Professional Documents
Culture Documents
+ + + H H COO CH O H OH CH CH
2 3 2 2 3
2
- Du propionate :
2 2 3 2 2 3
3 2 CO H COO CH O H OO CH CH + + +
- Du butyrate : ( )
+
+ + + H H COO CH O H COO CH CH
2 3 2 2 2 3
2 2 2
2. Les secondes produisent principalement de lactate partir de lhydrogne et du dioxyde de
carbone comme le montre la raction chimique suivante :
O H COO CH H H HCO
2 3 2 3
4 4 2 + + +
+
La mthanognse
Lors de cette tape, les produits des ractions prcdentes, principalement lactate, le formate, le
dioxyde de carbone et lhydrogne, sont convertis en mthane par les bactries dites mthanognes.
Leur temps de ddoublement est un peu plus rapide que les populations de bactries actognes. Deux
familles principales de bactries mthanognes existent :
1. La premire population comprend les mthanognes hydrognophiles qui produisent du
mthane partir dhydrogne :
- et de dioxyde de carbone : O H CH H HCO H
2 4 3 2
3 4 + + +
+
- et de formate : O H CH H H HCOO
2 4 2
2 3 + + +
+
Ces bactries permettent donc lactognse de se drouler correctement en utilisant
lhydrogne qui en trop grande quantit peut inhiber lactognse.
2. La deuxime population comprend les mthanognes actoclastes qui produisent le mthane
partir dacide actique, de mthanol, et de mthylamine. On rencontre principalement deux
types de bactries mthanognes actoclastes dans les digesteurs anarobies, les premires
utilisent uniquement lactate pour produire le mthane alors que les secondes peuvent utiliser
16
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
lactate, le dioxyde de carbone, lhydrogne, le mthanol, et les mthylamines comme
substrat pour produire le mthane.
La raction suivante montre la conversion de lactate en mthane et en dioxyde de carbone :
2 4 3
CO CH H COO CH + +
+
La sulfato-rduction
En marge de la digestion anarobie, conduisant la production de mthane et qui est intressante
en terme de traitement des eaux pollues, une autre population de bactrie est prsente dans les
digesteurs anarobies. Cette population bactrienne rduit diffrents types de molcules sulfates, le
sulfate( )
2
4
SO , le sulfite( )
2
3
SO , et le thiosulfate ( )
2
3 2
O S en sulfure( )
2
S . Cette population
bactrienne sulfato-rductrice (BSR) intervient au stade terminal de la dgradation anarobie, tout
comme les mthanognes. Lacide sulfurique ( ) S H
2
produit par cette raction possde un effet
inhibiteur sur les mthanognes, soit de manire directe, soit en faisant prcipiter les mtaux essentiels
ncessaires la mthanognse.
Deux comportements de bactries sulfato-rductrices peuvent tre identifis :
Le premier groupe utilise le lactate afin de loxyder en actate et en dioxyde de carbone. Ce
groupe peut en outre utiliser certains produits de la premire tape de fermentation tels que lthanol,
le fumarate, le malate, le pyruvate
Le deuxime groupe utilise lactate, des acides gras longues chanes, certains composs
aromatiques, et certains des substrats utiliss par le premier groupe, quil oxyde entirement jusqu
lobtention de dioxyde de carbone.
Les principales ractions chimiques des bactries sulfato-rductrices sont donnes ci-dessous :
- Oxydation de lactate :
+ + HS HCO SO COO CH
3
2
4 3
2
- Oxydation de lthanol :
O H H HS COO CH SO OH CH CH
2 2
1
2
1
3
2
4 2
1
2 3
+ + + +
+
- Oxydation du propionate :
+
+ + + H HS COO CH SO COOH CH CH
4
1
4
3
3
2
4 4
3
2 3
- Oxydation du butyrate :
+
+ + + H HS COOH CH SO COOH CH CH CH
2
1
2
1
3
2
4 2
1
2 2 3
2
- Oxydation de lhydrogne :
O H HS H SO H
2
2
4 2
4 4 + + +
+
- Oxydation du thiosulfate :
+
+
+ +
+ + +
HS SO H SO
H HS SO O H O S
2
4
2
3
2
4 2 3 2
3 4
Le principal problme est la comptition qui sopre entre les bactries mthanognes et les
bactries sulfato-rductrices, car ces dernires possdent un meilleur taux de croissance et une
limitation de leur croissance plus faible. Ainsi, les composs carbons utiles la mthanognse sont
dtourns au profit de la sulfato-rduction.
En effet, les bactries sulfato-rductrices, dans un milieu non limitant en terme de sulfate, utilisent
lhydrogne, lactate, le dioxyde de carbone, ncessaires la mthanognse.
En labsence de sulfate, ces bactries utilisent des acides organiques (lactate, pyruvate, formate,
malate), des acides gras volatils (actate), et des alcools (thanol, propanol, mthanol, butanol). Dans
ce cas, certaines populations peuvent changer de lhydrogne avec des bactries mthanognes.
Dans le cas o le sulfate est prsent mais dans un aspect limitant, les bactries sulfato-rductrices
peuvent oxyder le propionate, en syntrophie avec les bactries mthanognes.
Cependant dans un biofilm les bactries sulfato-rductrices sont dsavantages en raison de moins
bonnes proprits dagrgation.
17
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
Par ailleurs si le rapport entre la charge organique et la charge en sulfate est faible la
mthanognse devient quasiment inexistante par rapport la sulfato-rduction.
Le schma 8.[A.8.] permet de voir partir de quel rapport la mthanognse prdomine sur la sulfato-
rduction.
4.2.1.1.5 Conditions physico-chimiques
Pour comprendre les processus de la digestion anarobie il tenir compte de linfluence des
conditions physico-chimiques suivantes :
Prsence daccepteurs dlectrons
Potentiels redox
Temprature
pH
Concentration en nutriments.
Accepteurs dlectrons
Le tableau 8.[A.9.] permet de voir les accepteurs dlectrons utiles aux processus de digestion
anarobie. Il apparat quil y a dabord une tape de dnitrification, puis de sulfato-rduction (avec la
rduction du sulfate en sulfure), puis enfin la mthanognse, rendue possible par la rduction du
dioxyde de carbone en mthane.
Potentiel redox
On voit sur le tableau redox 8.[A.10.] que les bactries mthanognes ne peuvent se dvelopper
convenablement en milieu anarobie que pour des potentiels redox trs bas au alentour de -400mV.
Temprature
La temprature affecte le dveloppement des bactries ainsi que les ractions biochimiques et
physico-chimiques. Ainsi, on distingue trois comportements bactriens diffrents, selon la temprature.
- Les psychrophiles qui vivent dans des milieux de 4 30 C avec un optimum de 12 18C.
- Les msophiles qui vivent dans des milieux de 20 50C avec un optimum autour de
35C
- Les thermophiles qui vivent dans des milieux de 45 75 C avec un optimum autour de
65C.
La figure 8.[A.11.] prsente le taux de croissance des bactries mthanognes selon la temprature
et leur groupe daffinit thermique.
Lactivit enzymatique subit elle aussi linfluence de la temprature, avec une augmentation de
lactivit avec laugmentation de la temprature jusqu une activit optimale avant que des
tempratures trop leves ne dnaturent et ne dtruisent lenzyme.
pH
Le pH influence les ractions biochimiques et le dveloppement des bactries. Il peut se rvler
fortement inhibiteur. Les bactries des digesteurs anarobies peuvent gnralement vivre dans des
conditions de pH compris entre 4 et 9 mais leur dveloppement est optimal entre 6.5 et 7.3 de pH.
Lactivit enzymatique est elle aussi fortement influence par le pH car elle dpend fortement de
la concentration du milieu en ions
+
H .
Concentration en nutriments
Afin de comprendre le comportement de croissance des bactries il est primordial de considrer
les nutriments permettant aux bactries de se dvelopper.
En effet, les bactries ont besoin 95% de carbone, doxygne, dazote, dhydrogne, et de phosphore
pour se constituer. Ces matires sont puises directement dans les effluents pendant les fermentations
anarobies. Cependant, les bactries ont besoin en petites quantits dautres lments plus rares : K
+
,
Ca
2+
, Cu
2+
, Mo
6+
, Co
2+
, V
2+
, Mg
2+
, Fe
2+
, Fe
3+
, Mn
2+
, Zn
2+
, Ni
2+
, Na
+
, B
3+
, Se
2-
, Ag
+
, Au
+
, I
-
, Ti
2+
.
18
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
Ces lments sont prsents en quantits variables dans les effluents et donc parfois en quantits
insuffisantes tout comme lazote et le phosphore. Il faut donc prvoir une alimentation des bactries
par des mlanges de nutriments adapts. Cependant une concentration trop leve de ces minraux
peut inhiber certaines ractions biochimiques et mme conduire larrt du bioracteur.
A partir de toutes ces connaissances sur le fonctionnement biochimique et physico-chimique des
bioracteurs, il est possible de crer des modles mathmatiques qui dcrivent les processus et les
influences des conditions exprimentales.
4.2.2 Modles existants de bioracteur
4.2.2.1 Modlisation de processus biologiques
Les articles [4] et [5] prsentent de manire dtaille les quations permettant de modliser des
processus biologiques de faon gnrale.
Gnralement un processus biochimique dans un bioracteur parfaitement agit peut se modliser sous
la forme :
( )
( )
=
=
X S S S
X D X
in
&
&
- S : la concentration en substrat dans le bioracteur
-
in
S : la concentration en substrat dentre
- X : la concentration de la biomasse
- : le taux de croissance
- D : le taux de dilution (le rapport entre le dbit dentre et le volume du racteur)
Plusieurs quations permettent de modliser des comportements de croissance diffrents.
Par exemple le taux de croissance dune population de bactries peut tre modlis par :
- Equation de Monod :
S
K S
S
+
=
max
avec,
max
le taux de croissance maximal, la constante de demi saturation.
S
K
Cette quation permet de modliser la croissance dune population de bactries se nourrissant dun
substrat et dont la croissance maximale est limite.8.[A.12.]
- Equation de Haldane :
I
S
K
S
K S
S
2
max
+ +
= avec la constante dinhibition.
I
K
Cette quation permet de modliser en plus le fait quune trop grande concentration en substrat inhibe
le dveloppement des bactries. Il y a donc un taux de substrat optimal pour la croissance des bactries.
4.2.2.2 Modles de bioracteurs anarobies
4.2.2.2.1 Premiers modles
Les premiers modles mathmatiques de bioracteurs anarobies ont t dfinis dans les annes
1970. De trs nombreux modles ont depuis t dvelopps. Le document [6] prsente les modles les
plus connus.
Ces modles sont plus ou moins complexes selon le nombre de processus biochimiques
reprsents. Ils essayent de dcrire la croissance des bactries en fonction du substrat, linhibition de la
croissance des bactries par le substrat La dpendance de la croissance des bactries vis--vis des
19
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
.
conditions de temprature et de pH est parfois explicite. Ces modles doivent pouvoir prdire une
surcharge organique ou hydrodynamique pouvant altrer le fonctionnement du racteur, jusqu larrt.
4.2.2.2.2 Modle ADM1
Le modle ADM1 pour Anaerobic Digestion Model n1, est un modle qui a t dvelopp par les
chercheurs de lIWA (International Water Association) dans le livre [7]. Le but tait de crer un
modle trs complet bas au plus prs du modle phnomnologique, permettant de simuler au mieux
les racteurs anarobies.
Comme on peut le constater, par exemple sur le schma de modlisation 8.[A.13.], ADM1 est un
modle complexe. En effet, il dcrit 19 processus biochimiques, 3 processus cintiques de transferts
gaz-liquide et 7 populations bactriennes diffrentes.
Pour tre utilis par des calculateurs numriques, il peut tre implant sous 2 formes diffrentes.
Soit uniquement avec des quations diffrentielles, modle ODE, qui contient 32 variables dtat
dynamiques et 6 processus cintiques dacide-base, soit avec des quations diffrentielles et des
quations algbriques, modle ODE-DAE, qui contient 26 variables dtats dtat dynamique. [8]
LADM1 permet daccder jusqu 32 sorties de simulation.
Pour pouvoir utiliser ce modle qui dcrit trs gnralement les procds de digestion anarobie, il
faut prvoir de rgler plus de 80 paramtres. Ce modle est donc trs compliqu identifier et
demande une bonne connaissance des paramtres cintiques et stchiomtriques du bioracteur
modliser.[9]
Des extensions ont t dveloppes pour amliorer et largir encore la prdiction de lADM1, par
exemple pour prendre en compte les sulfato-rductions, ou la dgradation de certains substrats.[10] et
[11]
Ce modle est donc trs intressant en ce qui concerne la prcision des simulations si le rglage
des paramtres savre possible pour le type de substrat quon veut utiliser. Cependant, sa complexit
est un gros handicap pour faire de loptimisation ou synthtiser des lois de commande bases sur le
modle. De plus, sa complexit le rend difficile implanter numriquement [12]. Cest pour ces
raisons que ce modle na pas t retenu.
4.2.2.2.3 Modle AM2
Un modle rcent, de bioracteur anarobie a t dvelopp par des chercheurs de lINRA de
Narbonne et de lINRIA de Sophia-Antipolis, en 2001. [13] Ce modle appel AM2 pour Anaerobic
Model n2, est un modle de tendance beaucoup plus simple utiliser que le modle ADM1, pour
faire du contrle ou de loptimisation. Ce modle a t dvelopp partir des rsultats exprimentaux
obtenus sur le racteur lit fixe de lINRA de Narbonne.
La suite dcrit de manire dtaille ce modle de bioracteur.
A) Processus biochimique
La modlisation comprend deux processus et deux populations bactriennes comme on peut le
voir sur la figure 8.[A.14.]
La premire tape est celle de lacidognse modlise par une population de bactries acido-
actognes de concentration qui dcompose le substrat carbon en acides gras volatiles (AGV
qui devient le substrat ), et en dioxyde de carbone. On considre dans ce modle simplifi que les
AGV sont uniquement prsents sous forme non ionise et se comportent comme de lacide actique.
Notons que les deux substrats sont aussi prsents dans lalimentation du racteur.
1
X
1
S
2
S
La raction chimique modlise est donc la suivante : avec la vitesse de
raction :
2 4 2 2 1
1
1 1
CO k S k X S k
r
+ +
1 1
1 X r = .
20
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
La croissance de cette population suit une cintique de Monod:
1 1
1
max 1 1
S
K S
S
+
= 8.[A.15.]
La seconde tape est celle de la mthanognse modlise par une population de bactries
mthanognes actoclastes de concentration qui transforment les AGV (substrat , provenant de
lalimentation et/ou issu de lacidognse) en mthane et en dioxyde de carbone selon la raction
chimique suivante : avec la vitesse de raction :
2
X
2
S
4 6 2 5 2
2
2 3
CH k CO k X S k
r
+ +
2 2
2 X r = .
La croissance de cette population suit une cintique de Haldane:
2
2
S
.
2
2 2
2
max 2 2
I
S
K
K S
S
+ +
=
se. 8.[A.16.] Linhibition de la mthanognse par laccumulation dAGV est donc modli
B) Processus physico-chimiques
Carbone inorganique
Ce modle prdit la concentration de carbone inorganique. Pour un pH entre 6 et 8 celui-ci est gal la
concentration en dioxyde de carbone et de bicarbonate tel que
B CO C
C C C + =
2
. Ces deux lments
suivent les ractions suivantes en phase liquide : et O H CO H B
2 2
+ +
+
[ ]
2
CO
B H
K
b
+
= avec
1 11
10 5 . 6
= L mol K
b
Alcalinit totale
Lalcalinit totale est dfinie par la somme des acides dissocis dans le milieu liquide.
Ainsi . Cette hypothse nest cependant pas vrifie si le pH de leffluent est assez
faible et il faut prendre en considration lalcalinit de leffluent
B S Z + =
2
in
pH
a
a
in in
S
K
K
B Z
2
10
+
+ = avec
1 5
. 10 5 . 1
= L mol K
a
C) Modle dtat dynamique
En considrant le vecteur de variables dtats suivantes :
=
e inorganiqu carbone de ion totale Concentrat
AGV d' 2 substrat du ion Concentrat
carbons matire de 1 substrat du ion Concentrat
totale Alcalinit
e mthanogn e bactrienn population la de ion Concentrat
acidogne e bactrienn population la de ion Concentrat
2
1
2
1
C
C
S
S
Z
X
X
Le modle dynamique est alors le suivant :
21
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
( ) [ ]
( ) [ ]
[ ]
( ) ( )
( ) ( ) ( )
( ) ( ) ( ) ( )
+ + =
+ =
=
=
=
=
=
2 2 5 1 1 4
2 2 3 1 1 2 2 2 2
1 1 1 1 1 1
2 2 2
1 1 1
2
X k X k q C C D C
X k X k S S D S
X k S S D S
Z Z D Z
X D X
X D X
CO C Cin C
in
in
in
&
&
&
&
&
&
&
Le terme reprsente le degr dagitation du bioracteur avec 1 0 .
1 = implique le racteur est compltement agit.
0 = implique que le racteur est parfaitement lit fixe.
D) Sorties supplmentaires accessibles
Les sorties calculables sont donc les valeurs des 6 variables dtat. Il est galement possible de
calculer les sorties associes au dbit de mthane, au dbit de dioxyde de carbone et le pH.
Le dbit de mthane est calcul de la faon suivante :
2 2 6 4
X k CH = exprim en [ ]
1 1
j L mmol . Pour obtenir une valeur comparable avec les signaux
provenant des capteurs, il est ncessaire deffectuer une conversion en [ ]
1
j L :
1000
4
4
reacteur Molaire
CH
V V CH
q
=
Avec le volume du bioracteur et le volume molaire. L V
reacteur
528 =
1
24
= mol L V
Molaire
Le dbit de dioxyde de carbone est calcul avec la loi de Henry:
( )
2 2 2
CO H CO L CO
P K C a k q =
- est le coefficient de transfert liquide gaz. a k
L
- est la constante de Henry pour le dioxyde de carbone
H
K
- est la pression partielle de
2
CO
P
2
CO
Les pressions des gaz tant lquilibre on la relation entre la pression partielle et le dbit de
gaz suivante :
2
2
4
2
CO
CO
CH
CO T
q
P
q
P P
=
+
=
2
2
10
log
S Z
S Z C
K pH
C
b
E) Paramtres
Les paramtres, identifis sur le bioracteur de lINRA de Narbonne, sont donns 8.[A.17.] et
8.[A.18.]. Cependant selon le type deffluent (vinasse, laiterie etc.) ces paramtres varient fortement.
