engineering-design-and-analysis
Le rôle de la modélisation informatique dans la conception des usines de traitement des eaux usées
Table of Contents
La modélisation informatique a révolutionné la façon dont les ingénieurs et les spécialistes de l'environnement abordent la conception, l'optimisation et l'exploitation des stations de traitement des eaux usées. Au cours des dernières décennies, les modèles de calcul ont acquis une reconnaissance en tant qu'outils efficaces pour relever les défis liés à l'efficacité énergétique, à la qualité de l'eau et au potentiel de récupération des ressources.
L'intégration de la modélisation computationnelle dans la conception des stations de traitement des eaux usées représente un changement fondamental, passant des approches traditionnelles d'essai et d'erreur à l'ingénierie prédictive axée sur les données. La mise en oeuvre de modèles prédictifs peut révolutionner la façon dont les entreprises gèrent les WWTP en permettant le développement de jumeaux numériques pour la simulation de processus en temps quasi réel, et les modèles hybrides combinant approches mécanistes et apprentissage automatique sont présentés comme une approche prometteuse.
Comprendre la modélisation informatique dans le traitement des eaux usées
La modélisation numérique dans le traitement des eaux usées comprend une vaste gamme de techniques mathématiques et numériques utilisées pour représenter les processus physiques, chimiques et biologiques qui se produisent dans les installations de traitement.Pour prédire la performance des WWTP, de nombreux modèles déterministes, stochastiques et de séries chronologiques ont été développés. Ces modèles servent de laboratoires virtuels où les ingénieurs peuvent tester des hypothèses, évaluer des solutions de rechange et optimiser les paramètres opérationnels sans les contraintes et les coûts associés à l'expérimentation physique.
La gestion des PTE est un processus exhaustif et complexe, car elle dépend de facteurs incontrôlables tels que les conditions météorologiques ou les rejets illicites et les fuites d'eau. La complexité des systèmes de traitement des eaux usées, avec leurs processus interconnectés et leurs caractéristiques variables, rend la modélisation computationnelle non seulement bénéfique, mais de plus en plus essentielle pour une conception et une exploitation efficaces des installations.
L'évolution des approches de modélisation
Le domaine de la modélisation du traitement des eaux usées a beaucoup évolué au cours des dernières décennies. Toutes les plateformes logicielles commerciales de CAO qui prédisent, ou représentent d'une autre manière, les performances des procédés de traitement biologique sont basées sur une série de modèles mathématiques développés à l'origine dans les années 1980 et 1990.
Les méthodes modernes de modélisation computationnelle vont des modèles mécanistes fondés sur des principes physiques et biochimiques fondamentaux aux modèles fondés sur des données qui apprennent les modèles à partir de données opérationnelles.Dans les modèles fondés sur des données, la structure n'est pas explicitement spécifiée mais déterminée par la recherche de relations dans les données disponibles.
Avantages globaux de la modélisation informatique
L'application de la modélisation computationnelle dans la conception des stations de traitement des eaux usées offre de nombreux avantages qui s'étendent sur l'ensemble du cycle de vie du projet, de la conception conceptuelle initiale à l'exploitation et à l'optimisation à long terme.
Réduction des coûts et atténuation des risques
La simulation hydrodynamique est l'un des principaux outils de planification de la reconstruction et de l'exploitation des structures des stations de traitement des eaux usées, et son utilisation courante est courante en raison des économies de coûts et des gains d'efficacité qui peuvent être réalisés. En identifiant les défauts de conception potentiels et les problèmes opérationnels dans l'environnement virtuel, les ingénieurs peuvent éviter des modifications coûteuses pendant la construction ou après la mise en service des installations.
En optimisant la conception et l'exploitation des stations de traitement de l'eau, le DFC peut permettre de réaliser des économies importantes en réduisant le besoin de modélisation physique coûteuse et d'essais expérimentaux et en aidant à éviter des problèmes opérationnels coûteux.
Optimisation de la conception améliorée
Les modèles informatiques permettent aux ingénieurs d'optimiser les conceptions des stations de traitement avec une précision sans précédent.Les principaux objectifs de la conception des stations de traitement des eaux usées sont de répondre aux normes et exigences en matière de qualité de l'eau, d'optimiser l'efficacité du processus de traitement, de minimiser le coût global du projet et de contrôler les coûts d'exploitation et les exigences d'entretien.
