Les impératifs de qualité et de fiabilité des traitements des eaux usées renforcées par la Directive Européenne de mai 1991 tendent à généraliser les dispositifs de supervision et d'auto-contrôle des installations d'épuration en France. Les essais de modélisation mathématique des procédés se heurtent le plus souvent à d'importantes difficultés de calage sur site, et au problème de l'estimation des charges polluantes entrantes. Le suivi de ces charges est cependant proposé sur le marché sous la forme de capteurs complexes, sortes de mini-laboratoires d'analyse en ligne dont le coût est souvent rédhibitoire, ou sous la forme d'estimations de charge par linéarisation directe d'un capteur simple (turbidité), qui s'avèrent en fait peu précises. Une solution réside sans doute dans une approche statistique du traitement des données issues de plusieurs capteurs simples. L'établissement de lois mathématiques utilisant les données de capteurs combinés permet l'estimation des flux polluants grâce aux possibilités de calculs intégrées au système de supervision. C'est dans cette voie que s'est engagée le Cabinet Gaudriot depuis trois ans, en menant en parallèle une recherche fondamentale sur l'utilisation de capteurs simples et le développement d'un système de supervision orienté vers le contrôle d'exploitation et possédant la puissance de calcul nécessaire.
La sécurité et la fiabilité des investissements des eaux résiduaires sont les nouvelles priorités imposées par la Directive Européenne de mai 1991.
Le suivi continu et précis du fonctionnement de la station peut contribuer largement à cette sécurité des traitements. Aussi l'utilisation de systèmes de supervision en ligne déjà largement utilisés par nos voisins Nord-Européens se développent rapidement en France dans le domaine de l'assainissement.
Une supervision idéale devrait répondre aux différentes requêtes suivantes :
- • une visualisation parfaite du fonctionnement des ouvrages et équipements électromécaniques,
- • une vocation d’autocontrôle par le suivi des performances et du fonctionnement des procédés d’épuration utilisés,
- • une aide à l’exploitation par la détection au plus tôt des événements afin de garantir des réactions rapides, et par la gestion automatique des opérations de maintenance,
- • être la mémoire du fonctionnement de la station.
Le suivi électromécanique est depuis longtemps maîtrisé et utilisé (notamment dans les usines d’eau potable). Par contre, le suivi des procédés biologiques en assainissement se heurte en général à la complexité des milieux, que ce soit les effluents d’entrée ou encore et surtout, les boues de bassins d’aération (1, 2).
Il existe en fait, deux types d’approches du suivi des procédés. Le premier vise à établir une modélisation mathématique des phénomènes très complexes mis en jeu, afin d’estimer les demandes du procédé et de réguler celui-ci de manière plus ou moins prédictive. Le deuxième, apparemment plus simple, effectue en temps réel le suivi de paramètres de fonctionnement exploitables directement, soit pour les régulations sur consignes, soit pour l’analyse des évolutions en cours.
Si la première approche offre l’avantage de l’aspect prédictif, elle montre cependant ses limites sur le terrain :
- l’abondance des paramètres analytiques entrant en jeu et nécessitant un suivi en laboratoire ou l'utilisation de capteurs en ligne de DCO ou DBO coûteux,
- une période de calage difficile et de représentativité moyenne,
- des dérives importantes du système dues à la variabilité des effluents traités ou la défaillance des capteurs.
La structure de recherche et développement du Cabinet d’études Gaudriot a choisi la deuxième approche pour développer un système de supervision adapté directement à l’exploitation du contrôle des stations d’épuration biologique traitant la pollution carbonée. Ce superviseur informatisé se base sur trois années de recherches fondamentales sur l'utilisation de capteurs en ligne simples et peu coûteux, effectuées en collaboration avec le Laboratoire de Génie-Chimique – Traitement des eaux de Limoges. Cette recherche a par ailleurs débouché sur la mise au point et la production d’un capteur dynamique de suivi du bassin d’aération (activité de la biomasse et décantabilité des boues).
Notre propos est donc de dégager les possibilités de suivi des charges polluantes et des paramètres de fonctionnement par l’utilisation de capteurs simples tels que la turbidité, l’oxygène dissous pour mesures principales, puis d’exposer l’utilisation de ces méthodes par le système de supervision développé. Ce type de supervision constitue une nouvelle approche de l’autocontrôle abordé par la Directive Européenne, en contrôlant le bon fonctionnement du procédé biologique en temps réel afin de garantir une épuration optimale.