Il faut donc vrifier leurs valeurs et au besoin les ridentifier.
22
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
F) Intrt et limites du modle
Ce modle prsente lintrt de reproduire 97.8% la variabilit du systme rel. [9]
Son ordre dynamique modr facilite lestimation des paramtres cintiques et stchiomtriques.
Les sorties principales les plus intressantes sont accessibles directement.
Larticle [14] illustre la robustesse de ce modle ce qui rend sont utilisation possible pour des
conditions exprimentales assez varies.
Un des dfauts principaux de ce modle est quil ne prend pas en compte lactognse qui est
implicitement intgre lacidognse. Ceci implique quil est impossible de prdire le taux des
diffrents AGV, comme par exemple le propionate qui a un fort potentiel inhibiteur sur le processus
gnral. Les AGV sont tous comptabiliss comme de lactate directement mthanisable. Un des
autres dfauts majeurs du modle est que, lors des phases transitoires de dmarrage du bioracteur, la
biomasse est mal prdite.
Toutefois, la bonne reprsentation de la dynamique du systme rel et sa relative simplicit par
rapport des modles beaucoup plus complexes comme lADM1 font de ce modle un trs bon
candidat pour la synthse de commande ou des travaux doptimisation. Cest donc le modle que nous
avons choisit pour ce projet.
Une fois ce modle choisi, un modle numrique a t dvelopp sur Matlab pour pouvoir faire de
la simulation en fournissant les entres de commande.
G) Extensions, Amlioration
Depuis le dveloppement de ce modle, certains travaux de recherche ont cherch lamliorer.
Par exemple, dans [15] les auteurs considrent que le milieu ractionnel nest pas homogne. Ainsi, le
modle tient compte de la dpendance spatio-temporelle des variables dtat : les concentrations des
lments ne sont pas ici rparties de manire uniforme dans le racteur mais obissent aux lois dun
systme paramtres distribus.
Un modle [16] a aussi t dvelopp sur la base de lAM2 pour permettre destimer la
concentration en propionate.
4.2.3 Positionnement du problme
Nous venons de voir quel est le fonctionnement biochimiques et physico-chimique dun
bioracteur anarobie, ainsi que plusieurs modles mathmatiques disponibles.
Au vu des avantages que prsente le modle AM2 pour le contrle et la commande, nous avons
dcid dutiliser ce modle pour simuler le bioracteur de lINRA de Narbonne. Cest donc sur ce
modle que se baseront tous les autres travaux de ce projet.
Lobjectif de ce projet est de dvelopper, sur la base dAM2, un modle capable de simuler le
fonctionnement dynamique du bioracteur de lINRA de Narbonne et doptimiser son dmarrage et ses
performances.
La partie suivante prsente les principes mathmatiques de loptimisation ainsi que les algorithmes
utiliss pour loptimisation numrique.
23
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
)
4.3 Principes thoriques de loptimisation
Dans cette partie sont prsents les principes mathmatiques des mthodes qui ont t employes
dans le cadre de loptimisation du bioracteur anarobie, ainsi que les principes de fonctionnement des
algorithmes doptimisation numrique utiliss.
4.3.1 Problme doptimisation dynamique
La premire tape dun problme doptimisation dynamique, et sans aucun doute la plus
importante, consiste en la formulation mathmatique du problme. Le fait que cette formulation se
traduise par une expression mathmatique formalise ne doit pas occulter la rflexion sous-jacente. En
effet, avant de se lancer dans un tel type de problmes, il convient de sinterroger sur la notion mme
de performance. De nombreux indicateurs peuvent traduire le bon ou le mauvais
fonctionnement dun procd. Nanmoins, il convient den choisir un (ou plusieurs dans le cas de
loptimisation multi-objectif) et de dfinir les contraintes associes au problme. Dans le cas dun
procd soumis des entres de commande, le problme consiste dterminer les entres optimales
qui permettent doptimiser le ou les objectifs fixs. En pratique, notamment pour les procds
industriels ou semi-industriels, lexprience montre quil est difficile de mettre les diffrents acteurs
(oprateurs, responsables de la production, chercheurs, ) daccord sur un problme unique. Cette
tape est nanmoins cruciale, car les rsultats obtenus, sils permettent de dvelopper la
comprhension que nous avons dun procd, dpendent toujours de la formulation choisie.
4.3.1.1 Formulation standard dun problme doptimisation [18] [19]
Lorsquon souhaite optimiser un procd dynamique, on cherche minimiser une fonction
objectif ( u t x , , . Dans le cas de loptimisation dun procd dcrit par un modle dynamique,
, celui-ci est alors considr comme un ensemble de contraintes respecter pour
loptimisation. Si certaines conditions, en plus des quations du modle, doivent tre respectes au
cours de lintgration numrique du modle, on ajoute des contraintes de chemin
( u t x F x , , = & )
) ( u t x , , pour
dcrire ces conditions. De la mme faon, si certaines conditions doivent tre respectes la fin de
lintgration numrique du modle, on ajoute des contraintes temps final ( ) ( )
f
t x T . On cherche alors
lentre de commande et le temps ncessaire qui permettent de minimiser le critre ( ) u t x J , , =
Le problme peut alors se formaliser sous une forme directe, o le critre J est minimis
( )
( )
( ) ( )
( )
( ) ( ) final s temps contrainte t x T
n s de chemi contrainte u t x
x u t x F x
aintes sous contr
u t x J
f
t u tf
0
0 , ,
0 x , ,
, , min
0
,
= =
=
&
Avec, par exemple ( ) ( ) ( )
+ =
tf
f
dt u x L t x J
0
, dans lequel ( ) ( )
f
t x est un cot terminal et ( ) u x L ,
est le cot sur la dure dintgration.
On peut rcrire le mme problme sous la forme dune minimisation du temps final, moyennant
lajout dtats artificiels supplmentaires, daprs la thorie de loptimisation dynamique. Ceci
amnera une solution identique au niveau des entres de commande.
24
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
( )
( ) ( )
( )
( ) ( )
( ) ( ) J t x
final s temps contrainte t x T
n s de chemi contrainte u x
x u x F x
aintes sous contr
t
f
f
f
t u tf
= =
0
0 ,
0 x ,
min
0
,
&
4.3.1.2 Principe du Maximum de Pontryaguine
Il est possible de reformuler le problme doptimisation prcdent en utilisant le Principe du
Maximum de Pontryaguine.
( ) ( )
( ) ( )
( ) ( )
( )
tf
T
tf
f
T
T
T T
v t t u
x
T
v
x
t
x
H
x u x F x
aintes sous contr
u x u x F H
=
= =
+ =
&
&
0
, ,
0 x ,
, , min
Avec :
( ) 0 t le vecteur de taille n des tats adjoints (Multiplieur de Lagrange pour le systme
dquations)
( ) 0 t le vecteur de taille des multiplieurs de Lagrange pour les contraintes de chemin.
0 v
le vecteur de taille des multiplieurs de Lagrange pour les contraintes temps terminal.
Les multiplieurs et sont non nuls quand les contraintes correspondantes sont actives et nuls
dans les autres cas. Ainsi on a toujours les galits suivantes :
v
( ) 0 , = u x
T
et ( ) ( ) 0 =
f
T
t x T v . La
condition ncessaire doptimalit est dfinie par 0 =
=
u
H
H
u
. Cette condition implique que
v u x , , , , existent et vrifient les quations :
( )
( )
( )
( ) ( )
0
0
0 ,
, ,
=
=
=
=
=
u u
F
u
H
t x T v
u x
x
T
v
x
t
x x
F
x
H
u x F x
T T
f
T
T
tf
T
tf
f
T
T T T
&
&
4.3.1.3 Expression analytique des entres optimales.
La condition ncessaire doptimalit pour lentre est donne par :
i
u
25
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
0 = + =
=
ui
T
ui
T T T
i
ui
F
u u
F
u
H
H
Deux cas peuvent tre distingus, qui annulent :
ui
H
1 Solutions dtermines par les contraintes de chemin actives
0
ui
T
F sur un certain intervalle ce qui implique pour respecter lgalit que 0 sur lintervalle
considr. Une des contraintes de chemin est active ce qui implique quon peut dterminer lentre de
commande partir de cette contrainte active. Par exemple si on considre que les contraintes sont
places uniquement sur lamplitude de lentre du systme, c'est--dire que 0
max
i i
u u
et , tant donn que 0
min
i i
u u 0 alors
max i i
u u = pour et 0 <
ui
T
F
min i i
u u =
pour . Si on a des contraintes sur dautres variables que lentre du procd, et que lune
dentre elle est active, alors on peut dterminer lentre optimale
0 >
ui
T
F
ipath i
u u = qui permet de respecter de
maintenir lentre sur cette contrainte.
i
u
2 Solutions lintrieur du domaine de faisabilit
Dans le cas o , on ne peut pas obtenir directement lexpression de lentre de commande .
Dans ce cas la solution quon recherche est appele arc singulier. Cette solution reprsente un
compromis entre les diffrentes contraintes et objectifs qui psent sur loptimisation. Pour rechercher
cette solution on part du fait qu chaque instant t on a
0 =
ui
T
F
i
u
icomp
u
0 =
ui
H . Sachant quune fonction nulle sur un
intervalle a toutes ses drives temporelles successives qui sont nulles : j
dt
H d
j
ui
j
= , 0 On peut
alors montrer que 0 =
=
ui
T
ui
T ui
F
x
S
F
dt
dH
avec un oprateur bas sur les crochets de Lie tel que
( )
( )
=
0
1 k
k
u
u
v
g
x
F
F
x
g
g avec
la k
ime
drive de par rapport au temps.
( ) k
u u
Cette expression se gnralise lordre j : 0
1
=
=
ui
j T
ui
j T
j
ui
j
F
x
F
dt
H d
avec
( ) g g
j j 1
=
Afin de se librer de la contrainte de devoir calculer les multiplieurs de Lagrange, pour un systme
dordre on diffrencie jusqu lordre n
ui
F 1
i
, c'est--dire quon calcul les
pour
ui
j
F
{ } 1 ,..., 1 =
i
j .
On peut ainsi construire la matrice [ ]
ui ui ui i
F F F M
i
1
...
=
Le nombre
i
correspond au nombre de diffrentiation qui najoute plus de rang la matrice .
i
M
Le rang de cette matrice est alors fonction des tats et des entres de commande du systme. Il a
t montr que si la matrice perd un rang, cela signifie que la commande est lintrieur du domaine
de faisabilit, c'est--dire quaucune des contraintes nest active.
Si la commande apparat explicitement dans lune des diffrentiations alors on peut
calculer la commande optimale sur cet intervalle qui annule le dterminant de la matrice .
i
u
ui
j
F
i
M
Si 1 =
i i
alors la commande est un retour de boucle statique dpendant uniquement des tats
du systme.
26
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
En revanche si 1 <
i i
cela signifie que la perte de rang est fonction de la commande mais
aussi de ses drives temporelles successives .
i i
u u u
1 1
,..., ,
Si 1 >
i i
cela signifie que la perte de rang nest pas fonction de la commande.
Dans le cas particulier o n
i
= , faire perdre un rang la matrice consiste dterminer
lexpression qui annule le dterminant de la matrice. Cest gnralement le cas que nous avons eu
traiter.
Lentre de commande optimale est alors constitue dune squence des entres de commande
qui annulent . La commande optimale est donc scind en intervalles temporels sur lesquels lentre
de commande est soit
i
u
ui
H
max i i
u u = , soit
min i i
u u = , soit
ipath i
u u = , soit
icomp i
u u = . Il existe alors une
unique squence dentre qui permet dobtenir la structure correcte de la commande .
i
u
La connaissance de la structure de ces arcs dentre et de lordre de la squence permet de
dterminer la structure de la commande optimale. La recherche des meilleures valeurs des instants de
commutation entre chaque arc de la squence permet de dterminer la vritable commande optimale
qui permet doptimiser le procd pour rpondre lobjectif fix et gnralement, dassurer le respect
des contraintes temps final.
La squence des arcs et la valeur des temps de commutation peuvent tre dtermines grce des
considrations exprimentales bases sur lexprience des personnes ayant une bonne connaissance du
procd et des considrations analytiques bases sur sa modlisation mathmatique et sur
loptimisation numrique.
Dans ce projet nous avons utilis loptimisation numrique des instants de commutation et des
paramtres des arcs de commandes.
4.3.2 Algorithmes doptimisation numrique
Les techniques doptimisation numrique visent dterminer un jeu de paramtres
qui rendent un processus optimal. Bien souvent, le caractre optimal dun
processus est atteint en minimisant une fonction objectif
{
n
x x x x ,..., ,
2 1
= }
( ) x f . Le problme gnral doptimisation
scrit donc :
( )
( )
( )
=
= =
m m i x G
m i x G
c s
x f
e i
e i
x
,..., 0
,..., 1 0
. .
min
Avec les contraintes dgalits et dingalits valus en ( ) x G x .
Nous prsentons ici les deux mthodes doptimisation numrique implmentes dans la toolbox
doptimisation de Matlab et qui ont t utilises au cours de ce projet.
4.3.2.1 Optimisation numrique contrainte et mono objectif
Les mthodes utilises dans loptimisation dune fonction objective avec des contraintes parfois
non linaires sont bases sur les solutions des quations de Kuhn-Tucker. Ces quations reprsentent
les conditions ncessaires doptimalits pour un problme doptimisation contraint. Dans le cas o
et sont des fonctions convexes, les quations de Kuhn-Tucker sont la fois ncessaires et
suffisantes pour la solution globale.
( ) x f ( ) x G
Ces quations stablissent sous la forme :
27
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
( ) ( )
( )
m m i
m i x G
x G x f
e i
i i
m
i
i i
,..., 1 0
,..., 1 0
0
*
* *
1
* * *
+ =
= =
= +
=
La premire quation dcrit lannulation du gradient de la fonction objective et des contraintes
actives au point de la solution. Le multiplicateur de Lagrange m i
i
,..., 1 , = sert contrebalancer
lamplitude du gradient de la fonction objectif et des contraintes actives.
Les solutions de ces quations forment la base des algorithmes de programmation non linaires
qui calculent directement les multiplicateurs de Lagrange. Ces mthodes sont appeles mthodes de
programmation quadratiques successives (SQP pour Sequential Quadratic Programming). Ce sont des
algorithmes itratifs qui rsolvent chaque itration un sous problme de Programmation Quadratique
(QP pour Quadratic Programming).
La mthode utilise par ces algorithmes se rapproche de la mthode du gradient de Newton. A
chaque itration, la matrice hessienne du Lagrangien est approxime. Ceci gnre un sous problme
QP dont les solutions servent dfinir la direction de recherche de la procdure SQP.
A partir du problme gnral doptimisation, le principe de la formulation dun sous problme QP
est bas sur lapproximation du Lagrangien :
( ) ( ) ( )
=
+ =
m
i
i i
x g x f x L
1
,
On obtient alors le sous problme QP en linarisant les contraintes non linaires.
( )
( ) ( )
( ) ( ) m m i x g d x g
m i x g d x g
c s
d x f d H d
e k i
T
k i
e k i
T
k i
T
k k
T
R d
n
,..., 1 0
,..., 1 0
. .
2
1
min
+ = +
= = +
+
Avec : la direction de la recherche de la solution, d
k
H lapproximation de la matrice hessienne du Lagrangien, dfinie positive lors de
litrationk .
Ce problme QP est rsolu par un algorithme QP et la solution est rutilise pour une nouvelle
itration :
k
x
k k k k
d x x + =
+1
Avec
k
le pas de recherche qui est dtermin par une procdure base sur la dcroissance suffisante
dune fonction mrite.
La matrice hessienne du Lagrangien est adapte selon lquation (qui peut tre rapproche de la
mthode classique de quasi-Newton BFGS):
k k
T
k
k
T
k
k
T
k
T
k k
k h
s H s
H H
s q
q q
H H + =
+1
Avec :
k k k
x x s =
+1
( ) ( ) ( ) ( )
= =
+ +
+ + =
n
i
n
i
k i i k k i i k k
x g x f x g x f q
1 1
1 1
28
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
4.3.2.2 Optimisation numrique contrainte et multi objectif
4.3.2.2.1 Dfinition du problme doptimisation multi objectif
Souvent loptimisation dun procd quel quil soit ne peut pas se contenter dun unique objectif et
de contraintes. Le plus souvent il y a un vecteur dobjectifs optimiser.
( ) ( ) ( ) ( ) { } x F x F x F x F
m
,..., ,
2 1
=
Loptimisation concerne la minimisation du vecteur ( ) x F qui peut tre sujet des contraintes ou
des limites.
( )
( )
( )
u l
e i
e i
R x
x x x
m m i x G
m i x G
c s
x F
n
+ =
= =
,..., 1 0
,..., 1 0
. .
min
Lespace de faisabilit correspond lespace des paramtres x dans lequel permet de
satisfaire toutes les contraintes.
n
R x
{ }
( )
( )
u l
e i
e i
n
x x x
m m i x g
m i x g
c s
R x
+ =
= =
=
,..., 1 0
,..., 1 0
. .
On peut dfinir alors lespace de faisabilit des fonctions objectif { }
m
R y = comme on peut
le voir sur le graphique ci dessous.
Les solutions de cette minimisation sont appeles les solutions non infrieures. Elles
correspondent aux solutions dont une variation de paramtre pour amliorer un objectif dgrade de
manire plus importante les autres objectifs. Ainsi, est une solution non infrieur si il nexiste
pas de petite variation tel que et
*
x
x + x x
*
( ) ( )
* *
x F x x F
i i
+ pour . m i ,..., 1 =
Diffrentes mthodes doptimisation numrique multi objectif existent. Citons par exemple :
- Weighted Sum Method,
- Epsilon-Constraint Method,
- Goal Attainment Method.
