Introduction à la DFC pour l'analyse des déversements de pétrole

Les déversements de pétrole demeurent l'une des catastrophes environnementales les plus catastrophiques, avec des conséquences considérables pour les écosystèmes marins, les économies côtières et la santé publique.Les incidents majeurs tels que Horizon des eaux profondes (2010) et Exxon Valdez[ (1989) ont rejeté des millions de barils de pétrole brut dans des milieux marins sensibles, causant des dommages à long terme qui persistent pendant des décennies.La réaction et l'atténuation efficaces dépendent de la capacité de prévoir la trajectoire et la dispersion du pétrole rapidement et avec précision après un déversement.Les méthodes traditionnelles fondées sur des modèles analytiques simplifiés sont souvent insuffisantes pour saisir la physique complexe de l'interaction huile-eau, le mélange turbulent et l'influence des conditions océaniques dynamiques. La dynamique des fluides informatiques (CFD)[ est apparue comme un outil puissant qui peut simuler le comportement détaillé des déversements de pétrole en résolvant les équations pratiques régissant le flux et le transport de fluides.

Les fondamentaux du CFD pour les flux d'hydrocarbures multiphasés

Pour la modélisation des déversements de pétrole, le débit est intrinsèquement multiphasé : pétrole et eau sont des fluides immiscibles avec des densités, des viscosités et des tensions interfaciales distinctes. Plusieurs approches de modélisation sont utilisées pour saisir ce comportement :

Modèles eulériens-eulériens (deux fluides)

Dans le cadre eulérien, l'huile et l'eau sont traitées comme des continuums interpénétrateurs. Des ensembles distincts d'équations Navier-Stokes sont résolus pour chaque phase, avec des termes d'échange qui tiennent compte de la dispersion de la traînée, du levage et de la turbulence.

Modèles eulériens-lagrangien (phase de béton)

Ici, l'eau est traitée comme une phase continue, tandis que les gouttelettes d'huile sont suivies comme des particules discrètes. Chaque trajectoire de gouttelettes est calculée en intégrant des forces telles que la traînée, la flottabilité et la masse virtuelle. Cette approche est idéale pour étudier le devenir des gouttelettes déversées qui se brisent en gouttelettes sous action d'onde, mais devient calculablement coûteuse pour les populations de gouttelettes très denses.

Méthode du volume de fluide (VOF)

Pour les grandes marées noires et les rejets continus, la méthode VOF suit directement l'interface entre l'huile et l'eau en résolvant une équation de transport pour la fraction de volume de chaque phase. VOF capture l'interface forte et est excellente pour simuler l'expansion initiale d'une marée noire, mais peut nécessiter des mailles très fines près de l'interface pour éviter la diffusion numérique.

Le choix du modèle multiphase dépend du scénario de déversement : le rejet sur le terrain proche (rupture d'un pétrolier ou d'un pipeline) exige souvent que le VOF résolve le comportement du jet/plume, tandis que la dispersion sur les kilomètres est mieux gérée par des approches eulériennes-lagrangiennes qui expliquent la rupture des gouttelettes, la coalescence et l'altération.[1

Facteurs clés influant sur la dispersion de l'huile

La propagation et le devenir du pétrole dans le milieu marin sont régis par un jeu complexe de processus physiques, chimiques et biologiques. Les modèles de CFD doivent intégrer ces facteurs pour produire des prédictions réalistes.

Velocité et conseils actuels

Les simulations CFD nécessitent l'entrée de champs de vitesse, soit à partir de modèles océaniques à grande échelle, soit en résolvant les équations d'eau peu profonde dans le domaine de calcul. Les courants de marée, les courants de surface entraînés par le vent et les débits de densité contribuent tous à l'advection de la marée noire. Les modèles doivent tenir compte du cisaillement vertical, qui peut provoquer une diffusion différentielle de la marée noire par rapport aux gouttelettes submergées.

Action de vague et mélange de turbulence

Les modèles CFD utilisent souvent des spectres d'ondes pour générer une surface libre brute ou des modèles de turbulence (p. ex. k‐ε, SST k‐γ) pour simuler la dissipation et la dispersion. Les vagues de rupture peuvent injecter des gouttelettes d'huile jusqu'à plusieurs mètres de profondeur, processus qui est essentiel pour prédire le panache d'huile subsurface souvent observé lors de déversements en eau profonde.

Température et salinité

La température de l'eau affecte directement la viscosité de l'huile : l'huile chaude se propage plus rapidement et forme des liquéfères plus fines, tandis que l'huile froide reste plus visqueuse et peut émulsifier différemment. La salinité influence la stratification de la densité, qui peut piéger l'huile sous la surface.

Propriétés pétrolières et conditions météorologiques

La composition chimique de l'huile déversée détermine son comportement. Les bruts légers s'évaporent rapidement, réduisant le volume disponible pour la dispersion, tandis que les bruts lourds ont tendance à former des léchages persistants. Au fil du temps, l'huile subit des conditions météorologiques : évaporation, émulsification (formation de mousses d'eau dans l'huile), photooxydation et biodégradation.