Le suivi des charges organiques entrantes : état de l’art et problèmes rencontrés
Le suivi des charges carbonées d’entrée s’effectue couramment en laboratoire par la détermination de paramètres tels que :
- Matières En Suspension
- Matières Volatiles en Suspension
- Demande Chimique en Oxygène
- Demande Biologique en Oxygène
- Carbone Organique Total (parfois)
Ces paramètres de charges polluantes utilisés dès le dimensionnement des stations d’épuration sont indispensables pour le contrôle et l’exploitation des installations et interviennent de manière essentielle dans les essais de modélisation des procédés biochimiques utilisés. Or, certains de ces paramètres souffrent d’incertitudes importantes lors des analyses en laboratoire. On citera par exemple une reproductibilité défaillante induite par la mesure sur cinq jours de la DBO mais aussi la sensibilité extrême des MES, MVS et DCO vis-à-vis du stockage et de la
conservation des échantillons prélevés (erreurs d’analyses atteignant près de 30 % de congélation par exemple) (3).
L’intérêt du suivi en ligne de ces paramètres en entrée de station est donc double. D’une part il permet de s’affranchir des délais d’analyse afin d’être directement utilisable dans le cadre du suivi en temps réel ou des régulations, d’autre part d’éviter toute dérive ou modification de l’échantillon avant analyse.
Il existe déjà dans le commerce des analyseurs en ligne de DCO, DBO₅ ou encore COT, mais ces dispositifs posent deux importants problèmes :
- • leur structure de « mini-laboratoire automatisé » est complexe et fragile vis-à-vis des contraintes apportées par les effluents d’eaux usées ; leur maintenance est difficile pour l’exploitant ;
- • leur coût, en rapport avec la technicité mise en œuvre, est le plus souvent prohibitif dans le cas d’installations sur des sites déjà existants.
Le suivi des charges en suspension (MES, MVS) est aussi proposé par une mesure directe de turbidité linéarisée en MES ou MVS (g/l) voire parfois en DCO (4, 5). Cette mesure offre en effet un coût généralement faible, une installation simple, une maintenance facile ou faible et des sondes compactes et solides. Mais la nature même de la mesure de turbidité des sondes industrielles (atténuation d’un rayonnement lumineux le plus souvent) présente de nombreux phénomènes d’interactions, souvent étudiés, notamment :
- • une sensibilité variable selon la répartition granulométrique (6, 7) des particules en suspension et la longueur d’onde utilisée (favorisant ainsi certaines classes de tailles de particules) ;
- • une sensibilité à l’évolution de la coloration des effluents selon les longueurs d’onde utilisées (absorbance) ;
- • la prise en compte uniquement des matières en suspension.
Il est donc très difficile d’obtenir les MES, MVS ou DCO par mesure directe de la turbidité. La figure 1 illustre l’influence des interactions dans le cadre d’une mesure de turbidité sur des effluents de provenances différentes (cas extrême). La corrélation linéaire obtenue pour la détermination des MES induit ici près de 50 % d’erreur d’estimation moyenne. A fortiori la détermination de la DCO est difficile car la turbidité ne peut tenir compte de la partie soluble. Nous avons constaté dans ce cas que l’hétérogénéité du liquide mesuré induit une perturbation optique de la mesure.
Une filtration grossière (100 µm) préalable améliore la qualité de la corrélation et aboutit à une erreur moyenne de 20 % (sur une large gamme cependant), mais elle reste difficile à mettre en œuvre dans le cas d’une mesure en continu pour des raisons évidentes de maintenance.
Nous avons alors effectué de nombreux essais sur les eaux usées d’une station d’épuration unique, comportant des arrivées urbaines mélangées aux eaux parasites, industrielles et d’abattoir. L’effluent reste bien sûr de nature complexe mais la variabilité de l’hétérogénéité du milieu est plus facilement compensable, et il devient possible de se passer d’une filtration préalable à la mesure de turbidité.