4.3.2.2.2 La Goal Attainment Method
La mthode que nous avons utilise est la Goal Attainment Method , [20].
29
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
Pour le vecteur de fonctions objectifs ( ) ( ) ( ) ( ) { } x F x F x F x F
m
,..., ,
2 1
= on prdfinit des objectifs
atteindre ( ) ( ) ( ) ( ) { } x F x F x F x F
m
* *
2
*
1
*
,..., , = . Durant loptimisation, ces objectifs peuvent tre atteints
entirement ou non selon leur importance. Celle-ci est dfinie par des coefficients de pondration
{ }
m
w w w w ,..., ,
2 1
=
Le problme multi objectif est alors reformul comme un problme doptimisation standard :
( ) m i F w x F
i i i
x R
,..., 1
min
*
,
=
Par exemple dans le cas o on a deux fonctions objectif minimiser :
( )
( )
*
2 2 2
*
1 1 1
,
min
F w x F
F w x F
x R
La procdure doptimisation est illustre sur la figure ci-dessous :
La spcification des objectifs { }
*
2
*
1
,F F dfinie le point objectif . Le vecteur de pondration
dfini la direction de la recherche de
P
w P vers lespace de faisabilit ( ) . Pendant loptimisation,
varie ce qui change la taille de la rgion de faisabilit. Les contraintes permettent de converger vers
lunique point de solution en { }
S S
F F
2 1
,
La section suivante prsente le travail qui a t effectu partir du modle du bioracteur en terme
damlioration de la modlisation, de lutilisation de loptimisation pour identifier les paramtres du
modle, rechercher des profils de commande optimaux et amliorer la rgulation.
30
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
4.4 Application de loptimisation au bioracteur anarobie
de lINRA
4.4.1 Amlioration de la modlisation
Comme cela a t mentionn prcdemment, AM2 est un bon modle de tendance en rgime tabli
mais modlise mal la biomasse lors des phases transitoires pendant le dmarrage du bioracteur. Une
partie du travail effectu durant ce stage a t de complter cette lacune.
Les phases didentification ont t bases sur un jeu de donnes exprimentales, recueillies lors de
dmarrages du bioracteur en 2005. Cette identification sest faite en plusieurs itrations.
Lintroduction de nouveaux paramtres se faisant aprs une valuation du dernier modle et des essais
doptimisation et de rgulation associs.
4.4.1.1 Dtermination du rendement puratoire
Le rendement puratoire se dfinit comme la diffrence en pourcentage entre la concentration
totale en substrat en entre du bioracteur et la concentration totale en substrat lintrieur du
bioracteur. Nous avons donc modlis ce rendement puratoire de la faon suivante :
Tin
T Tin
S
S S
=
Avec
in in Tin
S S S
2 2 1 1
+ = et
2 2 1 1
S S S
T
+ =
Avec
2 1
, les rapports de transformation qui permettent de revenir en
1
L g
COD
[ ] [ ]
1
1
1
1
1
07 , 1
1 1
= =
g g S S
COD
L g L gCOD
[ ] [ ]
1
2
1
2
2
07 , 0
51 , 1
% 20
07 , 1
% 80
1000
1
1 1
= =
mmol g
M M
S S
COD
propionate acetate
L mmol L gCOD
(pour 80% dactate et 20% de propionate) et mol g M
acetate
= 60 et mol g M
acetate
= 74
La proportion dactate et de propionate composant correspond la moyenne observe
exprimentalement.
2
S
4.4.1.2 Prise en compte de la rgulation du pH pour lalcalinit
Sur le bioracteur de lINRA, le pH est autorgul par un contrleur de pH, une pompe soude,
autours dune valeur de rfrence 7
ref
pH . Il est alors possible de dterminer lalcalinit totale en
fonction de cette valeur de rfrence et en fonction de la concentration du substrat et en fonction
de la concentration de carbone inorganique .
2
S
C
C
Aprs calcul, nous obtenons alors :
( )
b
pH
C b
pH
b
K
C K K S
Z
ref
ref
+
+ +
=
10
10
2
Ceci permet donc de supprimer une des quations diffrentielles du modle. Lalcalinit totale
peut donc se calculer directement aprs lintgration numrique.
4.4.1.3 Modlisation et identification du paramtre alpha
La premire piste sur laquelle nous avons travaill pour amliorer la modlisation de la biomasse a
t de jouer sur le terme . En effet, cette constante permet de dcrire quel degr le bioracteur est
plutt, compltement agit ( 1 = ), ou parfaitement lit fixe ( 0 = ). La ralit est intermdiaire,
puisque la solution peut tre considre comme un racteur parfaitement agit, tandis que la croissance
des bactries attaches se droule sur un lit fixe.
31
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
Des tudes biologiques ont montr quune valeur constante du degr dagitation du bioracteur, ne
permettait pas de reprsenter le fonctionnement du bioracteur, notamment pendant les phases
transitoires du dmarrage. Nous avons donc essay de faire varier ce paramtre en fonction du temps.
Pour cela nous avons essay diffrentes structures didentification dans lesquelles tait fonction de
la biomasse, du taux de dilution ou du substrat, avec une valeur de toujours comprise entre 0 et 1.
Les diffrents essais didentification nont pas permis de dterminer une structure permettant de
modliser correctement . Cest pourquoi, cette tape a t abandonne au profit dune rflexion sur
une autre manire damliorer la modlisation du bioracteur. Cependant, cette tude a permis de
conforter lide selon laquelle, une modlisation aussi sommaire quAM2 ne permettait pas de
modliser correctement le dmarrage du mthaniseur considr.
4.4.1.4 Modlisation des bactries attaches et des bactries en
solution
Un des problmes relatifs au modle AM2 est quil ne permet pas de simuler de faon diffrencie
les populations de bactries libres et les populations de bactries attaches. Or cela peut savrer
intressant pour lidentification car il est plus facile daccder des mesures de concentrations de
biomasse en solution que de biomasse attache. De plus, les bactries en solution et les bactries
attaches entrent en comptition pour consommer le substrat ncessaire leur mtabolisme et les
bactries en solution vont tre lessives si le dbit dalimentation est fort, tandis que les bactries
attaches non. En dautres termes, scinder la population bactrienne en deux est dun grand intrt
pour loptimisation du dmarrage qui consistera vraisemblablement trouver un compromis entre des
effets hydrodynamiques (essentiellement sur les bactries en solution) et des effets lis au
mtabolisme des bactries attaches.
Dans les bioracteurs une partie des bactries attaches au biofilm se dtachent de celui-ci pour
aller coloniser dautres parties du racteur. Une partie des bactries attaches se dtachent donc pour
rejoindre les bactries en solution. Nous avons donc ajout un coefficient de dtachement qui permet
aux bactries attaches de passer la population dtache.
Le dtachement peut aussi provenir de conditions hydrodynamiques. En effet, un fort dbit peut
arracher certaines bactries du biofilm et les faire passer dans la solution. Ainsi, en plus dtre fonction
du nombre de bactries le dtachement est aussi proportionnel au dbit.
Il faut savoir que le bioracteur est soumis deux dbits. Le premier est li lentre qui amne
du nouveau substrat purer. Ce dbit peut tre variable et reste gnralement assez faible, de lordre
de 22L/h au maximum. Le second est li au circuit de recirculation de la solution prsente dans le
bioracteur qui assure le mlangeage de la solution et permet une meilleure assimilation du substrat
par les bactries. Ce dbit, constant, est beaucoup plus important puisquil vaut environ 600L/h, mais
nintervient pas directement dans le bilan matire sur le racteur, puisquil est rinject 100%.
Nous avons finalement dcid de modliser le dtachement comme tant proportionnel, la
concentration de bactries attaches, et la somme des dbits dentre et de recirculation. Le
dtachement reste donc principalement variant par rapport la concentration de bactries. Le dbit
dentre ninflue rellement sur le dtachement que sil devient suffisamment important par rapport au
dbit de recirculation. Ceci assure aussi un dtachement, dans le cas o le dbit dalimentation serait
nul, ce qui correspond mieux la ralit biologique.
reacteur
ion recirculat
ion recirculat tot
V
Q
D D D D + = + =
Des tudes biologiques ont par ailleurs montres que lorsque les bactries attaches forment un
biofilm pais, le substrat natteint plus aussi bien les bactries lintrieur du biofilm que les bactries
de la surface externe du biofilm. La croissance des bactries lintrieur du biofilm peut donc tre
inhibe par la concentration de bactries attaches. En se basant sur les travaux de [17] nous avons
inclut ce phnomne dans notre modle, de faon macroscopique, en considrant une inhibition de la
croissance de toutes les bactries attaches, handicapes au niveau de la concentration bactrienne par
une puissance comprise entre 0 et 1.
32
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
Ainsi en considrant la croissance des bactries attaches comme avec . On peut
reformuler cette expression de la faon suivante
Pcr
iA i
X 0 1 > >
cr
P
iA i
X ' avec
Pcr
iA
i
i
X
=
1
'
. Linhibition de la
croissance par la concentration des bactries attaches apparat alors explicitement car 0 1 >
cr
P
Le modle dynamique que nous avons obtenu est alors le suivant :
( )
( )
( ) ( )
( ) ( ) ( )
( ) ( ) (
+ + + + =
+ + + =
+ =
+ =
=
+ =
=
D
Pcr
A D
Pcr
A CO C Cin C
D
Pcr
A D
Pcr
A in
D
Pcr
A in
A tot A D D
A A
Pcr
A A
A tot A D D
A A
Pcr
A A
X X k X X k q C C D C
X X k X X k S S D S
X X k S S D S
X D k X D X
DX k X X
X D k X D X
DX k X X
2 2 2 5 1 1 1 4
2 2 2 3 1 1 1 2 2 2 2
1 1 1 1 1 1 1
2 2 2 2
2 2 2 2
1 1 1 1
1 1 1 1
2
&
&
&
&
&
&
&
)
)
Les chercheurs de lINRA sintressant de prs lvolution des bactries en solution un second
modle un peu plus complexe a t dvelopp. Il permet de distinguer les bactries en solution qui se
sont dtaches du biofilm et qui se reproduisent (les bactries dtaches), des bactries qui sont issues
des bactries originellement en solution au dmarrage du bioracteur (bactries libres).
( )
( )
=
+ =
iL i iL
iA tot A iD i iD
X D X
X D k X D X
&
&
Ainsi nous avons obtenu le modle gnral suivant :
( )
( )
( )
( )
( ) ( )
( ) ( ) ( )
( ) ( ) (
+ + + + + + =
+ + + + + =
+ + =
=
+ =
=
=
+ =
=
L D
Pcr
A L D
Pcr
A CO C Cin C
L D
Pcr
A L D
Pcr
A in
L D
Pcr
A in
L L
A tot A D D
A A
Pcr
A A
L L
A tot A D D
A A
Pcr
A A
X X X k X X X k q C C D C
X X X k X X X k S S D S
X X X k S S D S
X D X
X D k X D X
DX k X X
X D X
X D k X D X
DX k X X
2 2 2 2 5 1 1 1 1 4
2 2 2 2 3 1 1 1 1 2 2 2 2
1 1 1 1 1 1 1 1
2 2 2
2 2 2 2
2 2 2 2
1 1 1
1 1 1 1
1 1 1 1
2
&
&
&
&
&
&
&
&
&
On peut voir sur la figure 8.[A.19.] que diffrencier les bactries en solution permet de faire
apparatre deux comportements compltement diffrents. Les bactries libres initialement trs
nombreuses dans la solution sont au cours du temps lessives car leur taux de croissance est plus faible
que la vitesse de lessivage taux de dilution maximal. Les bactries dtaches elles nexistent pas au
dmarrage. Leur dveloppement suit proportionnellement lvolution des bactries attaches. Le
dtachement toujours prsent leur permet de crotre sans quoi elles seraient entirement lessives
comme les bactries libres.
33
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
4.4.1.5 Introduction de lhydrogne
4.4.1.5.1 Production de lhydrogne
Comme on peut le lire dans [3] et [7] : lors de lactognse, une partie des bactries actognes
(les productrices obliges dhydrogne) produisent de lhydrogne pendant la dgradation de lthanol
en actate selon la raction chimique :
+
+ + + H H COO CH O H COOH CH
2 3 2 3
2
Lhydrogne produit est rutilis par une autre espce de bactries actognes (les bactries
homoactognes) qui le convertissent en actate selon lquation chimique
suivante. . Cette espce bactrienne est cependant
minoritaire dans les bioracteurs. Lhydrogne est aussi rutilis par les bactries mthanognes
hydrognophiles pour produire du mthane selon lquation chimique suivante :
O H COO CH H H HCO
2 3 2 3
4 4 2 + + +
+
O H CH H H HCO
2 4 2 3
3 4 2 + + +
+
Cependant, lhydrogne produit nest pas rutilis en entier car des mesures exprimentales ont
montr sa prsence, certes limit mais vraisemblable, dans le gaz en sortie du racteur.
Dans notre modle toutes les bactries acidognes et actognes sont regroupes sous la famille
et dclin en , et selon que ces bactries soient attaches, dtaches ou libres. On
ajoute donc une production dhydrogne sur ces bactries acido-actognes sous la forme :
1
X
A
X
1 D
X
1 L
X
1
( )
L D
Pcr
A H
X X X k H
1 1 1 1 2 2
+ + =
Avec la constante de rendement de production dhydrogne. Lhydrogne prsent dans la
phase liquide passe en phase gazeuse par un transfert qui dpend du coefficient (transfert
liquide gazeux). On considrera en premire approximation que ce transfert est proportionnel, c'est--
dire que la quantit dhydrogne en phase gazeuse est proportionnelle la concentration de
lhydrogne en phase liquide.
0
2
>
H
k
0 > a k
L
Ainsi ( )
L D
Pcr
A
X X X k H
1 1 1 1 7 2
+ + = avec 0
2 7
> =
H L
k a k k .
Nayant pas dide prcise des valeurs de pour lhydrogne et pas non plus pour et
disposant de donnes portant sur la quantit dhydrogne sous forme gazeuse, on entreprendra lors de
lidentification de dterminer uniquement la valeur de .
a k
L 2 H
k
7
k
On propose de dterminer dans la mme unit que , en
2
H
4
CH [ ]
1 1
j L mmol
Ainsi, sexprime en
7
k [ ]
1
mmol g
Afin de connatre le dbit en [ ]
1
j L on a la relation
1000
2
2
reacteur Molaire
H
V V H
Q
=
4.4.1.5.2 Inhibition par lhydrogne
Dans ces mmes documents, [3] et [7], on peut voir que la production dactate par les bactries
productrices obliges dhydrognes (qui sont majoritaires dans les bioracteurs) se fait beaucoup
mieux si la concentration dhydrogne est faible. En effet, on peut voir dans [3] que pour que la
thermodynamique de la raction chimique soit favorable il faut que la concentration dhydrogne soit
faible. En accord avec la raction chimique quilibre, on voit quune concentration leve de
dj prsente en solution, empche la production dactate. Lune des consquences principales de
cette inhibition est que les bactries produisent moins dnergie, et donc se dveloppent moins
rapidement. Leur taux de croissance est donc ralenti.
2
H
Cette inhibition par lhydrogne se portant principalement sur lactognse, nous lintroduisons
donc dans notre modle au niveau du dveloppement des bactries , et , c'est--dire sur
leur taux de croissance
A
X
1 D
X
1 L
X
1
1
. Le modle ADM1 et les biologistes de lINRA sont daccord sur la
formulation de linhibition. Cette inhibition est non comptitive et sappuie sur une inhibition de la
34
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
forme
2
2
2
1
1
IH
H
K
H
I
+
= avec la constante dinhibition. On obtient donc le taux de
croissance acido-actogne inhib suivant :
0
2
>
IH
K
2
1 1
1 max 1
1 H
S
I
K S
S
+
=
soit
2
2
1 1
1 max 1
1
1
1
IH
S
K
H
K S
S
+
+
=
4.4.2 Identification des paramtres du modle
Une fois quon a spcifi la structure du modle, il est ncessaire dutiliser des donnes
exprimentales pour faire une identification paramtrique des constantes du modle dynamique.
4.4.2.1 Utilisation des donnes exprimentales
Afin de procder lidentification des nouveaux paramtres du modle nous avons utilis des
donnes exprimentales de dmarrage du bioracteur anarobie de lINRA de Narbonne. Un seul des
jeux de donnes exprimentales qui nous ont t fournis sest rvl rellement utilisable.
Celui-ci est un essai de dmarrage du bioracteur de novembre dcembre 2007. La stratgie de
monte en charge est la suivante. Le taux de dilution est fix au maximum et la concentration
totale en substrat dbute et atteint au bout de 26 jours en augmentant de
faon exponentielle. Les variables du modle sont alors dtermines partir des variables mesures.
Bien souvent les mesures obtenues ne sont pas directement des variables exprims dans la mme unit
que dans le modle. Il a donc fallu transformer les donnes exprimentales pour pouvoir les comparer
aux variables du modle. Le dtail complet de la mise en forme des donnes exprimentales est donn
dans lannexe
-1
1j
1
0
L g
COD
1
20
L g
COD
8.[A.20.]. Le profil des entres est donn sur la figure 8.[A.21.].
4.4.2.2 Dfinition du problme didentification
Le critre pour lidentification des paramtres du modle a bien videmment t dfini comme la
distance aux donnes exprimentales disponibles. Disposer de plus de donnes aurait certainement
permis de pousser lidentification plus loin, mais linstrumentation reste un problme gnral sur de
tels racteurs : mesurer une quantit de matire vivante est complexe et ne peut se faire en ligne,
comme les donnes physico-chimiques courantes (temprature, pression, pH).
Dans un premier temps on identifie avec un premier jeu de paramtres les concentrations
bactriennes, les concentrations en substrat, le dbit dhydrogne et le dbit de mthane. Ensuite, on
identifie avec un nouveau jeu de paramtres la concentration en carbone inorganique, lalcalinit totale
et le dbit de dioxyde de carbone.