L'intégration de la modélisation du CFD au processus de conception se fait habituellement entre 30 % et 60 % du point de conception, et comme avec tout effort de modélisation, plus la modélisation est effectuée tôt, plus les résultats sont utiles pour informer la conception, plus les entreprises mettent en oeuvre des stratégies de simulation à la marque de conception de 30 %.
Amélioration de l'efficacité opérationnelle
Au-delà de la conception initiale, les modèles de calcul soutiennent l'optimisation opérationnelle continue et le dépannage. L'analyse prédictive axée sur l'IA évalue les données historiques et en temps réel du WWTP pour prévoir les dysfonctionnements du matériel, les inefficacités des processus et les fluctuations de la pollution, améliorant ainsi l'efficacité et la stabilité du traitement, tandis que les applications ML dans le contrôle de la posologie chimique, la réduction de l'aération et l'aide à la décision ont encore amélioré l'efficacité des ressources et optimisé les performances.
La stratégie MOSC peut contenir des conditions d'influence extrêmes, réduire les coûts opérationnels de 8 %, maintenir la qualité des effluents et produire du biogaz pour une exploitation durable du WWTP. De telles stratégies d'optimisation, rendues possibles par la modélisation informatique, peuvent apporter des améliorations opérationnelles substantielles et des économies de coûts sur toute la durée de vie de l'usine.
Essais accélérés de scénarios
Les modèles informatiques permettent aux ingénieurs d'évaluer rapidement de nombreux scénarios opérationnels qui seraient impossibles à tester dans les systèmes physiques, notamment l'évaluation des performances de l'usine dans des conditions extrêmes, l'évaluation de l'impact des expansions futures de la capacité et l'essai de stratégies de réponse pour les conditions de perturbation.
La capacité de simuler les années de fonctionnement en heures ou en jours de calcul fournit des renseignements précieux sur le comportement à long terme du système et aide à identifier les problèmes potentiels avant qu'ils ne se manifestent dans l'usine physique. Cette capacité de test accélérée est particulièrement utile pour évaluer la robustesse des conceptions dans des conditions d'influence variable et l'évolution des exigences réglementaires.
Types de modèles informatiques dans le traitement des eaux usées
La modélisation du traitement des eaux usées repose sur diverses approches de modélisation, adaptées à différents aspects de la conception et de l'exploitation des installations. La compréhension de ces différents types de modèles et de leurs applications appropriées est essentielle à une mise en oeuvre efficace.
Modèles de dynamique hydrodynamique et calculatrice des fluides
Les modèles de la dynamique des fluides informatiques (CFD) représentent l'un des outils les plus puissants pour analyser le débit des fluides et les phénomènes de transport dans les systèmes de traitement des eaux usées. La simulation hydrodynamique (CFD: computational fluid dynamique) est l'un des outils majeurs pour planifier la reconstruction et l'exploitation des structures dans les stations de traitement des eaux usées, et son utilisation courante est courante en raison des économies de coûts et des gains d'efficacité qui peuvent être réalisés.
Les modèles CFD permettent d'étudier les processus d'écoulement en trois dimensions et permettent l'intégration de procédés complexes de filtration, de réactions chimiques, de transport des sédiments, de processus de mélange, de procédés thermiques et de processus d'aération. Ces modèles résolvent les équations fondamentales du mouvement des fluides, généralement les équations Navier-Stokes, pour prédire les champs de vitesse, les distributions de pression et les profils de concentration dans toutes les unités de traitement.
En simulant le débit de fluide, la turbulence, le transfert et le mélange d'oxygène dans les réservoirs de traitement, le CFD facilite une compréhension plus approfondie des phénomènes hydrodynamiques qui sous-tendent le traitement efficace des eaux usées.
Les études de cas portent sur des questions rarement étudiées, comme le fonctionnement des chambres de grille aérées, la performance des réservoirs de décantation primaire, la performance de mélange dans les fossés d'oxydation et le contrôle des boues de retour.
Modèles de processus biologiques
Les logiciels commerciaux sont principalement basés sur des modèles mécanistes qui utilisent un large ensemble d'expressions mathématiques pour représenter les processus biochimiques, chimiques et physiques qui définissent le fonctionnement des systèmes de traitement des eaux usées. Les modèles biologiques les plus utilisés sont les modèles de boues activées (ASM), qui sont devenus des normes industrielles pour simuler les processus biologiques d'élimination des nutriments.
