, au cours de l'étape (425 à 440) de détermination d'une mesure de similitude, on fournit un écart entre les échantillons en fonction de ladite différence moyenne. 9 û Procédé selon l'une quelconque des revendications 1 à 8, caractérisé en ce que, au cours d'au moins une étape de détermination, les éléments caractéristiques homologues sont des hauteurs de pics homologues dans les différents signaux. 10 û Procédé selon l'une quelconque des revendications 1 à 9, caractérisé en ce que, au cours d'au moins une étape de détermination, les éléments caractéristiques homologues sont des rapports de hauteurs de pics homologues dans les différents signaux. 11 û Procédé selon l'une quelconque des revendications 1 à 10, caractérisé en ce que, au cours de l'étape (400) d'analyse, on met en oeuvre un chromatographe en phase gazeuse pour fournir des signaux de chromatogrammes. 12 û Procédé selon l'une quelconque des revendications 1 à 11, caractérisé en ce que, au cours d'au moins une étape de détermination, on met en oeuvre un modèle d'incertitude décrit par la( formule suivante : (6,h)` (a.Hi f ,3)z formule dans laquelle a et /3 sont des paramètres à optimiser et H, est la hauteur normalisée du pic i. 13 - Dispositif de détermination de similitudes de signaux provenant d'une analyse d'échantillons par un même type d'appareil de mesure, caractérisé en ce qu'il comporte : - un moyen (105, 125) de détermination de valeur pour chaque paramètre d'un modèle d'incertitude attaché aux dits signaux, par traitement d'éléments caractéristiques homologues dans au moins deux signaux provenant d'analyse d'échantillons similaires et - un moyen (105, 125) de détermination d'une mesure de similitude entre des signaux en fonction de chaque valeur de paramètre dudit modèle d'incertitude et d'éléments caractéristiques homologues dans les différents signaux dont on détermine une mesure de similitude.35