Lidentification peut en effet tre scinde en deux parties, ce qui allge la difficult que prsente
une identification exhaustive. En effet, la concentration en carbone inorganique, lalcalinit totale et le
dbit de dioxyde de carbone ne modifient ni la concentration en bactries ni les concentrations en
substrat, ni le dbit dhydrogne. On peut faire une remarque identique avec le dbit de mthane.
Cependant, le fait didentifier la production de mthane en mme temps que les populations
bactriennes mthanognes, permet de guider lidentification de cette population bactrienne. Cette
sparation a aussi t ralise dans ce sens car lobjectif tait didentifier la biomasse, le substrat, le
mthane et lhydrogne, la connaissance des autres variables tant moins pertinentes.
Il sagit donc chaque fois dune identification multi objectif. Afin de pouvoir utiliser des
algorithmes de minimisation de critre il a fallut normer le degr de corrlation de chaque variable.
Pour cela un facteur de dissemblance a t introduit. Il caractrise en pourcentage le degr dcart
entre les donnes de lobjet (donnes exprimentales) et les donnes du modle (donnes obtenues en
simulation) :
O O
O M
Y Y
Y Y
nce dissembla Facteur de
=100
35
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
Avec :
M
Y : les donnes issues de la simulation (Modle)
O
Y : les donnes issues de lexprimentation (Objet)
O
Y : la valeur moyenne des donnes issues de lexprimentation (Objet)
Lutilisation dun algorithme doptimisation multi objectifs permet de faire varier les paramtres
du modle pour minimiser le facteur de dissemblance de chaque variable. Pour cela on utilise la
fonction fgoalattain de la toolbox doptimisation de Matlab.
Des tests avec des jeux de paramtres ont montr quil est impossible de faire converger toutes les
variables avec le mme degr de prcision. Pour contourner ce problme, et obtenir le meilleur jeu de
paramtres possible, on dfinit pour chaque variable un facteur de dissemblance objectif atteindre
bas sur ce qui a pu tre observ. Par exemple, la dynamique des bactries en solution est moins bien
modlise que la dynamique du substrat mthanogne. Il convient donc de souhaiter une moins grande
prcision sur la modlisation de la premire variable que sur la seconde. Ceci permet de guider
lalgorithme de minimisation.
Afin de faire converger lidentification et obtenir une bonne prdiction des mesures
exprimentales finales, des contraintes finales sont ajoutes. Ceci permet de trouver un compromis
entre qualit de prdiction pendant le transitoire et linstant final.
Les valeurs affectes aux contraintes temps finales sont bases sur la prcision quon peut
souhaiter et ce qui semblait pouvoir tre obtenu de faon raisonnable.
Problme didentification 1 : biomasse, substrat, mthane, hydrogne
Dans ce premier cas, les variables du modle qui sont mesurables exprimentalement, ou bien
quil est possible de reconstituer sont les suivantes :
- la concentration du substrat acidogne ( ) t S
1
- la concentration du substrat mthanogne ( ) t S
2
- la concentration totale de bactries en solution
( ) ( ) ( ) ( ) ( ) t X t X t X t X t V
L L D D SS 2 1 2 1
+ + + =
- le dbit de mthane ( ) t Q
CH 4
- le dbit dhydrogne ( ) t Q
H2
- la concentration finale des bactries attaches ( ) ( ) ( )
f A f A f A
t X t X t X
2 1
+ =
Lobjectif a donc t dapprocher de faon gnrale les courbes des 5 variables
mesurables , , , ( ) t S
1
( ) t S
2
( ) t V
SS
( ) t Q
CH 4
, ( ) t Q
H2
et darriver au temps final au plus prs de la valeur
de la variable ( )
f A
t X .
- Lcart objet modle temps final pour les bactries en solution est infrieur 20% :
- Lcart objet modle temps final pour les bactries attaches est infrieur 10% :
- Lcart objet modle temps final pour le substrat acidogne est infrieur 10% :
- Lcart objet modle temps final pour le substrat mthanogne est infrieur 10% :
- Lcart objet modle temps final pour le dbit de mthane est infrieur 10%
- Lcart objet modle temps final pour le dbit dhydrogne est infrieur 10%
Le problme se formalise alors ainsi :
36
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
=
exp 2 exp 2
2 exp 2
5
exp 4 exp 4
4 exp 4
4
exp exp
exp
3
exp 2 exp 2
2 exp 2
2
exp 1 exp 1
1 exp 1
1
min
H H
sim H H
CH CH
sim CH CH
SS SS
SSsim SS
sim
sim
Q Q
Q Q
F
Q Q
Q Q
F
V V
V V
F
S S
S S
F
S S
S S
F
( )
( ) ( ) ( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
=
% 10
% 10
% 10
% 10
% 20
% 10
,
,
. .
exp _ 2
2 exp _ 2
exp _ 4
4 exp _ 4
exp _ 2
2 exp _ 2
exp _ 1
1 exp _ 1
exp _
exp _
exp _
exp _
tf Q
tf Q tf Q
tf Q
tf Q tf Q
tf S
tf S tf S
tf S
tf S tf S
tf V
tf V tf V
tf X
tf X tf X
tf u tf T
u F
c s
H
H H
CH
CH CH
SS
SS SS
A
A A
&
Avec le jeu de paramtres suivant identifier :
[ ]
2 7 6 3 2 1 max 2 max 1 IH cr A
K k k k k k P k
Problme didentification 2 : Carbone, Alcalinit totale, CO2
Dans ce deuxime cas, les variables exprimentales utilises pour lidentification sont les
suivantes :
- la concentration en carbone inorganique ( ) t C
C
- lalcalinit totale ( ) t Z
- le dbit de dioxyde de carbone ( ) t C
CO2
Lobjectif a donc t dapprocher de faon gnrale les courbes des 3 variables mesurables ( ) t C
C
,
, . ( ) t Z ( ) t C
CO2
- Lcart objet modle temps final pour les bactries en solution est infrieur 20% :
- Lcart objet modle temps final pour le carbone inorganique est infrieur 10% :
- Lcart objet modle temps final pour lalcalinit totale est infrieur 10% :
- Lcart objet modle temps final pour le CO2 est infrieur 10% :
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
=
exp exp
exp
3
exp 2 exp 2
2 exp 2
2
exp 1 exp 1
1 exp 1
1
min
SS SS
SSsim SS
sim
sim
V n V
n V n V
F
S n S
n S n S
F
S n S
n S n S
F
( )
( ) ( ) ( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
=
% 10
% 20
% 10
,
,
. .
exp _ 2
2 exp _ 2
exp _
exp _
exp _
exp _
tf Q
tf Q tf Q
tf C
tf C tf C
tf Z
tf Z tf Z
tf u tf T
u F
c s
CO
CO CO
C
C C
&
37
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
Avec le jeu de paramtres suivant identifier : [ ]
5 4
k k a k
L
4.4.2.3 Rsultats didentification
De trs nombreux essais didentification ont t raliss au cours de ce projet. Nous prsenterons
ici les meilleurs rsultats didentification obtenus la fin du projet et qui sont considrs comme tant
les plus pertinents. Cependant, de nombreuses volutions au niveau du modle, lutilisation dune
quantit plus importante de donnes, le choix didentifier plus ou moins de paramtres, ont augment
le temps consacr lidentification.
La figure 8.[A.22.] galement prsent ci-dessous, prsente les variables simuls en bleu et les
variables identifier en vert du premier problme didentification.
0 5 10 15 20 25 30
0
1
2
3
4
Temps en jours
S
1
e
n
g
/
L
Concentration du substrat S1
S1 simul AM2 modifi
S1 exprimental
0 5 10 15 20 25 30
0
50
100
Temps en jours
S
2
e
n
m
m
o
l
/
L
Concentration du substrat S2
S2 simul AM2 modifi
S2 exprimental
0 5 10 15 20 25 30
0
1
2
3
Concentration des bactries libres VSS
Temps en jours
V
S
S
e
n
g
/
L
VSS simul AM2 modifi
VSS exprimental
0 5 10 15 20 25 30
0
1
2
3
4
Concentration des bactries attaches
Temps en jours
X
A
e
n
g
/
L
XA simul AM2 modifi
XAtf exprimental
0 5 10 15 20 25 30
0
500
1000
1500
Temps en jours
Q
c
h
4
e
n
L
/
j
Dbit de mthane
Qch4 simul AM2 modifi
Qch4 exprimental
0 5 10 15 20 25 30
0
1
2
3
4
Temps en jours
H
2
e
n
L
/
j
Dbit d'hydrogne
H2 simul AM2 modifi
H2 exprimental
On voit que le dbit de mthane et le substrat mthanogne sont bien modliss et suivent bien la
progression exprimentale. De mme, la concentration des bactries attaches la fin de la simulation
est trs proche de sa valeur exprimentale.
Au niveau des bactries en solution on voit quon suit la tendance gnrale, un lessivage au dpart
puis une croissance due laugmentation des bactries attaches qui se dtachent pour obtenir in fine
une valeur proche de la valeur exprimentale. Cependant, on voit quil existe des dynamiques
transitoires qui ne peuvent pas tre modlises avec ce modle. Il faut cependant considrer que la
prcision de la mesure sur ces bactries en solution nest pas connue mais est faible ce qui explique
aussi que le modle suive assez mal les donnes exprimentales.
Le substrat mthanogne prsente une surestimation qui na pas pu tre diminue sans diminuer la
prcision des autres variables modliss. De plus si on diminue cette surestimation, la qualit de
lestimation de la valeur finale atteinte en fin de simulation dcrot.
Lintroduction de lhydrogne dans le modle a permis cependant damliorer la modlisation de
ce dernier substrat.
La figure 8.[A.23.] prsente les variables simuls en bleu et les variables identifier en vert du
second problme didentification.
38
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
.
La modlisation de la concentration en carbone inorganique total et de lalcalinit totale semble
trs correcte. Le dbit de carbone quand a lui est bon sur la premire partie de la simulation mais se
dgrade au fur et mesure. Il y a une surestimation de la croissance du dbit de dioxyde de carbone.
En fin de simulation on voit quil y a un arrt de la croissance de ce dbit qui nest pas observ en
pratique.
Les valeurs finales des paramtres qui ont t identifis sont reportes dans le tableau 8.[A.24.]
Une comparaison avec le modle AM2 initial 8.[A.25.] montre que les paramtres identifis
permettent de faire une bien meilleure estimation des variables modlises. En appliquant ces
paramtres au modle AM2 on saperoit que le travail de modlisation a permis damliorer la
dynamique du systme 8.[A.26.] puisque les rsultats avec notre modle semblent meilleurs et
permettent de modliser un plus grand nombre de variables.
4.4.2.3.1 Robustesse du modle
Une des grandes incertitudes du modle concerne les conditions initiales en concentration de
bactries attaches. Sil est connu que cette valeur est trs faible, elle doit cependant tre non nulle
pour que la reproduction bactrienne puisse tre active. Nous avons donc caractris la robustesse du
modle cette incertitude. Dun commun accord avec les chercheurs de lINRA, la condition initiale
utilise pour lidentification a t de 0.001g/L de bactrie attache pour chacune des deux types de
bactries. Une fois lidentification termine nous avons test la robustesse de prvision du modle
avec des conditions initiales diffrentes. Les rsultats obtenus montrent que pour des valeurs initiales
comprises entre 0.1g/L et 10-7g/L le modle permet de modliser trs correctement les variables
identifier. Assurment, les valeurs initiales relles se situent dans cette fourchette de valeur, ce qui
montre la robustesse de notre modle cette forte incertitude de modlisation.
4.4.2.4 Conclusion
Les rsultats obtenus dans cette partie ont t avaliss par les biologistes de lINRA comme
pouvant dcrire correctement le fonctionnement du bioracteur anarobie. Il accrot lestimation de la
biomasse pendant les phases transitoires du dmarrage du bioracteur. Lajout de lhydrogne ouvre
des perspectives nouvelles, notamment pour la ralisation dautres projets sur le domaine. Cependant,
le risque vouloir intgrer trop deffets et de nouvelles variables dtat autour dAM2 ou dune
version modifie, serait dau final, de reconstruire un modle comparable (en taille) ADM1, ce qui
nest pas le but.
Cette premire partie permet donc de dterminer un modle suffisamment fiable sur lequel
sappuyer pour faire de loptimisation et du contrle.
4.4.3 Recherche de profils de commande optimaux
4.4.3.1 Recherche analytique darcs singuliers
Le travail doptimisation analytique consistait rechercher les arcs singuliers du modle AM2. Ce
travail a t ralis sur le modle initial parce quil est intervenu avant le travail de modlisation et que
les modles amliors dcoulant du modle AM2 initial commencent devenir trop complexes pour
envisager une rsolution analytique de ce type. On se rendra compte par la suite que le modle AM2
est dj suffisamment complexe pour ce genre danalyse mathmatique.
4.4.3.1.1 Dfinition du problme doptimisation
Objectif :
On dsire minimiser le temps de dmarrage du processus. Le temps de dmarrage est atteint
quand la charge volumique applique est gale la consigne quon sest fix, gnralement, quand elle
est maximale et que les contraintes temps final sont respectes (rendement puratoire) en rgime
tabli.
f
t
39
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
Variable manipule
La variable manipule est donc soit :
- le taux de dilution donc u D =
- la concentration du substrat u S
in
=
2
- la concentration du substrat u S
in
=
1
- la concentration du substrat total u S
Tin
=
Contraintes
Diffrentes contraintes seront appliques au systme, mais pour la recherche darcs singuliers, les
contraintes nentrent pas en ligne de compte. Celles-ci seront abordes lors de loptimisation
numrique.
Modle simplifi
On peut simplifier le modle AM2 car lalcalinit totale Z et la concentration totale de carbone
inorganique ninfluent pas sur le problme doptimisation et ninfluent pas les autres tats. On
obtient alors le modle simplifi :
C
C
[ ]
[ ]
( )
( )
+ =
=
=
=
2 2 3 1 1 2 2 2 2
1 1 1 1 1 1
2 2 2
1 1 1
X k X k S S D S
X k S S D S
X D X
X D X
in
in
&
&
&
&
1 1
1
max 1 1
avec
S
K S
S
+
=
2
2
2
2 2
2
max 2 2
avec
I
S
K
S
K S
S
+ +
=
4.4.3.1.2 Quelques exemples de rsultats
Diffrents exemples ont t traits.
Le premier exemple concerne la recherche darcs singuliers dans un systme o les concentrations
dentre sont constantes et o la variable manipule est le taux de dilution. Lexpression obtenue est
trs complique et pour dterminer la commande ( ) t D optimale il est ncessaire de faire une
intgration numrique. Cet arc singulier nest pas utilisable en pratique car beaucoup trop complexe.
Cependant cela prouve mathmatiquement quil existe bel et bien un arc singulier dans le domaine de
faisabilit du systme.
Le second exemple concerne la recherche darcs singuliers dans un systme o le taux de dilution
et la concentration dentre du substrat mthanogne sont constants. La variable manipule est alors la
concentration en substrat acidogne. Le rsultat de ce calcul dmontre mathmatiquement quil ny a
pas darc singulier associ cette commande. Cela signifie que si lon dsire faire de loptimisation il
ny aura pas dautre arc que des arcs dfinis par le respect de contraintes de chemin (sils existent)
dans le domaine de faisabilit et que donc la structure de la commande optimale ne dpendra que des
contraintes. Par exemple, si on souhaite favoriser la croissance de la biomasse, il faut maximiser la
concentration du substrat acidogne. Cest donc la contrainte de lactionneur dterminant la
concentration maximale de ce substrat qui sera active. Ce rsultat sexplique par le fait que les
bactries acidognes possdent un taux de croissance strictement croissant en fonction du substrat
acidogne. Ainsi plus ces bactries sont nourries, plus elles se dveloppent rapidement, comme on
peut le voir sur la figure 8.[A.15.]. Cependant, cette tude reste assez thorique car en ralit on ne
peut pas contrler uniquement la concentration du substrat acidogne en conservant une concentration
de substrat mthanogne constant.
40
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
ne fixe.
Le troisime exemple concerne la recherche darcs singuliers dans un systme o le taux de
dilution et la concentration en substrat acidogne sont constants. La variable manipule est alors la
concentration en substrat mthanogne. Aucun arc singulier na pu tre obtenu. Ce rsultat sexplique
par le fait que le substrat mthanogne ne permet pas lui seul de commander le systme. En effet, en
agissant uniquement sur cette concentration on ne peut pas agir sur les bactries acidognes, ni sur le
substrat acidogne.
Une autre approche consiste dterminer quelle est la concentration optimale pour la croissance
des bactries mthanognes. En effet, le taux de croissance de cette population bactrienne varie
fortement, non linairement, en fonction du substrat mthanogne. Le taux de croissance commence
par voluer de faon strictement croissante avant datteindre un maximum au alentour de 50mmol/L
avant de diminuer cause de linhibition par le substrat comme on peut le voir sur la figure 8.[A.16.].
Il y a donc une valeur optimale de concentration en substrat mthanogne pour nourrir les bactries.
Ce rsultat reste aussi assez thorique car en pratique on ne peut pas contrler la concentration du
substrat mthanogne en conservant une concentration acidog
Le quatrime exemple concerne la recherche darcs singuliers dans un systme o le taux de
dilution est constant. La variable manipule est la concentration en substrat total qui contient une
fraction fixe de substrat acidogne et une fraction fixe de substrat mthanogne. Cette manire de
concevoir lalimentation en substrat est plus proche de la ralit en ce sens o il est impossible de
contrler de faon indpendante la proportion de substrat acidogne et la proportion de substrat
mthanogne. La proportion est fixe et dpend du type deffluent que lon traite (vinasse, laiterie).
Lalimentation se fait exprimentalement avec le contrle de la concentration du substrat total. Le
rsultat de ce calcul est plus simple que celui obtenu en contrlant le taux de dilution mais reste trop
compliqu pour pouvoir tre utilis numriquement. Lexpression obtenue dpend de la concentration
totale ainsi que de sa drive premire par rapport au temps. Il faudrait donc ici aussi intgrer cette
quation pour obtenir larc singulier. Ainsi, suivre cet arc au moyen dun contrleur durant un ou
plusieurs intervalles correctement choisis, permettrait dassurer le respect des diffrents compromis du
systme. Cest en effet la vocation des arcs singuliers. Mme si ce rsultat nest pas exploitable en
pratique il dmontre quil existe mathmatiquement un arc singulier au niveau de lalimentation totale
en substrat lintrieur du domaine de faisabilit du systme.