Pour parvenir à des estimations présentant des erreurs moyennes compatibles avec le suivi en continu des charges, il est alors nécessaire d’effectuer des traitements et corrections diverses basés sur les principes suivants :
- • utilisation de plusieurs lois mathématiques d’estimation des paramètres conditionnées par la détection des effluents dilués (pluviométrie), de temps secs et des périodes nocturnes. Ceci permet de caler les corrélations sur des types d’effluents plus homogènes, notamment pour la détermination des MVS (modification de la répartition organique et minérale de l’effluent) ;
- • utilisation de mesures multiples is-
Tableau 1 Détermination des charges entrantes, effet des corrections par mesures multiples.
| Éléments | Mesures combinées | Nbre de valeurs | R² | Erreur d’estimation (%) |
|---|---|---|---|---|
| --- | --- | --- | --- | --- |
| Détermination des MES | Atténuation infra-rouge | 49 | 0,959 | 11,2 |
| Détermination des MVS | Atténuation infra-rouge | 48 | 0,920 | 17,2 |
| Atténuations infra-rouge + visible | 48 | 0,939 | 12,9 | |
| Détermination de la DCO | Atténuation infra-rouge | 38 | 0,899 | 19,2 |
| Atténuation infra-rouge + conductivité | 35 | 0,934 | 15,1 | |
| Atténuation infra-rouge + ultraviolet | 30 | 0,956 | 13,1 |
Tableau II Estimations des MES et MVS dans les boues activées.
| Éléments | Mesures | Nbre de valeurs | R² | Erreur d’estimation (%) |
|---|---|---|---|---|
| --- | --- | --- | --- | --- |
| Détermination des MES | Atténuation 850 nm | 35 | 0,917 | 8,87 |
| Détermination des MVS | Atténuation 850 nm + Pdéc + Indice foisonnement | 35 | 0,928 | 7,91 |
| Atténuation 850 nm + Pdéc, Rr, T°C | 28 | 0,925 | 8,4 |
Issues de capteurs différents, permettant de corriger l’influence de la taille des particules sur la turbidité, la coloration des effluents (MES, MVS) mais aussi d’inclure la partie soluble de la DCO.
Ces coefficients de corrélation et taux d’erreur sont obtenus par linéarisation des valeurs estimées avec des lois variables selon le régime de collecte, vis-à-vis des valeurs réelles obtenues par analyse en laboratoire (effectuées sans délai de conservation). Les précisions obtenues (+ ou − 11 à 13 %) sont à comparer avec les reproductibilités accessibles en laboratoires et apparaissent satisfaisantes. On notera de plus que le suivi en continu permet d’obtenir des précisions plus importantes par amortissement des valeurs.
En conclusion, la détermination des MES, MVS et DCO sur des flux d’entrée d’une station d’épuration est possible avec des erreurs moyennes d’estimation inférieures à 15 %.
Il est cependant nécessaire de traiter les mesures de capteurs combinés, selon plusieurs lois d’estimations, en particulier durant les périodes nocturnes et diurnes, et les périodes de dilution d’effluent par temps pluvieux.
Le suivi du bassin biologique : mesures sur les boues
Le bassin d’aération nécessite un suivi minimum de la teneur en oxygène dissous, du poids de boues et de la concentration des boues recirculées. En effet ces paramètres sont directement liés à l’activité métabolique, le contrôle de l’activation par aération et le maintien des charges massiques.
La particularité structurale principale d’une boue activée est la floculation induite par la production d’exopolymères bactériens produits en phase de ralentissement de croissance (8, 9). Cet état métabolique est d’ailleurs tributaire d’un bon équilibre de la charge massique.
En fonction de l’état de floculation, la variabilité de la taille des flocs et l’adsorption des colloïdes sur ceux-ci perturbent sensiblement la mesure de turbidité.
Mise au point d’un nouveau capteur combiné
Nous avons été amenés à concevoir et fabriquer un capteur spécifique au milieu des boues activées, et utilisant le principe de mesures dynamiques. Les paramètres obtenus par traitement mathématique poussé sont multiples :
- estimation des MES et MVS,
- mesure du pouvoir de décantabilité des boues,
- activité respirométrique de la biomasse,
- maintenance des capteurs d’oxygène dissous,
- autodétection de l’encrassement du dispositif.
Ce capteur, constitué par un réacteur central, une boucle de mesure, des vannages multiples et un automate de gestion, présente plusieurs cycles de mesures consécutives et interdépendantes et des cycles de prélèvement et d’autonettoyage. Il délivre ses informations de manière semicontinue au rythme d’une série de résultats toutes les 20 minutes.
La mesure d’oxygène dissous est utilisée durant deux cycles de mesures, respectivement une phase d’aération (injection d’air) et une phase de consommation d’oxygène par les boues permettant d’obtenir les courbes de croissance et décroissance en oxygène dans le milieu mesuré. La turbidité, utilisée durant un cycle de sédimentation, mesure l’évolution de la concentration des boues à la base d’un cône de décantation.
Les acquisitions durant les différents cycles permettent d’obtenir les trois courbes portées sur la figure 2.
