Modélisation et contrôle opérationnel avancés de procédé de traitement des eaux usées: Applications des réseaux neuronaux artificiels.

摘要

Cette thèse porte sur le développement de la modélisation et du contrôle opérationnel desudprocédés de traitement des eaux usées, ce qui inclue les procédés par boues activées quiudvise à éliminer la matière organique des eaux usées ainsi que les procédés successifs de bio-udlessivage des métaux lourds présents dans les boues générées par les procédés par bouesudactivées. La technique du réseaux neuronaux artificiels ainsi que les autres techniques deudmodélisation conventionnelles ont été utilisées pour le développement des systèmes.udEn dépit du fait qu'une usine de traitement par boues activées de conception et deudfonctionnement appropriés est en mesure de procurer une très bonne performance et peutudrespecter les normes d'épuration des eaux usées, le fonctionnement et le contrôle d'unudtraitement biologique représente, de façon générale, un défi en raison de la complexité duudcomportement du système. En réalité, la performance actuelle des procédés par bouesudactivées est loin d'être satisfaisante en général (Marsili-Libelli, 1989). Pour s'attaquer à uneudpartie des problèmes opérationnels, la recherche sur l'analyse et la prédiction desudparamètres de fonctionnement à l'état stationnaire des procédés par boues activées a étéudréalisé à l'aide de la technologie des réseaux neuronaux. Un modèle neuronal pro-actif a étéudformulé et entraîné avec des données obtenues à l'aide de simulations. Les résultats deudsimulation montrent que le modèle neuronal développé possède un excellent potentiel pourudinterpréter et prédire les relations complexes entre le taux de recyclage, le taux de purge deudboues et la charge organique d'alimentation à l'état stationnaire. L'approche du modèle parudréseaux neuronaux a aussi été utilisée pour prédire les paramètres de fonctionnement d'uneudcuve de décantation secondaire d'une usine pilote de traitement par boues activées. Il estudimportant de noter que l'état stationnaire d'une usine de traitement par boues activées n'estuden réalité jamais atteint en raison des perturbations constantes du système. Un processusudpeut être considérée comme étant à l'état stationnaire si on n'y observe aucune perturbationudmajeure dans le système pendant une longue période de temps ainsi qu'en établissant uneudmoyenne pour éliminer le bruit de fond.udUne étude sur la dynamique du procédé par boues activées a également été entreprise. Uneuddynamique particulière, mais très importante, est celle en condition de charge. Pour uneudmeilleure description de cette dynamique, le modèle du IAWPRC a été utilisé et modifié deudfaçon à ce que la réponse du système en condition de charge puisse être étudiée en tenantudcompte de l'impact des caillots existants dans le système sur la dynamique duudcomportement global du système. Une version simplifiée et détaillée du modèle deudfloculation a donc été développée, où le taux utilisé était du même type que celui utilisé parudle groupe de travail du IAWPRC afin de représenter les cinétiques de réaction à l'intérieurudde la matrice de floculation. Le modèle du IAWPRC modifié intègre le transport de masseudintraparticulaire à l'intérieur du caillot afin de tenir compte de l'effet des limites deuddiffusion sur l'oxydation du carbone et la nitrification qui a lieu à l'intérieur des caillots. Laudméthode de collocation orthogonale a été utilisée pour trouver la solution du modèle deudfloculation. Le concept du facteur d'efficacité globale des procédés par boues activées audégalement été proposé et utilisé pour tenir compte de non seulement la grandeur duudcoagulum mais aussi la distribution des dimensions des caillots. Afin de facilité laudsimulation de la dynamique du système, la technique des réseaux neuronaux a été utiliséeudpour prédire les facteurs d'efficacité globale. Un tel modèle neuronal a permis de réaliseruddes études de simulation en condition de charge ou sous d'autres paramètres deudfonctionnement. Les résultats de simulation montre qu'une dynamique complexe risqueudd'apparaître, à cause de l'effet de floculation, sous une condition de charge. Donc, uneudstratégie de contrôle du procédé doit être conçue avec soin pour résoudre ces problèmes deuddynamique du système.udAfin d'améliorer la sécurité et la performance de ce traitement biologique des eaux usées, iludest important de développer des systèmes de prises de décisions assistés par ordinateur. Ceudsystème informatique intelligent est en mesure d'assister les opérateurs d'usine à résoudreuddes problèmes qui se présentent quotidiennement. Plus particulièrement, il faut être enudmesure de prédire et comprendre de façon heuristique une des plus importantes variables duudprocédé par boues activées, l'âge des boues. Il faut noter que la technique conventionneludpar réseaux neuronaux est puissante car elle peut apprendre à représenter des données dontudles tendances sont complexes. Néanmoins, il y a des limites à la réalisation de raisonnementudheuristique du problème. En revanche, l'utilisation des règles logiques excelle dans ceuddomaine mais sont généralement faible en ce qui concerne l'acquisition de connaissances.udDans ce travail, afin de tirer profit des deux méthodes, les techniques de réseau neuronal etudde logique floue ont été combinées pour développer un modèle neuronal flou. Les résultatsudde simulation montrent que ce modèle neuronal flou est capable d'extraire les règles flouesudd'un ensemble de données numériques qui peut être utilisé pour réalisé un raisonnement àudcaractère heuristique.udFinalement, une stratégie avancée de fonctionnement a été développée dans ce travail pouruddéterminer la durée optimal de bio-lessivage des métaux lourds contenus dans les boues. Laudclé à la résolution de problèmes de fonctionnement réside dans le développement d'un outiludde prédiction en temps réel de la solubilisation des métaux. Il faut noter que le procédé deudbio-lessivage par oxydation du soufre pour l'enlèvement des métaux, est un procédéudbiologique complexe. La solubilisation du métal est atteinte plus ou moins rapidementudselon le type de boues impliqué, la baisse du pH et la concentration initiale des métauxudprésents dans les boues. En outre, la température du système exerce une influence indirecteudmais importante par son effet sur la croissance bactérienne et le processus de productionudd'acide. Il serait très difficile, voire même impossible de prédire la solubilisation desudmétaux dans les boues en utilisant le premier modèle principal. Pour ce faire, un modèle parudréseau neuronal a été développé à l'aide d'une grande quantité de données obtenues enudlaboratoire, en utilisant seulement les valeurs de pH mesurées en continue et laudconcentration initiale de métaux. La stratégie a été formulée en utilisant la technique deudfiltrage étendue de Kalman et le modèle neuronal développé. Pour l'étude de cas, six heuresudsur un total de 120 heures ont été épargnées par l'utilisation de cette méthode.udEn résumé, l'objectif principal de cette thèse est de développer une méthodologie intégrantudles techniques de modélisation conventionnelles et les réseaux neuronaux pour modéliser etudcontrôler les procédés de traitement des eaux usées.ud