4.4.3.1.3 Conclusion sur loptimisation analytique
Le travail doptimisation a permis de dmontrer mathmatiquement lexistence ou linexistence
darcs singuliers dans le systme selon la variable quon dcide dutiliser pour contrler le systme.
Cependant ces rsultats mathmatiques, de part leur complexit ne permettent pas une utilisation
pratique lors de loptimisation numrique. Ils justifient cependant lexistence de trajectoires de
commande optimale pendant la monte en charge.
4.4.3.2 Optimisation numrique
Aprs le travail doptimisation analytique et la phase de modlisation, le travail doptimisation
numrique peut dbuter. En effet, le travail doptimisation doit se faire partir dun modle
mathmatique, donc il est ncessaire davoir un modle le plus prcis possible. De plus, en thorie les
arcs singuliers dtermins lors de loptimisation analytique doivent servir dfinir la structure du
profil optimal de commande. Cependant, en pratique, les rsultats des calculs darcs singuliers tant
extrmement complexes, il nest pas vraiment possible de les intgrer la structure de la commande.
4.4.3.2.1 Dfinition du problme doptimisation numrique
Objectif :
On dsire minimiser le temps de dmarrage du processus. Le temps de dmarrage est atteint
quand la charge volumique applique est gale la consigne quon sest fix, gnralement, quand elle
f
t
41
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
est maximale et que les contraintes temps final sont respectes (rendement puratoire) en rgime
tabli.
Variables manipules
Les variables manipulables sont le taux de dilution et la concentration totale dentre du substrat.
Pour loptimisation nous essayerons successivement de jouer dabord tour tour sur chacune de ses
deux variables puis sur les deux en mme temps.
- le taux de dilution donc ( ) ( ) t D t u = et ( ) cte t S
Tin
=
- la concentration du substrat total donc ( ) ( ) t S t u
Tin
= et ( ) cte t D =
- les deux variables en mme temps donc ( )
( )
( )
=
t S
t D
t u
Tin
Contraintes de chemin
Le systme est contraint par les actionneurs, du systme, c'est--dire par la commande choisie
maximale et la commande minimale, c'est--dire ( )
MAX Min
u t u u , ce qui signifie que :
et que ( )
MAX Tin Tin MiIN Tin
S t S S ( )
MAX MiIN
D t D D
Avec : , , ,
1
1 . 0
= L g S
COD MiIN Tin
1
20
= L g S
COD MiAX Tin
1
0
= j D
MiIN
1
1
= j D
MiAX
Ces valeurs sont les valeurs limites applicables des actionneurs du systme, fournis par le LBE de
lINRA.
On dsire pendant le dmarrage toujours conserver un rendement puratoire suprieur 50% donc :
[ ]
( )
[ ]
( )
[ ]
( )
% 50
1
1
1
.
.
.
tf S
tf S tf S
L gCOD Tin
L gCOD T
L gCOD Tin
. La valeur de cette contrainte a t dfinie en accord avec
les chercheurs de lINRA, non pas comme une contrainte rglementaire respecter mais comme une
valeur minimale qui permette lors de loptimisation de ne pas pousser le systme numrique dans des
conditions trop radicales qui pourraient ne pas faire fonctionner en pratique le bioracteur.
Contraintes temps final
A la fin du dmarrage on dsire que certains objectifs fixs soit
On dsire obtenir au temps final :
f
t
Un rendement puratoire suprieur 80% donc
[ ]
( )
[ ]
( )
[ ]
( )
% 80
1
1
1
.
.
.
tf S
tf S tf S
L gCOD Tin
L gCOD T
L gCOD Tin
La valeur du rendement puratoire finale a t dfinie en accord avec les chercheurs de lINRA et
des exprimentations qui ont eu lieu sur le bioracteur et qui ont montr que le systme en rgime
tabli avait un rendement puratoire suprieur 80%. Cest aussi une des contraintes que doit
respecter le bioracteur lorsquil est utilis des fins commerciales pour traiter des effluents
industriels. En effet, un rendement lev assure que les rejets en sortie de mthaniseur peuvent tre
envoys dans le milieu naturel ou dans le rseau deau, avec une dpollution efficace. Garantir ce
rendement durant le dmarrage permet de diminuer la pollution qui pourrait apparatre, compte tenu de
la difficult de monter en charge et de stabiliser ces installations.
Une charge volumique applique maximale gale la consigne :
( ) ( ) ( )
ref Tin ref Tin ref
S D tf S tf D CVA tf CVA = =
Avec Cette consigne a t fixe cette valeur car elle correspond
la valeur maximale de CVA quil est possible de fournir au systme ainsi qu la valeur qui est utilise
en rgime continu par lINRA. La concentration maximale en substrat dentre tant de
et le taux de dilution maximal applicable tant de . En effet, pour rendre lexploitation du
1 1
20
= j L g CVA
COD ref
1
20
L g
COD
1
1
j
42
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
mthaniseur, le meilleur possible, il faut que celui-ci puisse traiter le maximum de dchets, aux dbits
les plus intressants.
Formalisation du problme
Le problme doptimisation numrique dcrit ci-dessus, se formalise de la faon suivante :
( )
( )
( )
( )
( )
( )
=
% 80
20
% 50
, ,
. .
min
,
f
f
MAX Tin Tin MiIN Tin
MAX MiIN
f
STin D
t
t CVA
t
S t S S
D t D D
u t x F x
c s
t
&
4.4.3.2.2 Procdure doptimisation numrique
A partir de la dfinition de lobjectif atteindre et des contraintes respecter on dfinit une
structure de commande en boucle ouverte quon souhaite optimiser. On paramtre ensuite lamplitude
de la commande sur diffrents intervalles temporels. Lutilisation dun optimiseur numrique permet
ensuite, grce des algorithmes doptimisation, de dterminer la longueur des intervalles temporels
ainsi que les amplitudes des commandes sur chacun de ces intervalles. Le choix de la structure est
alors dterminant pour les rsultats de loptimisation. Une mauvaise structure mme optimise peut se
rvler bien moins bonne quune structure diffrente non optimise. De la mme faon, pour une
paramtrisation du vecteur dentre choisie, on obtient sous rserve de convergence, la meilleure
commande correspondant cette paramtrisation. Ces rsultats ne doivent pas occulter que
loptimisation dun vecteur de commande paramtr diffremment pourrait conduire de meilleurs
rsultats.
Gnralement les structures de commandes optimales sont composes de phases o la commande
atteint ses limites maximales ou minimales, de phases o la commande permet de faire un compromis
entre diffrents objectifs ou contraintes, et de phases o la commande permet datteindre certaines
contraintes. Il y a donc des phases durant laquelle la commande est constante et des phases durant
laquelle la commande suit des trajectoires sous forme darcs singuliers qui traduisent gnralement des
compromis.
Afin de procder loptimisation numrique de la commande du systme, nous avons dvelopp
des fichiers Matlab qui utilisent la fonction fmincon de la toolbox doptimisation de Matlab. Cette
fonction permet de faire de loptimisation multi variables dune fonction objective scalaire sous des
contraintes non linaires. Trois types de structures ont t essays, une structure constante par
morceaux, une structure linaire par morceaux et une structure avec une transition exponentielle. Pour
chacune de ces structures de commande il a t essay de commander le systme soit uniquement avec
le taux de dilution, soit uniquement avec la concentration en substrat, soit en jouant sur les deux
commandes la fois.
De mme que pour les travaux didentification, de trs nombreux essais doptimisation numrique
ont t effectus. Nous ne prsenterons ici que les essais les plus pertinents.
Optimisation constante par morceaux
La premire des structures de commande que nous avons essaye est une structure constante par
morceaux. Nous avons donc permis loptimiseur de dterminer la longueur de quatre intervalles
temporels ainsi que lamplitude constante sur chacun de ces intervalles.
La figure 8.[A.27.] prsente le meilleur rsultat qui a t obtenu avec une commande constante par
morceaux au niveau de la concentration en substrat dentre et au niveau du taux de dilution. On voit
que la concentration en substrat et le taux de dilution augmente de faon rgulire. Au bout du 20me
jour, la concentration et le taux de dilution deviennent maximaux, ce qui amne la CVA au maximum.
En comparaison avec le profil de commande exprimental 8.[A.21.] on voit que la phase de dmarrage
43
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
e de 11%.
est rduite de 10,5 jours. Le dbit journalier de mthane pendant le dmarrage est beaucoup plus
important, de lordre de +42%. Le taux dpuration au cours de cette dure est amlior de 10%.
Optimisation linaire par morceaux
La deuxime des structures de commande que nous avons essay est une structure linaire par
morceaux. Nous avons ici permis loptimiseur de dterminer la longueur de quatre intervalles
temporels ainsi que lamplitude de dbut et de fin de la commande sur chacun des quatre intervalles.
Une interpolation linaire de la commande entre ses deux points permet dobtenir une commande
linaire par morceaux. Le dernier intervalle est dfini comme tant constant.
La figure 8.[A.28.] prsente le meilleur rsultat qui a t obtenu avec une commande linaire par
morceaux au niveau de la concentration en substrat dentre et au niveau du taux de dilution. On voit
quil y a aussi trois phases principales qui apparaissent. Durant une premire phase de 10,5 jours, la
concentration et le taux de dilution sont constants et pas trop levs permettant de conserver un
rendement puratoire suffisant. Ensuite le taux de dilution devient maximal alors que la concentration
augmente jusqu atteindre le maximum le 18me jour. En comparaison avec le profil de commande
exprimental 8.[A.21.] on voit que la phase de dmarrage est rduite de 10,6 jours. Le dbit journalier
de mthane pendant le dmarrage est beaucoup plus important, de lordre de +43%. Le taux
dpuration moyen au cours de cette dure est amlior en moyenn
Optimisation avec transition exponentielle
La troisime des structures de commande que nous avons essay est une structure avec une
transition exponentielle. Nous avons ici permis loptimiseur de dterminer la longueur de trois
intervalles temporels ainsi que lamplitude constante sur le premier intervalle, les paramtres de la
monte exponentielle sur le deuxime intervalle et lamplitude constante sur le troisime intervalle.
La figure 8.[A.29.] et la figure ci-dessous prsente le meilleur rsultat qui a t obtenu avec une
commande avec transition exponentielle au niveau de la concentration en substrat dentre et au
niveau du taux de dilution.
0 20 40 60
0
0.5
1
1.5
Temps en jours
D
e
n
/
j
Taux de dilution D
D opt
D exp
0 20 40 60
0
5
10
15
20
Temps en jours
S
T
i
n
e
n
g
C
O
D
/
L
Concentration en substrat
STin opt
STin exp
0 20 40 60
0
5
10
15
20
Temps en jours
C
V
A
e
n
/
j
Charge Volumique Applique CVA
CVA opt
CVA exp
0 20 40 60
20
40
60
80
100
Temps en jours
e
n
%
Rendement puratoire
REp opt
REp exp
0 20 40 60
0
1
2
3
4
Temps en jours
S
1
e
n
g
/
L
Concentration du substrat S1
S1 opt
S1 exp
0 20 40 60
0
20
40
60
80
Temps en jours
S
2
e
n
m
m
o
l
/
L
Concentration du substrat S2
S2 opt
S2 exp
0 20 40 60
0
1000
2000
3000
Temps en jours
e
n
L
/
j
Dbit de mthane
Qch4 opt
Qch4 exp
0 20 40 60
0
1
2
3
Temps en jours
V
S
S
e
n
g
/
L
Concentration des bactries libres VSS
VSS opt
VSS exp
0 20 40 60
0
5
10
15
Temps en jours
X
A
e
n
g
/
L
Concentration des bactries attache XA
XA opt
XA exp
44
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
e 8.[A.33.].
On voit quil y a aussi trois phases principales. Durant une premire phase de denviron 1 jour, la
concentration est conserve un niveau lev de 20gCOD/L Ceci permet de charger le racteur en
substrat pour favoriser le dveloppement des bactries. Ensuite, la concentration est ramen autours de
13gCOD/L et augmente exponentiellement jusqu atteindre son maximum aux alentours du 18me
jour. Le taux de dilution, permet de respecter un bon rendement puratoire. Il dmarre autours de 0,5/j
et augmente exponentiellement jusqu 1/j. Ceci permet de respecter la contrainte sur le rendement
puratoire. En comparaison avec le profil de commande exprimental 8.[A.21.] on voit que la phase de
dmarrage est rduite denviron 10,8 jours. Le dbit journalier de mthane pendant le dmarrage est
beaucoup plus important, de lordre de +44%. Le taux dpuration moyen au cours de cette dure est
amlior en moyenne de 13,7%.
Etude de sensibilit sur le profil optimal
A partir du profil optimal avec transition exponentielle, une tude de sensibilit a t ralise. Cette
tude montre quune concentration initiale en substrat fait baisser de faon importante le rendement
minimal atteint par le systme pendant le dmarrage 8.[A.30.]8.[A.31.]. On remarque aussi quen
augmentant la concentration traiter par le bioracteur en rgime permanent, cela ncessite dadapter
le profil optimal 8.[A.34.] et daugmenter le temps de dmarrage.8.[A.32.] La contrainte sur le
rendement minimal respecter influe trs peu sur la dure du dmarrage en lui-mme mais modifie
lamplitude de la variation du taux de dilution et de la concentration en substrat dentr
4.4.3.3 Conclusion sur les rsultats doptimisation numrique
Il apparat que ces diffrents profils prsents ici ainsi que les nombreux autres essais qui ont
amens ces rsultats finaux, apportent une amlioration du dmarrage du bioracteur. En effet, on
voit que de faon gnrale, on gagne environ dix jours par rapport la mthode exprimentale. On voit
cependant quun profil, continu, linaire ou exponentiel napporte pas damlioration de la dure totale,
les uns par rapport aux autres. Ils convergent tous vers une limite minimale de dmarrage de lordre de
28 jours pour arriver un rendement puratoire de 80% CVA maximale. Ceci est du au fait quil y a
des contraintes respecter et quil est impossible de faire crotre ces bactries plus vite en respectant
ces contraintes. Cependant on voit que du profil constant au profil linaire et du profil linaire au
profil exponentiel, on augmente le gain en termes de dbit de mthane journalier ainsi que du taux
dpuration. Il est donc prfrable dutiliser le profil exponentiel qui permet pendant le dmarrage, de
mieux valoriser conomiquement le bioracteur par une plus forte production de mthane, et qui
permet damliorer lcologie du procd par un meilleur rendement puratoire.
4.4.4 Rgulation pour loptimisation
Une autre approche de loptimisation est de synthtiser un rgulateur qui puisse contrler le
systme et doptimiser ses performances pour rendre le dmarrage le plus rapide possible.
4.4.4.1 Rgulation PI du taux dpuration avec le taux de dilution
Synthse du rgulateur
La premire approche qui a t essaye est une rgulation de type proportionnelle intgrale du
rendement puratoire par une commande en taux de dilution. En effet, suite aux essais doptimisation
numrique il apparat quau dmarrage du bioracteur, cest la variation du taux de dilution qui
influence le plus le rendement puratoire. Or, en rgime nominal, au dpart, le rendement puratoire
diminue de faon significative avant de crotre nouveau pour atteindre un maximum. Le temps que
met le rendement puratoire pour atteindre une valeur suprieure 80%, correspond au temps pendant
lequel le bioracteur ne respecte pas les contraintes industrielles. Paralllement, si la contrainte est de
80%, il serait sous optimal de forcer le systme effectuer une puration plus pousse puisque cela
limiterait laugmentation de la charge applique au racteur (soit en dbit, soit en concentration) et
donc induirait une augmentation du temps de monte. Ainsi, il est intressant de vrifier si contrler le
rendement puratoire amliore le dmarrage, et en mme temps dtudier la contrlabilit du
rendement.[22]
45
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
On peut donc esprer quune rgulation du rendement puratoire soit possible par la manipulation
du taux de dilution : au travers de cette variable, on contrle la charge totale applique au systme, et
pour une quantit de biomasse donne, le rendement puratoire. On synthtise donc un correcteur
proportionnel intgral qui permet de faire cette rgulation. Daprs la dfinition du rendement
puratoire, rguler le rendement puratoire pour une concentration de substrat dentre donne, est
quivalent contrler la concentration totale en substrat lintrieur du bioracteur. La correction
proportionnelle et intgrale se fait donc sur lcart entre la consigne de substrat total
et la valeur relle . On fixe en premier lieu la consigne
p
K
i
K
Tconsigne
S
T
S
cons
telle que ( )
cons Tin cons cons T
S S = 1
La correction se fait autours du point de fonctionnement nominal 1
0
= D . On sait quau dpart
pour augmenter le rendement puratoire il faut diminuer le taux de dilution donc si on
diminue . Les gains et sont donc positifs. On obtient donc la structure de rgulation
suivante :
Tconsigne T
S S
D
p
K
i
K
( ) ( )
+ + = dt S S K S S K D D
T Tconsigne i T Tconsigne p 0
Le taux de dilution applique au systme est satur ses valeurs thoriques maximales et
minimales : Si et si 1 1 = D D 0 0 = D D .
Rsultats de simulation
Les figures 8.[A.35.] et 8.[A.36.] prsentent un essai avec ce type de contrleur avec les valeurs
suivantes et 1 =
p
K 1 =
i
K . 4 phases principales se dgagent. Durant la premire phase trs courte du
dbut, le rendement puratoire est suprieur 80% donc le taux de dilution reste maximal. Ensuite le
taux de dilution passe par une phase transitoire qui permet de limiter la chute du rendement puratoire.
Le retour 80% se fait en cinq jours. Ensuite, le systme converge, par laction du rgulateur, vers un
rendement puratoire constant de 80%. Une fois que le taux de dilution arrive sa valeur maximale
de , donc CVA maximale le rendement puratoire tend doucement vers sa valeur maximale de
86%. Le temps de dmarrage est donc estim 30 jours soit 2 de plus quavec un profil optimal mais 8
jours de moins quavec le profil exprimental. Le taux dpuration pendant le dmarrage est trs
proche de 80% ce qui est une amlioration trs importante par rapport aux autres profils optimaux ou
exprimentaux. Le dbit de mthane moyen est trs proche de celui obtenu avec le profil exprimental.