La famille de modèles ASM, dont ASM1, ASM2, ASM2d et ASM3, fournit des représentations de plus en plus sophistiquées de processus biologiques, y compris l'oxydation du carbone, la nitrification, la dénitrification et l'élimination biologique du phosphore.Les modèles mécanistes basés sur ASM – tant commerciaux que non commerciaux – ont été essentiels dans le développement de processus de traitement des eaux usées.
L'étalonnage traditionnel des modèles à boues activées (ASM) est souvent manuel, dépendant d'experts et inefficace, mais un cadre d'optimisation des hyperparamètres utilisant Optuna peut automatiser l'étalonnage du modèle ASM2d. Les progrès récents dans les techniques d'étalonnage des modèles ont rendu ces modèles complexes plus accessibles et plus fiables pour des applications pratiques.
Modèles de procédés chimiques
Les modèles de processus chimiques simulent les réactions et les transformations impliquant des processus de traitement chimique tels que la coagulation, la floculation, la désinfection et l'oxydation avancée, qui intègrent la cinétique chimique, les relations d'équilibre et les phénomènes de transfert de masse pour prédire le devenir des contaminants et la consommation de réactifs chimiques.
Les modèles chimiques sont particulièrement importants pour optimiser les stratégies de dosage chimique, concevoir des systèmes de désinfection et évaluer les procédés de traitement avancés. Ils peuvent prédire la formation de sous-produits de désinfection, évaluer l'efficacité de différentes solutions de traitement chimique et optimiser les exigences en matière de stockage et de manutention chimiques.
Modèles intégrés et hybrides
La modélisation moderne du traitement des eaux usées utilise de plus en plus des approches intégrées qui combinent plusieurs techniques de modélisation pour saisir toute la complexité des systèmes de traitement. Les modèles de DFC et de cinétique ont été appliqués séparément, mais leur intégration est toujours en retard en raison du défi qui pose les échelles de temps sensiblement différentes sur lesquelles les deux ont lieu, et ce travail a examiné et comparé de façon critique les différentes stratégies qui ont été appliquées pour intégrer la dynamique des fluides à la cinétique de modélisation et de simulation des bioprocessus.
La stratégie de sous-cyclage en étapes temporelles est recommandée pour la modélisation de conception, et la modélisation avec couplage indirect à l'aide d'un modèle compartimenté basé sur CFD peut obtenir une intégration précise de la cinétique et de la dynamique des fluides avec le moindre coût de calcul, ce qui fait de cette stratégie une option possible pour les applications en temps réel.
Les modèles hybrides qui combinent des approches mécanistes et des approches fondées sur les données représentent une frontière émergente dans la modélisation du traitement des eaux usées. Ces modèles tirent parti de la compréhension physique intégrée dans les modèles mécanistes tout en utilisant des techniques d'apprentissage automatique pour saisir des relations complexes qui sont difficiles à représenter avec les équations de premier principe seulement.
Apprentissage automatique et modèles d'intelligence artificielle
Plus récemment, l'application de l'intelligence artificielle à la région, avec l'utilisation et le développement de systèmes informatiques capables d'apprendre à accomplir des tâches sans suivre des instructions explicites, en utilisant des algorithmes et des modèles statistiques pour analyser et tirer des conclusions des modèles de données.
Diverses méthodes, comme les arbres de décision, les réseaux neuronaux artificiels (ANN), la longue mémoire à court terme (LSTM), la logique floue, l'Internet des choses (IoT) et les réseaux neuronaux récurrents (RNN), ont été étudiées pour leur capacité à améliorer l'efficacité et la surveillance du traitement.
Les modèles de LM supervisés servent d'excellents outils (coefficient de corrélation >0.8) pour la modélisation, la prévision et l'optimisation des processus WWT, avec une large gamme d'applications, y compris le nettoyage des données, la conception du système, l'optimisation du contrôle et la maintenance prédictive.
Applications dans la conception des installations de traitement des eaux usées
La modélisation informatique trouve son application dans pratiquement tous les aspects de la conception des stations de traitement des eaux usées, depuis le traitement préliminaire jusqu'aux procédés tertiaires avancés.