La courbe de concentration (NTU) obtenue a l’allure d’une courbe de décantation classique (Kinch) (10) inversée et présente trois phases de pentes différentes (coalescence des flocs, décantation, tassement). La détermination automatique de la deuxième pente (pNTU) permet de qualifier la décantabilité de la boue mesurée.
La courbe de croissance en oxygène dissous lors de la phase d’aération présente une allure classique de transfert gazeux dans un liquide. La tangente au début de la courbe définit la constante cinétique du transfert gazeux (Kla) et l’asymptote obtenue correspond au coefficient de saturation en oxygène apparent des boues. En fait ce Cs apparent n’est pas représentatif du phénomène strictement physique du transfert gaz-liquide, il est en effet limité par l’activité biologique des boues vivantes, mise en évidence par le taux de respiration Rr de la phase de décroissance oxygène.
Le taux de consommation de la biomasse Rr est utilisé pour le calcul du Cs et Kla réels des boues (11) sans consommation biologique. Le coefficient de saturation obtenu est très peu différent du Cs théorique en eau claire à même température, alors que le coefficient de transfert réel de la boue est légèrement inférieur au Kla théorique en eau claire du dispositif d’aération utilisé.
Ces particularités sont exploitées directement dans la détection automatique de la dérive ou de l’encrassement du réacteur. Ainsi les besoins de maintenance sont signalés en cas de dysfonctionnement de la sonde oxymétrique ou de lavage automatique défaillant de l’ensemble du capteur combiné. Par extension la maintenance nécessaire des capteurs de suivi d’aération installés dans le bassin est signalée.
La détermination automatique de la pente de décantation permet le suivi continu de l’évolution de la décantabilité des boues et permet de détecter ainsi l’éventuelle installation d’un foisonnement filamenteux. Celui-ci sera d’ailleurs générateur d’une alarme et on définira un indice de foisonnement par seuil. Les évolutions lentes visualisées permettent alors à l’exploitant de gérer au mieux les cycles de recirculation et d’extraction.
De même l'observation des évolutions du taux de respiration (ramené au poids de boue et à la température) permet l'observation relative de l'activité bactérienne et la détection éventuelle de toxicité.
Détermination des poids de boues (MES, MVS)
L'utilisation des informations recueillies sur la décantation permet une correction importante de la turbidité largement influencée par la variation de l'état de floculation. La définition d'un indice de foisonnement, défini par une pente minimale de décantation, permet l'adaptation de la loi d'estimation à un type de boue très particulier présentant une turbidité anormalement élevée (floc diffus).
L'estimation du poids de boues total (MES) est ainsi accessible avec une erreur satisfaisante d'environ 7 % (figure 3, tableau 2).
La détermination des MVS découle des mêmes mesures sur lesquelles viennent se greffer l'activité biologique mesurée et la température. L'estimation des MVS obtenue présente une erreur moyenne de 8 % environ (figure 4, tableau 2).
Suivi complet par un système de supervision et d'aide à l'exploitant
Les MES, MVS et DCO en entrée, des poids de boues ou des MVS en bassin sont estimés en continu avec des précisions acceptables. De plus, la mise au point d'un capteur dynamique en bassin d'aération permet l'observation précise des phénomènes, le développement d'un foisonnement filamenteux ou la variation d'activité de biomasse (utilisation possible en détection de pointes toxiques sur le bassin).
Le Cabinet d'études Gaudriot a donc étudié un système complet de supervision informatisée dont les possibilités de traitement mathématique autorisent les calculs nécessaires aux corrections multiples et aux calculs d'interprétation des acquisitions dynamiques.
Le système mis au point a trouvé un premier site d'implantation à Limoges (station d'épuration biologique à moyenne charge de 180 000 E.H. de capacité nominale), qui lui permet d'achever les détails de son développement. Il est basé sur une implantation de capteurs industriels simples mais permettant d'exploiter les lois d'estimation de charges issues de la recherche fondamentale. L'organisation schématique du suivi est représentée sur la figure 5.
L'utilisation de plusieurs capteurs combinés pour l'obtention d'un paramètre de fonctionnement impose une capacité de traitement informatique importante. Pour des raisons d'économie, ce traitement s'effectue de manière centralisée au sein même du logiciel de supervision. Celui-ci permet une scrutation des capteurs analogiques et digitaux (électromécanique) et leur traitement en cycle d'une seconde (64 ANA, 100 TOR) ce qui est amplement suffisant.