1
1
j
Un biais positif sur le taux de dilution le 70me jour montre que le systme peut rejeter les
perturbations constantes de la commande. La perturbation fait que le systme natteint plus son
rendement puratoire maximal, mais reste la consigne car la commande ne sature plus.
De plus, le rgulateur semble assez robuste aux bruits de commande qui ont t ajouts avec des
amplitudes de lordre de ceux enregistrs en pratique. Labsence de terme driv dans le rgulateur
explique principalement cette robustesse.
4.4.4.2 Autre type de rgulateur
Au cours de cette tude, dautres structures de rgulateur ont t essayes. Citons entre autre
quune action drive 8.[A.37.] na pas apport damlioration au niveau de la rgulation, quun effet
anti-windup 8.[A.38.] permet dliminer quasiment toute la saturation mais ralentit le dmarrage du
bioracteur, comme on pouvait sy attendre. Un correcteur non linaire a galement t synthtis,
bas sur une linarisation exacte entre sortie 8.[A.39.]. Ce rgulateur fonctionne aussi bien que le
Proportionnel Intgral (voir figure 8.[A.40.] et 8.[A.41.]). Il apparat donc quun rgulateur PI est
suffisant pour contrler le systme.
4.4.4.3 Optimisation de la rgulation
Dans un objectif doptimisation du fonctionnement du bioracteur, des tests ont t raliss pour
dterminer des conditions optimales au niveau du substrat. Pour cela, la limite maximale de
concentration en substrat dentre a t limine. Nous avons dtermin successivement la
concentration en substrat optimal qui permet en rgime continu de :
- de maximiser le dbit de mthane
46
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
( )
( )
( ) ( )
( )
+ + =
=
=
max min
0
4
. .
min
D t D D
dt S S K S S K D D
F
c s
t Q J
T Tconsigne i T Tconsigne p
f CH
STin
&
- de maximiser la quantit de biomasse mthanogne :
( ) ( ) ( ) ( )
f L f D f A
STin
t X t X t X J
2 2 2
min + + = (mmes contraintes)
- de maximiser la CVA : ( ) ( )
f Tin f
STin
t S t D J = min (mmes contraintes)
- de maximiser le rendement puratoire : ( )
f
STin
t J = min (mmes contraintes)
- de maximiser la concentration en substrat dentre avec un taux de dilution final maximal :
( )
( )
max
. .
min
D t D
c s
t S J
f
f Tin
STin
=
=
(et mmes contraintes)
Les rsultats sont regroups dans le tableau 8.[A.42.].
Il ressort que le rendement puratoire maximal est atteignable pour une concentration denviron
et dun taux de dilution unitaire. Cette concentration est donc la plus cologique puisque
le traitement est le plus efficace.
1
20
L g
COD
Si on regarde dun point de vu conomique, on voit que loptimum est atteint pour des valeurs de
concentration au moins gales . En effet, ce niveau de concentration en substrat le
rendement puratoire est seulement de 80% mais le dbit de mthane est maximal grce la
concentration maximale de bactries mthanognes. Le gain conomique se mesure donc avec la
production journalire de mthane qui peut tre valoris. Le gain conomique apparat aussi avec la
CVA qui est aussi maximale autours de cette concentration.
1
65
L g
COD
4.4.4.4 Conclusion sur la rgulation
Les rsultats de simulation obtenus avec le rgulateur proportionnel intgral sont intressant car ils
montrent quil est possible de faon trs simple dadapter le taux de dilution pour avoir un rendement
puratoire suprieur 80% en un nombre de jours trs court et de converger long terme vers un
rendement puratoire maximal CVA maximal aprs 30 jours. Ainsi, en acceptant de ne pas arriver
CVA maximale dans le dlai le plus court, on garantit en cinq jours un rendement puratoire toujours
suffisant. Ce rgulateur permet donc assurer le respect des contraintes sur le bioracteur pendant les
phases de dmarrage.
47
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
4.5 Conclusion sur les rsultats du projet
Voici de faon rsume quels ont t les rsultats obtenus
Pour la partie de modlisation nous avons obtenu un modle assez simple en comparaison du
modle ADM1 mais qui permet de modliser correctement la biomasse sous ses diffrentes formes
(attache et en solution). Un des rsultats de modlisation qui pourrait avoir de grandes rpercussions
sur la faon dont sont commands et dmarrs les digesteurs anarobies comme celui du LBE
concerne labsence dobservation dinhibition par le substrat. Les spcialistes de lINRA pensaient que
linhibition par les AGV tait linhibition dominante. A prsent, le modle simplifi dvelopp au
cours de ce projet et qui ne considrait que cette forme dinhibition, a montr que le substrat seul ne
pouvait inhiber la croissance bactrienne, au niveau des concentrations en AGV observes. Les
recherches futures essaieront (toujours au travers du dveloppement dun modle de tendances) de
vrifier lhypothse selon laquelle, ce niveau de concentrations en AGV, lhydrogne ne serait pas le
principal inhibiteur.
Pour la partie doptimisation analytique, les rsultats qui ont t obtenus dmontrent lexistence ou
non darcs singuliers selon la stratgie de commande utilise. Cependant, lexpression analytique de
ses arcs sest rvl tre trop complique pour pouvoir tre implment dans une commande. L
encore, cette tude a montr que la reprsentation dun tel racteur en deux compartiments
(acidognse, mthanognse) ne permettait pas, malgr lextrme simplification que cela induit),
dexhiber un optimum thorique typique pour ces racteurs.
En ce qui concerne loptimisation numrique, les simulations qui ont t ralises prfigurent quil
est possible de dmarrer rapidement le bioracteur avec des profils de commande exponentiels la fois
en taux de dilution et en concentration. Les profils obtenus suggrent que le gain en termes de temps
serait de lordre de deux semaines, pendant lesquelles, le rendement puratoire et le dbit de mthane
seraient meilleurs par rapport aux essais exprimentaux. Lapport est donc cologique et conomique.
Lutilisation de la rgulation pour loptimisation nous a permis de dvelopper un rgulateur trs
simple qui permet dassurer un rendement puratoire presque toujours optimal en contrepartie dun
faible allongement du temps ncessaire pour mettre le systme en fonctionnement maximal.
48
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
5. Conclusion gnrale du projet
Ce projet ma beaucoup intress car il sinscrit dans une thmatique environnementale qui est
aujourdhui dactualit et plus encore ncessaire. Le contexte du sujet, le bioracteur mthaniseur, est
nouveau pour moi et sloigne des types de systmes classiquement tudis lESISAR de type
lectromcaniques. Il ma donc permis de concevoir lutilisation des techniques de lautomatique dans
des domaines trs varies tel que les biotechnologies au service de lenvironnement.
Dun point de vue acadmique ce projet ma permis daccrotre mes connaissances en automatique
puisquil ma fait dcouvrir loptimisation dynamique, la fois sous un formalisme mathmatique et
une approche numrique.
Effectuer ce stage dans un laboratoire universitaire ma fait dcouvrir le principe de la recherche
universitaire, travers la faon de travailler, les moyens disposition
Mon travail en collaboration avec lINRA, a ajout une dimension pratique ce projet. Mes
rsultats ont t discuts avec des chercheurs de lINRA qui travaillent directement sur le bioracteur,
ce qui donne au projet un intrt pratique.
Ce projet a permis dobtenir des rsultats intressants pour les personnes qui continueront
travailler sur ce racteur anarobie. En effet, au cours de cinq mois de travaux, nous avons obtenu un
modle de tendances avec une meilleure prdiction, notamment au niveau de la biomasse attache et
dtache qui tait mal ou pas du tout modlise. Ce modle se rvle suffisamment prcis et robuste
pour faire des travaux de contrle. A ce titre nous avons pu montrer quil est possible damliorer la
phase de dmarrage des bioracteurs anarobie par une squence optimale des entres de commande
du systme. Une meilleure comprhension du dmarrage du bioracteur permet maintenant de gagner
du temps et de guider les travaux de recherche futurs.
Un des points ngatifs que jai a dplor est le temps quil a fallu pour obtenir des donnes
exprimentales utilisables pour procder au travail didentification, dont le rsultat est essentiel pour la
suite du projet. Finalement, il apparat que sur de telles installations, la difficult obtenir des donnes
exprimentales interdit en pratique le dveloppement dalgorithmes de commande avance et rend le
travail doptimisation bien plus difficile. En effet, sans un modle correct, le travail doptimisation ne
peut se faire dans de bonnes conditions et les rsultats obtenus ne seraient pas exploitables.
Le modle dvelopp ainsi que les rsultats doptimisation obtenus sur ce bioracteur seront
rutiliss dans le cadre dun projet collaboratif entre LINRIA de Lille, de Sophia Antipolis et le LBE
de lINRA Narbonne, portant sur les bioracteurs mthaniseur.
49
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
6. Estimation financire : prsentation dun compte
dexploitation du projet
Ce stage sest effectu au sein dun laboratoire de recherche universitaire but non lucratif sur un
projet de recherche un peu indpendant au sein du laboratoire ELIAUS.
Aucun budget na t allou par le laboratoire ELIAUS sur le projet sur lequel jai travaill.
En effet, aucun matriel na du tre achet, aucun matriel na t dvelopp, aucun produit na
t construit, aucun dplacement important na t ncessaire. Aucun fond dinvestissement na t
vers au laboratoire par une institution ou une entreprise extrieure au laboratoire pour dvelopper ce
projet de recherche.
Ce projet auquel jai particip sinscrivait dans une coopration entre le laboratoire ELIAUS, le
LBE de lINRA de Narbonne et lINRIA. Ces deux institutions ont chacune des budgets propres
allous aux projets de recherche concernant loptimisation du dmarrage des bioracteurs anarobies.
Cependant, je nai pu recueillir aucune donne financire concernant ces projets de recherches, ni
dlment financier en ce qui concerne lutilisation du bioracteur de lINRA de Narbonne.
Ce stage ne me permet donc pas de prsenter dans ce document une estimation financire du
compte dexploitation du projet.
50
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
7. Bibliographie
[1] C. Henry & R. Koelsch, What is an Anaerobic Digester?, Manure Matters, vol. 7, n10,
Nebraska, 2001.
[2] J . Mata-Alvarez, S. Mac & P. Llabrs, Anaerobic digestion of organic solid wastes. An
overview of research achievements and perspectives, Bioresource Technology, Elsevier 2000.
[3] R. Cresson, Etude du dmarrage de procds intensifs de mthanisation, Impact des
conditions hydrodynamique et de la stratgie de monte en charge sur la formation et
lactivit du biofilm, Thse de lUniversit de Montpellier, France, 2006.
[4] Bioprocessing Process Kinetics and Modelling.
[5] O. Bernard, Mass Balance Modelling of Bioprocesses, Mathematical control theory, France,
INRIA, 2001.
[6] G. Lyberatos & I.V. Skiadas, Modelling of Anaerobic Digestion A Review, Global Nest:
the International. J ournal, vol. 1, n2, p. 63-76, Greece, 1999.
[7] Iwa Task Group, D. J . Batstone, International Water Association, The IWA Anaerobic
Digestion Model No 1, IWA Publishing, 2002.
[8] C. Rosen & U. J eppsson, Aspects on ADM1 implementation within the BSM2 framework,
Sude, 2006.
[9] O. Bernard, B. Chachuat, A. Hlias & J . Rodriguez, Can we assess the model complexity
for a bioprocess? Theory and example of the anaerobic digestion process, Water Science &
Technology, 2006.
[10] A. Wolfsberger & P. Holubar WP7 Biokinetic Data, Modelling and Control 2
nd
year
CROPGEN meeting, Vienne, 2006.
[11] D. J . Batstone, Mathematical modelling of anaerobic reactors treating domestic
wastewater: Rational criteria for model use, Environmental Science and Bio/Technology, vol.
5 p. 5771, Danemark, 2006.
[12] U. J eppsson, Problems and Progress with Implementation of the ADM1 into the COST
624 Benchmark Simulation Model, COST 624 WG1 Meeting, Belgique, 2002.
[13] O. Bernard, Z. Hadj-Sadock, D. Dochain, A. Genovesi & J -P. Steyer, Dynamical Model
Development and Parameter Identification for an Anaerobic Wastewater Treatment Process,
Biotechnology and Bioengineering, vol. 75 n4, France, INRIA, 2001.
[14] J .P. Steyer & O. Bernard, An example of the benefits obtained from the long term use of
mathematical models in wastewater biological treatment, 4th MATHMOD International
Symposium on Mathematical Modelling,Vienne, 2003
[15] O. Schoefs, D. Dochain, H. Fibrianto, & J .P. Steyer, Modelling and identification of a
distributed-Parameter system for an anaerobic wastewater treatment process, France,
[16] V. Alcaraz, R. Salazar, V. Gonzlez & O. Bernard, Dynamic Modelling of Wastewater
Treatment by Anaerobic Digestion Considering Propionic Acid Accumulation, Informacin
Tecnolgica, vol. 15 n 2, p. 63-68, 2004
[17] J . Harmanda, Dmarrage des racteurs lits fixes, France, 2007
[18] B. Srinivasan, S. Palanki & D. Bonvin, Dynamic Optimization of Batch Processes: I.
Characterization of the Nominal Solution, Computers and Chemical Engineering vol. 27, n1,
p. 1-26, 2003
[19] B. Srinivasan, D. Bonvin, E. Visser & S. Palanki, Dynamic Optimization of Batch
Processes: II. Handling Uncertainty Using Measurements, Computers and Chemical
Engineering, vol. 27, n1, p. 27-44, 2003
[20] F.W. Gembicki, Vector Optimization for Control with Performance and Parameter
Sensitivity Indices, Ph.D. Thesis, Case Western Reserve Univ., Cleveland, Ohio, 1974.
[21] The MathWorks, Optimization Toolbox 3, Users Guide, MATLAB, 2007
[22] G. Franois, B. Srinivasan & D. Bonvin, Use of measurements for enforcing the necessary
conditions of optimality in the presence of constraints and uncertainty, J ournal of Process
Control, vol. 15, p. 701-712, 2005
51
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
8. Annexes
[A.1.] Schma synoptique du bioracteur lit fixe de lINRA de Narbonne.
[A.2.] Support de type CloisonyleTM non colonis
52
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.3.] Photo du biofilm sur le support du bioracteur aprs 54 jours dexploitation
[A.4.] Schma de configuration des racteurs lit fixe :
(1) flux ascendant
(2) flux descendant
G : Gaz, S : Sortie de leffluant A : Alimentation R : Recirculation
53
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.5.] Photo microscopique des bactries prsentes dans le biofilm
[A.6.] Reprsentation schmatique des phases successives de la formation dun
biofilm (Bos et al. 1999)
54
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.7.] Schma du fonctionnement biochimique dun bioracteur anarobie.
[A.8.] Prdominance des populations bactriennes en fonction du rapport entre la
DCO et le sulfate.
55
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.9.] Tableau des principaux accepteurs dlectrons inorganiques participant au
processus dattnuation naturelle (Quintard et al 2004)
[A.10.] Potentiel Redox des demi couples impliqus dans les ractions biochimiques.
56
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.11.] Taux de croissance des bactries mthanognes en fonction de la temprature
[A.12.] Taux de croissance en fonction du substrat dune population bactrienne rgit
par une cintique de Monod
0 50 100 150
0
0.2
0.4
0.6
0.8
1
1.2
Taux de croissance des bactries en fonction du substrat
Concentration du substrat
T
a
u
x
d
e
c
r
o
i
s
s
a
n
c
e
p
a
r
j
o
u
r
mu1
Mu max
Mu max/2
Ks
57
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.13.] Modlisation des processus biochimique dans lADM1
(1) Acidognse partir des sucres
(2) Acidognse partir des acides amins
(3) Actognse partir des longues chanes dacides gras (LCFA)
(4) Actognse partir du propionate
(5) Actognse partir du butyrate et du valerate
(6) Mthanognse actoclastique
(7) Mthanognse hydrognotrophique
58
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.14.] Schma de fonctionnement biochimique du modle AM2
Substrat
carbon
1
S
Mthanognse
Acides gras volatiles
AGV
Mthane Dioxyde de
carbone
Acidognse
4
CH
2
CO
2
S
59
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.15.] Trac du taux de croissance des bactries acidognes
0 50 100 150 200 250 300 350 400 450 500
0
0.2
0.4
0.6
0.8
1
1.2
1.4
Taux de croissance des bactries acidognes en fonction du substrat S1
Concentration du substrat S1 en mmol/l
T
a
u
x
d
e
c
r
o
i
s
s
a
n
c
e
p
a
r
j
o
u
r
mu1
[A.16.] Trac du taux de croissance des bactries mthanognes
0 50 100 150 200 250 300 350 400 450 500
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
Taux de croissance des bactries mthanognes en fonction du substrat S2
Concentration du substrat S2 en mmol/l
T
a
u
x
d
e
c
r
o
i
s
s
a
n
c
e
p
a
r
j
o
u
r
mu2
60
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.17.] Tableau destimation des paramtres cintiques du modle AM2
Paramtres Signification Units Valeur Dviation
standard
max 1
Taux de croissance maximale de la
population bactrienne acidogne
1
j
1.2
1 S
K Constante de demi saturation associe au
substrat acidogne
1
S
1
L g
7.1 5.0
max 2
Taux de croissance maximale de la
population bactrienne mthanogne
1
j
0.74 0.9
2 S
K Constante de demi saturation associe au
substrat mthanogne
2
S
1
L mmol
9.28 13.7
2 I
K
Constante dinhibition associe au substrat
mthanogne
2
S
1
L mmol
256 320
Proportion du taux de dilution pour les
bactries
. .u s 0.5 0.4
a k
L
Taux de transfert Liquide/Gaz
1
j
19.8 3.5
[A.18.] Tableau destimation des coefficients de rendement du modle AM2
Paramtres Signification Units Valeur Dviation
standard
1
k
Rendement pour la dgradation de la DCO . .u s 42.14 18.94
2
k
Rendement pour la production dAGV
1
g mmol
116.5 113.6
3
k Rendement pour la consommation dAGV
1
g mmol
268 52.31
4
k
Rendement pour la production de dioxyde
de carbone
2
CO
1
g mmol
50.6 143.6
5
k Rendement pour la production de dioxyde
de carbone
2
CO
1
g mmol
343.6 75.8
6
k Rendement pour la production de mthane
4
CH
1
g mmol
453.0 90.9
61
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.19.] Trac de la concentration des bactries en solution
0 5 10 15 20 25 30
0
0.5
1
1.5
2
2.5
Bactries en solution
C
o
n
c
e
n
t
r
a
t
i
o
n
b
a
c
t
r
i
e
n
n
e
e
n
g
/
L
Temps en jour
Bactries libres
Bactries dtaches
Bactries en solution
[A.20.] Exploitation des donnes exprimentales
Afin de procder lidentification des nouveaux paramtres du modle nous avons utilis des
donnes exprimentales de dmarrage du bioracteur anarobie de lINRA de Narbonne. Un seul des
jeux de donnes exprimentales qui nous ont t fournis sest rvl rellement utilisable.