Systèmes de traitement préliminaire
Les modèles de calcul sont largement utilisés dans la conception de systèmes de traitement préliminaire, y compris les installations de dépistage, les chambres de drainage et les structures de distribution du débit. Les études de cas comprennent des questions rarement étudiées, comme le fonctionnement des chambres de drainage aéré, la performance des réservoirs de décantation primaire, la performance de mélange dans les fossés d'oxydation et la maîtrise des boues de retour.
Pour les chambres à grains, la modélisation peut évaluer l'efficacité des différents débits d'aération et des géométries de chambre pour obtenir la séparation souhaitée du grain des solides organiques. La modélisation de la distribution des flux assure une répartition uniforme des flux d'influence entre les trains de traitement parallèles, empêchant la surcharge des unités individuelles et maximisant la capacité globale des installations.
Clarification primaire
Les clarificateurs primaires sont essentiels pour éliminer les solides colonisables et réduire la charge organique sur les processus de traitement biologique en aval. Le modèle 2Dc est largement utilisé dans l'industrie et est considéré comme l'outil principal pour l'optimisation des clarificateurs, et le modèle 2Dc CFD, coproduit par Hazen, est considéré comme l'outil principal dans l'industrie.
Par rapport aux méthodes d'évaluation traditionnelles, la modélisation du CFD permet de visualiser les conditions internes dans le clarificateur et la prédiction de la qualité des effluents, ce qui permet d'optimiser la conception tant du point de vue du processus que du point de vue économique.
Une baffle a été introduite dans un clarificateur pour atténuer les circulations secondaires et augmenter la concentration des boues, et l'analyse CFD a révélé la présence de flux circulants dans le clarificateur qui ont eu un impact négatif sur sa capacité de charge, le clarificateur modifié atteignant une concentration de sous-écoulement plus élevée et une accumulation réduite de boues.
Systèmes de traitement biologique
Les systèmes de traitement biologique, y compris les procédés de traitement des boues activées, les réacteurs à lots séquentielle, les bioréacteurs membranaires et les systèmes de croissance fixés, sont peut-être les composants les plus largement modélisés des stations de traitement des eaux usées.
Des études récentes ont démontré le potentiel de CFD dans le raffinage des techniques d'aération et l'optimisation des géométries des réacteurs, une étude illustrant comment une augmentation du débit d'air dans les systèmes intégrés peut améliorer de façon significative le transfert d'oxygène, même si les rendements diminuent à des taux plus élevés.
L'intégration de la DFC aux modèles cinétiques biologiques fournit des renseignements complets sur l'interaction entre l'hydraulique et les processus biologiques. Cette approche intégrée permet de déterminer les zones de mélange inadéquat ou de transfert d'oxygène qui pourraient limiter les performances biologiques, même si le volume global du réacteur semble adéquat en fonction de considérations cinétiques seules.
Conception et optimisation du système d'aération
Les systèmes d'aération représentent généralement le plus grand consommateur d'énergie dans les stations de traitement des eaux usées, ce qui rend leur optimisation particulièrement importante pour les coûts d'exploitation et la durabilité environnementale.
Les modèles informatiques peuvent évaluer différentes technologies d'aération, optimiser le positionnement et la densité des diffuseurs et élaborer des stratégies de contrôle qui maintiennent des niveaux d'oxygène dissous adéquats tout en minimisant la consommation d'énergie. Un tel modèle peut être systématiquement intégré dans le cadre de gestion des stations de traitement des eaux usées par la mise en œuvre de stratégies de contrôle prédictif des modèles (MPC).
Clarification secondaire et séparation des solides
La modélisation des CFD des clarificateurs secondaires aborde des questions similaires en tant que clarificateurs primaires, mais doit aussi tenir compte des caractéristiques uniques de décantation des flocs biologiques et du potentiel de courants de densité.
Le CFD est un outil essentiel pour optimiser le contrôle des boues de retour, en étudiant le débit optimal de boues de retour nécessaire pour maintenir un rendement optimal global en minimisant la masse de boues stockées dans le SST et en maximisant la masse de boues dans le réacteur biologique en même temps, un point clé étant de maintenir la concentration de boues de retour aussi élevée que possible à un débit de boues de retour donné.