Flux de travail détaillé de simulation de CFD

L'élaboration d'un modèle CFD fiable pour la dispersion du pétrole suit un flux de travail structuré. Chaque étape a une incidence directe sur la précision et l'utilité des résultats.

Création de géométrie

Le domaine informatique doit représenter l'environnement marin pertinent, y compris la bathymétrie, les côtes, les structures artificielles (p. ex. brise-lames, plates-formes) et la géométrie de la source de déversement. Pour les simulations en champ proche, le domaine peut prolonger des centaines de mètres; pour les études en champ lointain, il peut s'étendre sur des dizaines de kilomètres.

Génération de Mesh

Un maillage approprié est essentiel pour résoudre la large gamme d'échelles de longueur en cause, allant des gouttelettes de taille millimètre aux mailles de taille kilométrique. Les mailles non structurées avec raffinement adaptatif sont courantes, en utilisant des cellules plus fines près de la surface, la source de déversement et toute région de gradients élevés. Pour les simulations de VOF, le maillage doit être suffisamment fin pour maintenir une interface nette; les tailles typiques de cellules près de la surface libre peuvent être de l'ordre de centimètres.

Limite et conditions initiales

Les conditions atmosphériques (vitesse et direction du vent), les spectres des vagues et les profils de courant océanique doivent être prescrits comme conditions limites. Pour le déversement, le taux de rejet, la durée et la température initiale du pétrole sont spécifiés. Les limites ouvertes aux limites latérales et en aval du domaine permettent de laisser le flux sans réflexion fallacieuse.

Résoudre les équations dominantes

Les simulations transitoires sont effectuées à l'aide d'un résolveur à volume fini (p. ex., ANSYS Fluent, OpenFOAM, STAR‐CCM+). Les étapes temporelles sont choisies pour satisfaire l'état Courant‐Friedrichs‐Lewy (CFL), souvent inférieur à 0,5 pour des schémas explicites. Le couplage pression‐vitesse est géré par l'algorithme PISO ou SIMPLE. La turbulence est modélisée à l'aide de RANS (Reynolds‐Averaged Navier‐Stokes) ou, pour une plus grande fidélité, de LES (Large Eddy Simulation).

Après traitement et analyse

Les résultats de simulation sont visualisés pour montrer les contours de concentration d'huile, l'épaisseur de la lunette, la distribution de la taille des gouttelettes et les temps d'arrivée aux endroits sensibles. Des mesures quantitatives telles que la masse totale d'huile dans la colonne d'eau, la zone de l'écaillage et le temps d'atteindre un rivage sont extraites.

Applications dans les scénarios du monde réel

Le DFC a été validé pour plusieurs déversements majeurs et est de plus en plus utilisé dans la planification et l'intervention.

Bouchée Horizon en eau profonde

Les modèles CFD ont été utilisés pour simuler la dynamique des jets et panaches flottants près de la tête de puits ( près du champ et la dispersion subséquente des gouttelettes d'huile dans les courants de haute mer. Les chercheurs de l'Université de Miami ont appliqué une approche hybride VOF-Eulerian Lagrangian pour prédire la profondeur à laquelle les gouttelettes d'huile sont devenues neutrement flottantes, facteur clé qui explique la formation d'un panache subsurface à des profondeurs de 1 000 à 1 300 m.]3]] Ces simulations ont aidé à estimer le débit de l'évent et ont guidé le placement des buses d'injection dispersantes.

Exxon Valdez Déversement — Validation par diffusion inversée

Les études rétrospectives de la DFC ont reconstruit la trajectoire du déversement à l'aide de données météorologiques archivées et de données actuelles. En comparant le mouvement simulé de la marée avec les relevés réels du littoral pétrolifère, les chercheurs ont validé la précision d'inclure les courants de marée et les facteurs de dérive éolienne. Les modèles validés sont maintenant utilisés pour former le personnel d'intervention et pour planifier des exercices saisonniers de réaction au déversement.

Appui opérationnel à l'intervention

Plusieurs organismes nationaux, dont l'Agence européenne de la sécurité maritime (EMSA), intègrent les extrants du CFD dans leurs trousses d'intervention. Par exemple, le modèle du GNOME utilise la physique simplifiée pour les prédictions rapides, mais lorsqu'une précision plus élevée est nécessaire (p. ex. pour un déversement près d'une zone marine protégée), une simulation complète du CFD est commandée et exécutée dans les 12 à 24 heures pour guider les contre-mesures en temps réel.

Avantages pour l'intervention et la planification environnementales

Les conclusions tirées de l'analyse du CFD améliorent directement l'efficacité et l'efficience des opérations d'intervention en cas de déversement.