Celui-ci est un essai de dmarrage du bioracteur de novembre dcembre 2007. La stratgie
de monte en charge est la suivante. Le taux de dilution est fix au maximum et la concentration
totale en substrat dbute et atteint au bout de 26 jours en augmentant de
faon exponentielle. Les variables du modle sont alors dtermines partir des variables mesures de
la faon suivante :
-1
1j
1
0
L g
COD
1
20
L g
COD
- Taux de dilution :
Le taux de dilution est calcul directement partir dbit dentre et du volume du racteur qui
vaut , soit : L V
reacteur
528 =
[ ]
[ ]
[ ] L racteur
j L in
j
V
Q
D
1
1
.
=
- Substrat acidogne dentre
Le substrat acidogne est calcul partir de la concentration totale en substrat dentre .
On considre que 25/34
me
de lalimentation correspond au substrat donc :
Tin
S
[
1
.L gCOD Tin
S
] ] [
1
. 1 L gCOD in
S
[ ] [
1 1
. . 1
34
25
L gCOD Tin L gCOD in
S S =
]
. Cette fraction correspond aux observations ralises par les chercheurs
de lINRA en analysant leffluant de vinasse de vin, utilis pour cet essai.
62
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
On considre alors que le substrat est constitu 33% de glucose dont le rapport de
transformation entre les
in
S
1
[ ]
1
.
L g
COD
et les [ ]
1
.
L g est de 1.07 donc :
[ ]
[ ]
07 . 1 3
1
1
1
. 1
. 1
l g in
l g inGLUCOSE
COD
S
S =
On considre que les 67% restant sont constitus dacide lactique dont le rapport de
transformation entre les [ ]
1
.
L g
COD
et les [ ]
1
.
L g est de 1.07 donc :
[ ]
[ ]
07 . 1 3
2
1
1
. 1
. . 1
l g in
l g LACT inAC
COD
S
S = .
La fraction de glucose et dacide lactique ainsi que les rapports de transformation ont t
fournis par les biochimistes de lINRA.
Le rapport de transformation tant quivalent on a donc :
[ ]
[ ]
07 . 1
1
1
. 1
. 1
l g in
l g in
COD
S
S = .
- Substrat mthanogne dentre
On considre que 9/34
me
de lalimentation correspond au substrat
]
donc :
[
1
. 2 L gCOD in
S
[ ] [ ]
1 1
. . 2
34
25
l g l g in
COD COD
CODin S =
A partir des donnes mesures dans le substrat de sortie on considre que ce substrat se compose
approximativement :
2
S
- 80% dactate C2 dont le rapport de transformation des [ ]
1
.
L en g
COD
[ ]
1
.
L g est de
1.07 et dont la masse molaire est
1
2
. 60
= mol g M
C
- 20% de propionate C3 dont le rapport de transformation des [ ]
1
.
L en g
COD
[ ]
1
.
L g est
de 1.51 et dont la masse molaire est
1
3
. 74
= mol g M
C
Cette fraction entre lactate et le propionate a t dtermine approximativement comme
tant la moyenne en proportion observe entre ces molcules au niveau du substrat mthanogne dans
le bioracteur. On considre que cette proportion moyenne est approximativement celle du substrat
mthanogne dentre, conformment aux recommandations des biochimistes de lINRA.
On obtient donc :
[ ] [ ]
=
3 2
. 2 . 2
51 . 1
2 . 0
07 . 1
8 . 0
1000 1 1
C C
l g in l mmol in
M M
S S
COD
soit :
[ ] [ ]
=
74 51 . 1
2 . 0
60 07 . 1
8 . 0
1000 1 1
. 2 . 2 l g in l mmol in
COD
S S
- Concentration en carbone inorganique total dentre :
La concentration en carbone inorganique total dentre est mesure en . Afin davoir
cette donne en on utilise la masse molaire du carbone
1
L g
1
L mmol mol g M
C
=12 :
[ ]
[ ]
C
L g Cin
L mmol Cin
M
C
C
1
1
1000
=
- Dbit de recirculation :
Le dbit de recirculation est mesur en donc :
1
h L
[ ] [ ]
1 1
24
=
h L ion recirculat j L ion recirculat
Q Q
63
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
- Alcalinit totale dentre :
Lalcalinit totale dentre nest pas mesure. Dans le cas o le pH nest pas autorgul, cette
donne est ncessaire. Le seul moyen davoir une approximation de cette donne est dutiliser la
formule donne dans le modle AM2 dans le cas o le pH est assez faible :
[ ] pH
a
a
in
L mmol in
k
S k
B Z
+
+ =
10
2
1
. Cependant, , la concentration en bicarbonate dentre nest pas
mesure. Si on suppose que le pH de leffluent est faible,
in
B
0 =
in
B .
Dans notre cas le pH est autorgul donc la variable dentre nest pas utile.
in
Z
- Substrat mthanogne du bioracteur
Un capteur permet de mesurer la concentration dAGV prsent dans la solution du bioracteur.
Pour cela, cet appareil mesure la concentration dactate en . On peut donc calculer le substrat
mthanogne :
L mg /
[ ]
[ ]
2
. 2
. 2
1
1
C
L mg
l mmol
M
S
S
=
- Substrat acido-actogne du bioracteur
Un capteur permet de connatre la concentration totale en substrat de la solution du bioracteur.
Comme on connat galement la concentration du substrat mthanogne, par soustraction on peut
dterminer la concentration de substrat acido-actogne. En considrant que le rapport de
transformation de en est de 1,07 pour les 2 substrats on a :
1
L g
COD
1
L g
[ ]
[ ]
[ ]
07 , 1
1000
07 , 1 1
1
1
. 2
.
. 1
=
L mg
L gCOD T
L g
S
S
S
- Concentration en carbone inorganique total dans le bioracteur :
La concentration en carbone inorganique total dans le bioracteur est mesure en . Afin
davoir cette donne en on utilise la masse molaire du carbone :
1
L g
1
L mmol mol g M
C
=12
[ ]
[ ]
C
L g Cin
L mmol Cin
M
C
C
1
1
1000
=
- Alcalinit totale dans le bioracteur :
La concentration en alcalinit totaleZ dans le bioracteur est mesure en .
1
L mmol
- Bactries en solution
Des prlvements journaliers sont faits sur la matire en suspension. Cette matire en
suspension inclue les minraux et la biomasse. Pour mesurer cette matire on tuve le prlvement
100C pendant 24h pour vaporer leau et on pse la matire sche obtenue. En rapportant au volume
de liquide considr on en dduit donc la concentration de matires en suspension totale .
Ensuite on porte le rsidu sec 400C pendant 24h. Durant cette tape, tous les composs organiques
carbons se volatilisent et il ne reste donc que les minraux. En faisant la diffrence entre la masse
obtenue sur les deux rsidus obtenus successivement on en dduit la masse de la biomasse et donc la
concentration de la biomasse en suspensionVSS . Ici on ne dispose que de la mesure de . On
considre ici que 90% de la masse sche correspond de la biomasse donc :
MES
MES
MES VSS = 9 , 0
- Bactries attaches au support
A la fin de lessai de dmarrage, un prlvement est effectu pour mesurer la concentration de
biomasse attache. Lapproche est la mme que pour dterminer la biomasse en suspension sauf que
64
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
dans ce cas, on racle la totalit des supports prsents dans le bioracteur et on rapporte la masse au
volume total du racteur. On obtient aprs le premier tuvage 100C la concentration du biofilm
(biomasse et minraux). Cependant, le biofilm est compos de bactries et de particules organiques qui
relient les bactries et les aident former des couches qui restent colles au support. Sur cette
concentration totale, 56,5% de la masse correspond de la biomasse effective, donc :
( )
Biofilm f A
ion Concentrat t X = % 5 , 56
- Dbit de mthane
Le dbit de biogaz qui sort du bioracteur est mesur par un dbitmtre en et par des
analyseurs de gaz (mthane, dioxyde de carbone et hydrogne). Lanalyseur de mthane donne le
pourcentage de mthane qui constitue le biogaz. On obtient donc le dbit de mthane de la faon
suivante :
1
h L
[ ] [ ]
[ ] % 4
4
Proportion 24
1 1
CH
h L Gaz j L CH
Q Q =
- LHydrogne
Un capteur mesure la proportion dhydrogne qui est prsente dans le biogaz en sortie du
bioracteur. Cette mesure se fait en ppm (parties par millions :
2
H
% 1 . 0 1000 = ppm ). En raison dun
problme li au CAN reli au capteur, nous ne disposions que des 17 premiers jours de lessai. De plus,
en raison dune saturation du capteur , seuls les 12 premiers jours de donnes sont
utilisables.
ppm 1000
[ ]
[ ]
1000000
Proportion 24
2
2
1
1
ppm H
h L Gaz
j L H
Q
Q
=
[A.21.] Tracs des entres exprimentales du systme
0 5 10 15 20 25 30
0
5
10
15
Concentration du substrat S1in
Temps en jours
S
1
i
n
e
n
g
/
L
0 5 10 15 20 25 30
0
20
40
60
80
Concentration du substrat S2in
Temps en jours
S
2
i
n
e
n
m
m
o
l
/
L
0 5 10 15 20 25 30
0
0.5
1
Taux de dilution D
Temps en jours
D
e
n
/
j
0 5 10 15 20 25 30
0
10
20
30
Carbone inorganique Ccin
Temps en jours
C
c
i
n
e
n
g
/
L
0 5 10 15 20 25 30
1
1.02
1.04
1.06
Pression totale
Temps en jours
P
T
e
n
a
t
m
0 5 10 15 20 25 30
450
500
550
600
650
Dbit de recirculation
Temps en jours
Q
r
e
c
i
r
c
u
l
a
t
i
o
n
e
n
L
/
h
65
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.22.] Tracs des variables principales identifier
0 5 10 15 20 25 30
0
1
2
3
4
Temps en jours
S
1
e
n
g
/
L
Concentration du substrat S1
S1 simul AM2 modifi
S1 exprimental
0 5 10 15 20 25 30
0
50
100
Temps en jours
S
2
e
n
m
m
o
l
/
L
Concentration du substrat S2
S2 simul AM2 modifi
S2 exprimental
0 5 10 15 20 25 30
0
1
2
3
Concentration des bactries libres VSS
Temps en jours
V
S
S
e
n
g
/
L
VSS simul AM2 modifi
VSS exprimental
0 5 10 15 20 25 30
0
1
2
3
4
Concentration des bactries attaches
Temps en jours
X
A
e
n
g
/
L
XA simul AM2 modifi
XAtf exprimental
0 5 10 15 20 25 30
0
500
1000
1500
Temps en jours
Q
c
h
4
e
n
L
/
j
Dbit de mthane
Qch4 simul AM2 modifi
Qch4 exprimental
0 5 10 15 20 25 30
0
1
2
3
4
Temps en jours
H
2
e
n
L
/
j
Dbit d'hydrogne
H2 simul AM2 modifi
H2 exprimental
[A.23.] Tracs des variables supplmentaires identifier
0 5 10 15 20 25 30
0
50
100
150
200
Alcalinit totale
Temps en jours
Z
e
n
m
m
o
l
/
L
Z simul AM2 modifi
Z exprimental
0 5 10 15 20 25 30
0
20
40
60
80
100
120
Concentration en carbone inorganique
Temps en jours
C
c
e
n
m
m
o
l
/
L
Cc simul AM2 modifi
Cc exprimental
0 5 10 15 20 25 30
6.5
7
7.5
8
8.5
9
9.5
pH
Temps en jours
p
H
pH simul AM2 modifi
pH exprimental
0 5 10 15 20 25 30
0
100
200
300
400
500
Dbit de CO2
Temps en jours
C
O
2
e
n
L
/
j
CO2 simul AM2 modifi
CO2 exprimental
66
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.24.] Tableau des paramtres identifis du modle final
Paramtres Signification Units Valeurs
cr
P Puissance dinhibition des bactries
attaches
. .u s 0.6083
A
k
Coefficient de dtachement . .u s 0.002817
max 1
Taux de croissance maximale de la
population bactrienne acidogne
1
j
1.468
max 2
Taux de croissance maximale de la
population bactrienne mthanogne
1
j
0.3811
1
k
Rendement pour la dgradation de la DCO . .u s 28.02
2
k
Rendement pour la production dAGV
1
g mmol
209.2
3
k Rendement pour la consommation dAGV
1
g mmol
154.2
4
k
Rendement pour la production de dioxyde
de carbone
2
CO
1
g mmol
38.61
5
k Rendement pour la production de dioxyde
de carbone
2
CO
1
g mmol
73.25
6
k Rendement pour la production de mthane
4
CH
1
g mmol
212.3
7
k Rendement pour la production
dhydrogne
2
H
1
g mmol
0.835
2 IH
K
Constante dinhibition des bactries
acidognes par lhydrogne
1 1
j L mmol
0.3467
a k
L
Taux de transfert Liquide/Gaz
1
j
1.638
67
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.25.] Comparaison de la prdiction du modle amlior et du modle AM2 initial
0 5 10 15 20 25 30
0
5
10
15
Temps en jours
S
1
e
n
g
/
L
Concentration du substrat S1
S1 simul AM2 modifi
S1 exprimental
S1 simul AM2
0 5 10 15 20 25 30
0
50
100
Temps en jours
S
2
e
n
m
m
o
l
/
L
Concentration du substrat S2
S2 simul AM2 modifi
S2 exprimental
0 5 10 15 20 25 30
0
1
2
3
Temps en jours
V
S
S
e
n
g
/
L
Concentration des bactries libres VSS
VSS simul AM2 modifi
VSS exprimental
0 5 10 15 20 25 30
0
1
2
3
4
Concentration des bactries attaches
Temps en jours
X
A
e
n
g
/
L
XA simul AM2 modifi
XAtf exprimental
0 5 10 15 20 25 30
0
500
1000
1500
Temps en jours
Q
c
h
4
e
n
L
/
j
Dbit de mthane
Qch4 simul AM2 modifi
Qch4 exprimental
Qch4 simul AM2
0 5 10 15 20 25 30
0
1
2
3
4
Temps en jours
H
2
e
n
L
/
j
Dbit d'hydrogne
H2 simul AM2 modifi
H2 exprimental
0 5 10 15 20 25 30
0
50
100
150
200
Temps en jours
Z
e
n
m
m
o
l
/
L
Alcalinit totale
Z simul AM2 modifi
Z exprimental
Z simul AM2
0 5 10 15 20 25 30
0
20
40
60
80
100
120
Temps en jours
C
c
e
n
m
m
o
l
/
L
Concentration en carbone inorganique
Cc simul AM2 modifi
Cc exprimental
Cc simul AM2
0 5 10 15 20 25 30
6.5
7
7.5
8
8.5
9
9.5
Temps en jours
p
H
pH
pH simul AM2 modifi
pH exprimental
pH simul AM2
0 5 10 15 20 25 30
-500
0
500
1000
1500
Temps en jours
Q
c
o
2
e
n
L
/
j
Dbit de CO2
Qco2 simul AM2 modifi
Qco2 exprimental
Qco2 simul AM2
68
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.26.] Comparaison de la prdiction du modle amlior et du modle AM2 calibr
avec les paramtres identifis
0 5 10 15 20 25 30
0
1
2
3
4
Temps en jours
S
1
e
n
g
/
L
Concentration du substrat S1
S1 simul AM2 modifi
S1 exprimental
S1 simul AM2
0 5 10 15 20 25 30
0
50
100
Temps en jours
S
2
e
n
m
m
o
l
/
L
Concentration du substrat S2
S2 simul AM2 modifi
S2 exprimental
0 5 10 15 20 25 30
0
1
2
3
Temps en jours
V
S
S
e
n
g
/
L
Concentration des bactries libres VSS
VSS simul AM2 modifi
VSS exprimental
0 5 10 15 20 25 30
0
1
2
3
4
Concentration des bactries attaches
Temps en jours
X
A
e
n
g
/
L
XA simul AM2 modifi
XAtf exprimental
0 5 10 15 20 25 30
0
500
1000
1500
Temps en jours
Q
c
h
4
e
n
L
/
j
Dbit de mthane
Qch4 simul AM2 modifi
Qch4 exprimental
Qch4 simul AM2
0 5 10 15 20 25 30
0
1
2
3
4
Temps en jours
H
2
e
n
L
/
j
Dbit d'hydrogne
H2 simul AM2 modifi
H2 exprimental
0 5 10 15 20 25 30
0
50
100
150
200
Temps en jours
Z
e
n
m
m
o
l
/
L
Alcalinit totale
Z simul AM2 modifi
Z exprimental
Z simul AM2
0 5 10 15 20 25 30
0
20
40
60
80
100
120
Temps en jours
C
c
e
n
m
m
o
l
/
L
Concentration en carbone inorganique
Cc simul AM2 modifi
Cc exprimental
Cc simul AM2
0 5 10 15 20 25 30
6.5
7
7.5
8
8.5
9
9.5
Temps en jours
p
H
pH
pH simul AM2 modifi
pH exprimental
pH simul AM2
0 5 10 15 20 25 30
0
100
200
300
400
500
Temps en jours
Q
c
o
2
e
n
L
/
j
Dbit de CO2
Qco2 simul AM2 modifi
Qco2 exprimental
Qco2 simul AM2
69
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.27.] Rsultats doptimisation numrique pour une commande constante par
morceaux (taux de dilution et concentration totale en substrat dentre)
0 20 40 60
0
0.5
1
1.5
Temps en jours
D
e
n
/
j
Taux de dilution D
D opt
D exp
0 20 40 60
0
5
10
15
20
Temps en jours
S
T
i
n
e
n
g
C
O
D
/
L
Concentration en substrat
STin opt
STin exp
0 20 40 60
0
5
10
15
20
Temps en jours
C
V
A
e
n
/
j
Charge Volumique Applique CVA
CVA opt
CVA exp
0 20 40 60
20
40
60
80
100
Temps en jours
e
n
%
Rendement puratoire
REp opt
REp exp
0 20 40 60
0
1
2
3
4
Temps en jours
S
1
e
n
g
/
L
Concentration du substrat S1
S1 opt
S1 exp
0 20 40 60
0
20
40
60
80
Temps en jours
S
2
e
n
m
m
o
l
/
L
Concentration du substrat S2
S2 opt
S2 exp
0 20 40 60
0
1000
2000
3000
Temps en jours
e
n
L
/
j
Dbit de mthane
Qch4 opt
Qch4 exp
0 20 40 60
0
1
2
3
Temps en jours
V
S
S
e
n
g
/
L
Concentration des bactries libres VSS
VSS opt
VSS exp
0 20 40 60
0
5
10
15
Temps en jours
X
A
e
n
g
/
L
Concentration des bactries attache XA
XA opt
XA exp
Les entres de commande associes sont les suivantes :
1
65 , 0
= j D et pour
1
61 , 12
= L g S
COD Tin
[ ] 7 ; 0 t
1
85 , 0
= j D et pour
1
94 , 13
= L g S
COD Tin
[ ] 14 ; 7 t
1
1
= j D et pour
1
04 , 19
= L g S
COD Tin
[ ] 6 , 19 ; 14 t
1
1
= j D et pour
1
20
= L g S
COD Tin
[ ] 28 ; 6 , 19 t
1
600
= h L Q
ion recirculat
La phase de dmarrage dure 28 jours.