Systèmes de désinfection
Les chambres de contact pour la désinfection doivent fournir un temps de contact adéquat entre le désinfectant et les agents pathogènes tout en minimisant les courts-circuits et les zones mortes. Les simulations CFD des solutions de rechange pour la conception des réservoirs de contact peuvent être utilisées pour modéliser avec précision le temps de résidence et de contact pour la gamme de scénarios de débit et de niveau d'eau au cours du processus de désinfection.
La modélisation permet d'évaluer différentes configurations de chicanes, les conceptions d'entrées et de sorties et les géométries de chambre pour optimiser l'efficacité hydraulique. La capacité de visualiser les distributions de traceurs et de calculer les distributions de temps de résidence fournit des mesures quantitatives pour comparer les solutions de rechange et démontrer la conformité réglementaire.
Processus de traitement avancés
Les procédés de traitement avancés, y compris la filtration des membranes, l'oxydation avancée et les systèmes de récupération des nutriments, reposent de plus en plus sur la modélisation computationnelle pour la conception et l'optimisation. La cavitation hydrodynamique a été une méthode et une technologie prometteuses dans le traitement des eaux usées, tandis que les principes basés sur la conception de réacteurs cavitation pour optimiser le rendement et les performances de cavitation restent insuffisants, la dynamique des fluides computationnels (CFD) devenant un outil essentiel pour cette question, en raison des avantages d'un faible investissement et des coûts d'exploitation.
Pour les systèmes à membrane, les modèles peuvent prédire les taux d'encrassement, optimiser les stratégies de lavage arrière et évaluer les différentes configurations de membrane. Les processus d'oxydation avancés bénéficient de la modélisation CFD pour optimiser le mélange, le dosage chimique et l'hydraulique du réacteur afin de maximiser la destruction des contaminants tout en minimisant la consommation chimique.
Jumelles numériques et contrôle des processus en temps réel
Le concept de jumelles numériques représente l'une des frontières les plus intéressantes de la modélisation du traitement des eaux usées, comblant l'écart entre la simulation en phase de conception et la réalité opérationnelle. Différents développements de jumelles numériques (DT) pour optimiser les opérations de traitement des eaux usées ont été réalisés, DT se distinguant d'un modèle de processus conventionnel par sa connexion continue et automatisée aux données de son homologue physique existant.
Comprendre la technologie numérique jumelée
Un jumeau numérique est une réplique virtuelle d'une usine de traitement des eaux usées qui met à jour en permanence à partir de données opérationnelles en temps réel. Contrairement aux modèles de conception statique, les jumelles numériques évoluent avec l'usine, intégrant les conditions d'exploitation actuelles, l'état de l'équipement et les facteurs environnementaux.
Le défi particulier des applications DT est la nécessité d'entrer des données en temps réel ou semi-réel et bien qu'une large gamme d'instruments de processus soit disponible pour les WWTP, les variables nécessaires pour les modèles de processus biomécaniques, en particulier dans les têtes de fabrique, ne sont pas mesurées, ou la qualité des données est insuffisante pour les applications DT.
Capteurs souples et instrumentation virtuelle
Les capteurs souples, qui fournissent des instruments virtuels au moyen de modèles d'entrée-sortie prédictifs, sont des solutions de rechange possibles pour les capteurs matériels dans des conditions opérationnelles difficiles. Ces capteurs virtuels utilisent des mesures facilement disponibles combinées à des modèles de processus ou à des algorithmes d'apprentissage automatique pour estimer des paramètres qui sont difficiles ou coûteux à mesurer directement.
Les capteurs souples sont particulièrement utiles pour estimer les caractéristiques des effluents, qui varient continuellement mais ne sont habituellement mesurés que par des analyses de laboratoire peu fréquentes. En fournissant des estimations continues de paramètres clés tels que les concentrations de COD, d'azote et de phosphore, les capteurs souples permettent un contrôle plus réactif des processus et une meilleure intégration avec les plates-formes numériques jumelées.
Contrôle prédictif et optimisation
Les capteurs à puissance d'IA et les appareils Internet des objets (IoT) permettent une surveillance continue et en temps réel de la qualité des eaux usées, permettant des ajustements en temps opportun et une meilleure réactivité aux fluctuations de composition, tandis que les systèmes de contrôle automatisés soutenus par l'IA simplifient également le processus de traitement en réduisant le recours à la surveillance manuelle et en réduisant le risque d'erreur humaine.