Le programme développé est basé sur un langage de programmation totalement graphique intégrant des modules de traitements de signaux et traitements mathématiques complexes. Il nécessite l'environnement Windows sur une base matérielle courante mais puissante (PC 486DX2 66) dotée d'un affichage haute définition sur écran 17 ou 20 pouces. Ceci permet l'affichage de synoptiques actifs à plusieurs niveaux de détail (multi-fenêtrage) (figure 6).
Le système développé présente les avantages suivants :
- • Une évolutivité facilitée par la souplesse de la programmation graphique (adaptation rapide du logiciel aux différents sites, modification rapide en cas d'extension ou de modification du procédé de traitement).
- • Une utilisation simplifiée, ergonomique et interactive grâce à l'environnement graphique de Windows et le multi-fenêtrage.
- • Une grande puissance de traitement et une rapidité d'exécution identique au langage C compilé.
- • Une intégration facile grâce au langage de programmation et à la réutilisation des capteurs déjà en place.
- • Un suivi des charges et des paramètres de fonctionnement pour un prix minimisé grâce à l'utilisation de capteurs à moindres coûts et aux lois d'estimations complexes.
- • Une fiabilité des mesures apportée par un module de gestion des maintenances et de détection des dérives des capteurs.
Des cartes d'acquisition de tout type de signal intégrant des traitements de filtrage et de multiplexage et présentées en boîtier-bornier industriel encastrable.
Ses applications sont résolument tournées vers une aide à l'exploitation et un historique de fonctionnement (supervision et régulation) mais aussi vers :
- • l'autocontrôle de la qualité et de l'efficacité des traitements
- • les études-diagnostics (dans une version mobile)
- • l'assistance technique à distance.
Conclusion
La recherche fondamentale de trois années effectuée en collaboration avec l'Université de Limoges s'est orientée sur l'étude des paramètres analytiques exploitables et représentatifs du fonctionnement des stations d'épuration biologiques. Elle a permis de démontrer qu'il est possible de suivre en continu les paramètres essentiels, à l'aide du traitement mathématique et statistique de mesures combinées issues de capteurs standards.
Ainsi l'établissement de lois d'estimation multi-paramètres permet de suivre les charges organiques et minérales avec une précision acceptable en évitant un investissement important induit par l'installation de "mini-laboratoires en ligne".
En application directe de ces recherches, le Cabinet d'études Gaudriot a développé un système intelligent de supervision orienté vers l'auto-contrôle et l'aide à l'exploitation des installations de traitement biologiques. Le parachèvement de son développement et les phases de tests sont d'ores et déjà en cours d'expérimentation sur un site réel.
Bibliographie
- 1. Naffrechoux E., Mazas N., Thomas O., Identification rapide de la composante industrielle d'une eau résiduaire, Environ. Technol., 12, 1991, p. 325-332.
- 2. Eckenfelder W.W., Gestion des eaux usées urbaines et industrielles. Tech. et Doc., Ed. Lavoisier, 1982.
- 3. Rancher et al., Influence du mode et du temps de conservation des échantillons d'eaux sur les déterminations de DBO5, DCO et MES, TSM-L'Eau, novembre 1981.
- 4. Reinemann L., Schemmer H., Tippner M., Turbidity measurement for determining suspended solids concentration, Deutsche Gewasserkundliche Mitteilungen, 26, 6, 1982, p. 167-174.
- 5. Schrank G., Lane J., Measurement of turbidity in wastewater treatment, Water, 10, 1991, p. 33-43.
- 6. Melik D.H., Fogler H.S., Turbidimetric determination of particle size distribution of colloidal system, J. Coll. Inter. Sci., 92, 1982, p. 161-180.
- 7. Cournil M., Crawley G., Utilisation de capteurs turbidimétriques pour la caractérisation in situ de certaines étapes du processus de cristallisation, Recents Progrès en Génie des Procédés, 5, 14, Ed. Lavoisier, 1991, p. 35-40.
- 8. Urbain V., Block J.C., Manem J., Biofloculation in activated sludge: an analytic approach, Wat. Res., 27, 5, 1993, p. 829-838.
- 9. Pavoni J.L., Bacterial exopolymers and biological floculation, J. Water Pollut. Control Fed., 43, 1972, p. 414-423.
- 10. Kinch C.J., A theory of sedimentation, Transaction of the Faraday Society, 48, 1952, p. 166-199.
- 11. Eckenfelder W.W., Gestion des eaux usées urbaines et industrielles, Technique et Documentation Lavoisier, 1982.