70
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.28.] Rsultats doptimisation numrique pour une commande linaire par
morceaux (taux de dilution et concentration totale en substrat dentre)
0 20 40 60
0
0.5
1
1.5
Temps en jours
D
e
n
/
j
Taux de dilution D
D opt
D exp
0 20 40 60
0
5
10
15
20
Temps en jours
S
T
i
n
e
n
g
C
O
D
/
L
Concentration en substrat
STin opt
STin exp
0 20 40 60
0
5
10
15
20
Temps en jours
C
V
A
e
n
/
j
Charge Volumique Applique CVA
CVA opt
CVA exp
0 20 40 60
20
40
60
80
100
Temps en jours
e
n
%
Rendement puratoire
REp opt
REp exp
0 20 40 60
0
1
2
3
4
Temps en jours
S
1
e
n
g
/
L
Concentration du substrat S1
S1 opt
S1 exp
0 20 40 60
0
20
40
60
80
Temps en jours
S
2
e
n
m
m
o
l
/
L
Concentration du substrat S2
S2 opt
S2 exp
0 20 40 60
0
1000
2000
3000
Temps en jours
e
n
L
/
j
Dbit de mthane
Qch4 opt
Qch4 exp
0 20 40 60
0
1
2
3
Temps en jours
V
S
S
e
n
g
/
L
Concentration des bactries libres VSS
VSS opt
VSS exp
0 20 40 60
0
5
10
15
Temps en jours
X
A
e
n
g
/
L
Concentration des bactries attache XA
XA opt
XA exp
Les entres de commande associes sont les suivantes :
1
6 , 0
= j D et pour
1
96 , 13
= L g S
COD Tin
[ ] 9,62 ; 0 t
1
1
= j D et pour
1
74 , 9 44 , 0
+ = L g t S
COD Tin
[ ] 9 , 14 ; 62 , 9 t
1
1
= j D et pour
1
49 , 0 09 , 1
+ = L g t S
COD Tin
[ ] 6 , 17 ; 9 , 14 t
1
1
= j D et pour
1
20
= L g S
COD Tin
[ ] 27,9 ; 6 , 17 t
1
600
= h L Q
ion recirculat
La phase de dmarrage dure 27,9 jours.
71
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.29.] Rsultats doptimisation numrique pour une commande avec transition
exponentielle (taux de dilution et concentration totale en substrat dentre)
0 20 40 60
0
0.5
1
1.5
Temps en jours
D
e
n
/
j
Taux de dilution D
D opt
D exp
0 20 40 60
0
5
10
15
20
Temps en jours
S
T
i
n
e
n
g
C
O
D
/
L
Concentration en substrat
STin opt
STin exp
0 20 40 60
0
5
10
15
20
Temps en jours
C
V
A
e
n
/
j
Charge Volumique Applique CVA
CVA opt
CVA exp
0 20 40 60
20
40
60
80
100
Temps en jours
e
n
%
Rendement puratoire
REp opt
REp exp
0 20 40 60
0
1
2
3
4
Temps en jours
S
1
e
n
g
/
L
Concentration du substrat S1
S1 opt
S1 exp
0 20 40 60
0
20
40
60
80
Temps en jours
S
2
e
n
m
m
o
l
/
L
Concentration du substrat S2
S2 opt
S2 exp
0 20 40 60
0
1000
2000
3000
Temps en jours
e
n
L
/
j
Dbit de mthane
Qch4 opt
Qch4 exp
0 20 40 60
0
1
2
3
Temps en jours
V
S
S
e
n
g
/
L
Concentration des bactries libres VSS
VSS opt
VSS exp
0 20 40 60
0
5
10
15
Temps en jours
X
A
e
n
g
/
L
Concentration des bactries attache XA
XA opt
XA exp
Les entres de commande associes sont les suivantes :
1
71 , 0
= j D et pour
1
94 , 19
= L g S
COD Tin
[ ] 1 ; 0 t
( ) ( )
1
1 14 , 0 exp 18 , 0 34 , 0
+ = j t D et
( ) ( )
1
1 3 , 0 exp 06 , 0 83 , 12
+ = L g t S
COD Tin
pour [ ] 22,7 ; 1 t
1
1
= j D et pour
1
20
= L g S
COD Tin
[ ] 7 , 27 ; 7 , 22 t
1
600
= h L Q
ion recirculat
La phase de dmarrage dure 27,7 jours.
72
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.30.] Rendement puratoire minimal en fonction des conditions initiales appliques
au profil optimal avec transition exponentiel dtermin pour
1
0
1 , 0
= L g S
COD T
( ) 0 = t S
T
en
1
L g
COD min
en %
0,1 50
5 40,58
10 26,6
15 10,22
20 -4,72
0 2 4 6 8 10 12 14 16 18 20
-10
0
10
20
30
40
50
Rendement puratoire en fonction de ST0
ST0 en gCOD/L
R
e
n
d
e
m
e
n
t
E
p
u
r
a
t
o
i
r
e
e
n
%
73
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.31.] Influence des conditions initiales sur le profil optimal
0 2 4 6 8 10
0
0.5
1
1.5
Taux de dilution D
Temps en jours
D
e
n
/
j
0 2 4 6 8 10
0
10
20
30
40
Concentration en substrat
Temps en jours
S
T
i
n
e
n
g
C
O
D
/
L
0 2 4 6 8 10
0
10
20
30
40
Charge Volumique Applique CVA
Temps en jours
C
V
A
e
n
/
j
0 2 4 6 8 10
-50
0
50
100
Rendement puratoire
Temps en jours
e
n
%
0 2 4 6 8 10
0
5
10
15
Concentration du substrat S1
Temps en jours
S
1
e
n
g
/
L
0gCOD/L
5gCOD/L
10gCOD/L
15gCOD/L
20gCOD/L
0 2 4 6 8 10
0
50
100
150
Concentration du substrat S2
Temps en jours
S
2
e
n
m
m
o
l
/
L
0 2 4 6 8 10
0
500
1000
Dbit de mthane
Temps en jours
e
n
L
/
j
0 2 4 6 8 10
0
1
2
3
Concentration des bactries libres VSS
Temps en jours
V
S
S
e
n
g
/
L
0 2 4 6 8 10
0
0.5
1
1.5
2
Concentration des bactries attache XA
Temps en jours
X
A
e
n
g
/
L
74
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.32.] Variation du temps de dmarrage en fonction de la concentration finale en
substrat et de la contrainte de chemin au niveau du rendement puratoire
minimal (temps en jour)
50g
COD
/L impossible impossible impossible impossible impossible impossible
40g
COD
/L 57,6 57,6 57,6 57,6 57,6 576
30g
COD
/L 39,3 39,3 39,3 39,3 39,3 39,3
20g
COD
/L 27,6 27,6 27,7 27,6 27,7 28,2
10g
COD
/L 20,7 20,7 20,7 21 21,7 impossible
( )
f Tin
t S
min
10% 20% 30% 40% 50% 60%
10 15 20 25 30 35 40
20
25
30
35
40
45
50
55
60
Temps de dmarrage en fonction de STin
STin en gCOD/L
t
e
m
p
s
e
n
j
o
u
r
75
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.33.] Evolution du profil optimal en fonction des contraintes avec concentration
finale exige 20gCOD/L
0 20 40 60
0
0.5
1
1.5
Taux de dilution D
Temps en jours
D
e
n
/
j
0 20 40 60
0
5
10
15
20
Concentration en substrat
Temps en jours
S
T
i
n
e
n
g
C
O
D
/
L
10%
20%
30%
40%
50%
60%
0 20 40 60
0
5
10
15
20
Charge Volumique Applique CVA
Temps en jours
C
V
A
e
n
/
j
0 20 40 60
0
50
100
Rendement puratoire
Temps en jours
e
n
%
0 20 40 60
0
2
4
6
Concentration du substrat S1
Temps en jours
S
1
e
n
g
/
L
0 20 40 60
0
20
40
60
80
Concentration du substrat S2
Temps en jours
S
2
e
n
m
m
o
l
/
L
0 20 40 60
0
1000
2000
3000
Dbit de mthane
Temps en jours
e
n
L
/
j
0 20 40 60
0
1
2
3
Concentration des bactries libres VSS
Temps en jours
V
S
S
e
n
g
/
L
0 20 40 60
0
5
10
15
Concentration des bactries attache XA
Temps en jours
X
A
e
n
g
/
L
76
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.34.] Evolution du profil optimal en fonction de la concentration finale en substrat
exige et contrainte 50% sur le rendement puratoire
0 20 40 60 80
0
0.5
1
1.5
Taux de dilution D
Temps en jours
D
e
n
/
j
0 20 40 60 80
0
10
20
30
40
Concentration en substrat
Temps en jours
S
T
i
n
e
n
g
C
O
D
/
L
10gCOD/L
20gCOD/L
30gCOD/L
40gCOD/L
0 20 40 60 80
0
10
20
30
40
Charge Volumique Applique CVA
Temps en jours
C
V
A
e
n
/
j
0 20 40 60 80
40
60
80
100
Rendement puratoire
Temps en jours
e
n
%
0 20 40 60 80
0
2
4
6
Concentration du substrat S1
Temps en jours
S
1
e
n
g
/
L
0 20 40 60 80
0
50
100
Concentration du substrat S2
Temps en jours
S
2
e
n
m
m
o
l
/
L
0 20 40 60 80
0
2000
4000
6000
Dbit de mthane
Temps en jours
e
n
L
/
j
0 20 40 60 80
0
1
2
3
Concentration des bactries libres VSS
Temps en jours
V
S
S
e
n
g
/
L
0 20 40 60 80
0
10
20
30
Concentration des bactries attache XA
Temps en jours
X
A
e
n
g
/
L
77
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.35.] Entres du systme avec rgulation Proportionnelle Intgrale du rendement
puratoire avec le taux de dilution
0 50 100 150
0
0.5
1
1.5
2
2.5
3
3.5
Taux de dilution D
Temps en jours
D
e
n
/
j
D calcul
D rel
0 50 100 150
0
5
10
15
20
25
30
Concentration total de substrat STin
Temps en jours
S
T
i
n
e
n
g
C
O
D
/
L
STin calcul
STin rel
0 50 100 150
0
5
10
15
20
Concentration du substrat S1in
Temps en jours
S
1
i
n
e
n
g
/
L
S1in calcul
S1in rel
0 50 100 150
0
20
40
60
80
100
120
Concentration du substrat S2in
Temps en jours
S
2
i
n
e
n
m
m
o
l
/
L
S2in calcul
S2in rel
[A.36.] Sorties du systme avec rgulation Proportionnelle Intgrale du rendement
puratoire avec le taux de dilution
0 50 100 150
0
2000
4000
6000
Dbit de mthane CH4
Temps en jours
Q
j
0 50 100 150
60
70
80
90
100
Rendement puratoire
Temps en jours
R
e
n
d
e
m
e
n
t
E
p
u
r
a
t
o
i
r
e
e
n
%
0 50 100 150
0
1
2
3
4
Concentration du substrat S1
Temps en jours
S
1
e
n
g
/
L
0 50 100 150
0
20
40
60
Concentration du substrat S2
Temps en jours
S
2
e
n
m
m
o
l
/
L
0 50 100 150
0
2
4
6
8
Dbit d'hydrogne H2
Temps en jours
Q
h
2
e
n
L
/
j
78
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.37.] Rgulateur PID
Equation du rgulateur :
( )
( ) ( )
+ +
+ = dt S S K S S K
dt
S S dt
K D D
T Tconsigne i T Tconsigne p
T Tconsigne
d 0
Des valeurs typiques sont : , 5 =
p
K 5 =
i
K , 1 =
d
K
[A.38.] Rgulateur PI avec Anti-Windup
Equation du rgulateur :
( ) ( ) [ ]
+ + + =
dt D D sat
KT
T
S S
T
S S K D D
aw
i
T Tconsigne
i
T Tconsigne
1
0
Une faible saturation de la commande est atteinte pour les valeurs suivantes :
1 = K , , , mais prsente un faible rendement puratoire minimal. 1 =
i
T 1 , 0 =
aw
T ( ) 1 = D sat
[A.39.] Rgulateur par linarisation exacte entre sortie
La sortie commander est
2 2 1 1
S S S y
T
+ = =
On calcul le degr relatif du systme
( )( ) ( ) ( ) ( ( )
2 2 2 1 1 1 2 2 2 2 3 2 1 1 2 2 1 1 1 1
2 2 1 1
S S S S D X X X k k k X X X y
S S y
in in L D
Pcr
A L D
Pcr
A
+ + + + + + =
+ =
&
& &
&
)
Le degr relatif du systme est donc de 1. Il a t vrifi que le systme linaris autours du
point de fonctionnement en rgime tabli, tait minimum de phase.
( )
=
v
D Avec D y + = & tels que :
( )( ) ( )
( ) ( ) ( )
+ =
+ + + + =
2 2 2 1 1 1
2 2 2 2 3 2 1 1 2 2 1 1 1 1
S S S S
X X X k k k X X X
in in
L D
Pcr
A L D
Pcr
A
Et commande auxiliaire du systme telle que : v
( ) ( )
+ + = dt S S S S S v
T Tconsigne i T Tconsigne p Tconsigne
&
Les valeurs typiques sont 10 =
p
et 10 =
i
79
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.40.] Entres du systme avec rgulation par linarisation exacte entre sortie du
rendement puratoire avec le taux de dilution
0 20 40 60 80 100
0
0.5
1
1.5
2
2.5
3
3.5
Taux de dilution D
Temps en jours
D
e
n
/
j
D calcul
D rel
0 20 40 60 80 100
0
5
10
15
20
Concentration total de substrat STin
Temps en jours
S
T
i
n
e
n
g
C
O
D
/
L
STin calcul
STin rel
0 20 40 60 80 100
0
5
10
15
Concentration du substrat S1in
Temps en jours
S
1
i
n
e
n
g
/
L
S1in calcul
S1in rel
0 20 40 60 80 100
0
20
40
60
80
Concentration du substrat S2in
Temps en jours
S
2
i
n
e
n
m
m
o
l
/
L
S2in calcul
S2in rel
[A.41.] Sorties du systme avec rgulation par linarisation exacte entre sortie du
rendement puratoire avec le taux de dilution
0 20 40 60 80 100
0
1000
2000
3000
Dbit de mthane CH4
Temps en jours
Q
c
h
4
e
n
L
/
j
o
u
r
0 20 40 60 80 100
70
80
90
100
X: 4.195
Y: 79.96
Rendement puratoire
Temps en jours
R
e
n
d
e
m
e
n
t
E
p
u
r
a
t
o
i
r
e
e
n
%
0 20 40 60 80 100
0
1
2
3
Concentration du substrat S1
Temps en jours
S
1
e
n
g
/
L
0 20 40 60 80 100
0
20
40
60
Concentration du substrat S2
Temps en jours
S
2
e
n
m
m
o
l
/
L
0 20 40 60 80 100
0
2
4
6
Dbit d'hydrogne H2
Temps en jours
Q
h
2
e
n
L
/
j
80
Rapport de PFE : Modlisation et Optimisation dun biomthaniseur
J ulien Eynard Ingnierie de la commande des Systmes Complexes ESISAR 2006/2007
[A.42.] Tableau des rsultats doptimisation de la rgulation avec PI
En rgime statique
Tin
S en
[ ]
1
L g
COD
CVA en
[ ]
1 1
j L g
COD
Dbit mthane
En [ ]
1
j L
Rendement
puratoire en %
Maximum de bactries
mthanognes
63.3 58.9 7258.6 80
Dbit de mthane
maximal
66.1 59.7 7289.6 80
CVA maximale 67.3 59.5 7284.3 80
CVA maximale avec
( ) 1 =
f
t D
57 57 7055.5 80
Rendement puratoire
maximal
20.1 20.1 2707.6 86.9
81