  • Prédicter la trajectoire de déversement[ — savoir où le pétrole va voyager permet aux intervenants de placer les flèches, les écumers et les matériaux absorbants à l'avance, plutôt que de réagir après l'atterrissage du pétrole.
  • Timing of dispersant application[ — CFD peut identifier des fenêtres de haute turbulence et d'énergie des vagues lorsque les dispersants sont les plus efficaces pour briser la lécheresse en petites gouttelettes pour la biodégradation.
  • Évaluation de l'impact écologique[ — en simulant la concentration d'huile au fil du temps, les organismes peuvent prioriser la protection des habitats sensibles tels que les mangroves, les récifs coralliens et les frayères de poissons.
  • Allocation des ressources[ — Les simulations aident à estimer la quantité de pétrole qui atteindra un rivage donné, permettant le déploiement juste à temps des équipes de nettoyage et réduisant les efforts gaspillés dans les zones qui ne sont pas touchées.
  • La planification de la formation et de la foration[ — des simulations réalistes fondées sur des scénarios de CFD sont utilisées dans les exercices de table et les simulateurs d'entraînement en temps réel pour les équipes de commandement d'incident.

Validation et vérification

Bien que la DFC soit un outil puissant, ses prédictions doivent être validées à l'aide de données expérimentales et d'observations sur le terrain pour établir la crédibilité. Des expériences de flume de laboratoire ont été effectuées pour étudier la formation de gouttelettes d'huile dans des conditions contrôlées d'onde et de courant. Par exemple, l'installation d'essai OHMSETT (maintenant exploitée par le département de l'Intérieur des États-Unis) fournit un bassin de 200 mètres où les modèles de DFC de la diffusion lissée et de la distribution de la taille des gouttelettes peuvent être étalonnés]4]] Campagnes de validation sur le terrain, comme l'expérience DeepSpill[ (2000) en mer de Norvège, relâcher des quantités connues d'huile et comparer les mesures de capteurs avec les prédictions de DFC.

Limites et défis informatiques

Malgré ses forces, la modélisation des déversements d'hydrocarbures par le CFD fait face à plusieurs obstacles que les praticiens doivent gérer.

Coût informatique

Les simulations à haute fidélité — en particulier celles utilisant les ERP ou les DNS (Simulation numérique directe) — nécessitent des ressources de calcul massives. Une simulation de 24 heures d'un déversement important peut prendre des jours ou des semaines sur une grappe. Cela limite l'utilisation des CFD pour une réponse en temps réel, où les décisions doivent être prises en quelques heures.

Disponibilité et incertitude des données

Les modèles CFD ne sont que bons comme les données d'entrée. La bathymétrie précise, les profils courants en temps réel et les prévisions météorologiques ne sont pas toujours disponibles, en particulier dans les régions océaniques éloignées. Les incertitudes dans ces conditions limites se propagent à travers la simulation, ce qui entraîne des limites d'erreur qui peuvent être grandes.

Couplage multiphysique

L'altération des hydrocarbures, la dégradation biologique et la dispersion chimique sont des processus complexes qui ne sont pas encore entièrement saisis dans la plupart des codes de la FCD. Par exemple, la formation d'émulsions d'eau dans les hydrocarbures demeure un domaine de recherche actif et les modèles reposent souvent sur des corrélations empiriques qui peuvent ne pas tenir pour tous les types d'hydrocarbures.

Orientations futures de la DFC pour la recherche sur les déversements de pétrole

Au cours de la prochaine décennie, des progrès importants rendront la DFC encore plus utile pour la gestion des déversements d'hydrocarbures.

Modèles améliorés pour l'apprentissage automatique

Les réseaux neuronaux peuvent être formés sur des bases de données de haute fidélité CFD pour produire des substituts qui fonctionnent en quelques secondes plutôt que quelques heures. Ces modèles de substitution peuvent être utilisés pour l'évaluation des risques en temps réel et pour explorer une plus large gamme de scénarios de déversement, tandis que le modèle complet CFD fournit les données d'entraînement.

Jumelles numériques de systèmes marins

Un jumeau numérique de déversement de pétrole, une réplique virtuelle dynamique et en temps réel d'une zone côtière, intégrerait des capteurs IoT (p. ex. bouées dérivantes, images satellite, courants ADCP) à un modèle CFD en cours d'exécution. Toute anomalie détectée (p. ex. un éclat d'une fuite) déclencherait immédiatement une simulation pour prédire l'évolution du déversement, mettant à jour le jumeau toutes les quelques minutes.

Intégration avec les modèles atmosphériques

La dispersion des déversements d'hydrocarbures ne se termine pas à la surface de l'eau : les composés organiques volatils s'évaporent et peuvent être transportés par le vent, ce qui nuit à la qualité de l'air et à la sécurité incendie.

Systèmes de réponse autonomes

Des prévisions robustes de CFD pourraient guider des drones autonomes et des navires de surface dévêchés vers des zones de nettoyage ciblées. Par exemple, un drone pourrait identifier la partie la plus épaisse de la lécheresse de la simulation CFD, puis y naviguer pour déployer automatiquement des dispersants.

Conclusion

En modélisant avec précision la physique des flux multiphasés, des interactions avec les courants d'ondes et des phénomènes d'altération du pétrole, CFD fournit des prévisions concrètes qui réduisent les dommages environnementaux et économisent les ressources économiques. Bien que les besoins en calcul et les incertitudes en matière de données persistent, les progrès continus en matière d'informatique à haute performance, d'apprentissage des machines et d'intégration des données en temps réel réduisent rapidement l'écart entre la simulation et la réponse en temps réel.