Les stratégies de contrôle prédictif des modèles (MPC) utilisent des modèles de processus pour prédire le comportement futur du système et optimiser les actions de contrôle en conséquence. Ces approches peuvent traiter simultanément de multiples objectifs, tels que le maintien de la qualité des effluents tout en minimisant la consommation d'énergie et l'utilisation de produits chimiques.
Plateformes et outils logiciels commerciaux
La mise en oeuvre pratique de la modélisation computationnelle dans le traitement des eaux usées repose sur des plateformes logicielles sophistiquées qui rendent la modélisation complexe accessible aux ingénieurs praticiens. Il existe un certain nombre de progiciels commerciaux, ou plateformes, qui sont utilisés pour concevoir des installations de traitement des eaux usées.
Logiciel de modélisation des processus biologiques
Plusieurs plateformes commerciales se spécialisent dans la modélisation biologique des procédés de traitement des eaux usées.Les logiciels commerciaux comprennent BioWin (EnviroSim): Un logiciel «boîte noire» établi et largement utilisé avec une interface conviviale utilisée pour les simulations générales des stations de traitement des eaux usées et la conception des procédés, et Generative Design Generative Generative Generative (Transcend): fournir des paquets d'ingénierie complets à partir d'un ensemble limité d'entrées de conception pour CAS, SBR, MBBR, AGS (Nereda), Wetlands et MBR technologies.
D'autres plateformes de premier plan sont GPS-X, WEST, STOAT et Simba, chacune offrant différentes fonctionnalités, bibliothèques modèles et interfaces utilisateur. Alors que les progiciels les plus complets encourent des frais – de quelque chose jusqu'à ~$4 500 (en janvier 2025) selon les fonctionnalités requises – certains sont actuellement disponibles gratuitement, y compris la version d'enseignement et de recherche de ASIM, la version simplifiée de GPS-X (appelée « GPS-X Lite ») et STOAT. La disponibilité de versions gratuites rend ces outils accessibles à des fins éducatives et des évaluations préliminaires.
Plateformes logicielles CFD
Les applications de la dynamique des fluides informatiques dans le traitement des eaux usées utilisent généralement un logiciel de DFC à usage général qui a été adapté pour les applications d'eau et d'eaux usées. Hazen utilise le paquet DFC FLUENT depuis le milieu des années 1990 et a complété des centaines d'applications de génie et de recherche de DFC dans divers processus de traitement de l'eau et des eaux usées.
Les autres plateformes de CFD couramment utilisées sont OpenFOAM (une solution de rechange ouverte), COMSOL Multiphysics et FLOW-3D. Les codes disponibles sur le marché conviennent bien aux types de simulations nécessaires pour faire avancer la conception des composants et des systèmes d'eaux usées. Toutefois, chaque code a des forces et des faiblesses individuelles à prendre en considération, le choix d'un code approprié étant la première étape de la modélisation pour appuyer le processus de conception.
Plateformes de conception intégrées
Il existe également des plateformes CAO, comme ArcGIS et QGIS, qui sont des progiciels de systèmes d'information géographique (SIG) qui permettent d'analyser et de cartographier les systèmes d'eau et d'eaux usées pour faciliter la mise en place de l'usine, et qui sont également inclus dans d'autres plateformes, dont le générateur de conception générique de Transcend.
Les langages de programmation MATLAB/Simulink et Python sont considérés comme les langages logiciels/programmation les plus appropriés pour la simulation des paramètres hydrauliques. La flexibilité de ces environnements de programmation les rend populaires pour le développement de modèles personnalisés et l'intégration de multiples approches de modélisation.
Étalonnage et validation du modèle
La précision et la fiabilité des modèles de calcul dépendent de façon critique d'un étalonnage et d'une validation appropriés. Même les modèles les plus sophistiqués exigent un ajustement des paramètres pour correspondre aux caractéristiques spécifiques du système en cours de modélisation et une validation par rapport à des données indépendantes pour confirmer la précision prédictive.
Approches traditionnelles d'étalonnage
L'étalonnage traditionnel des modèles à boues activées (ASM) est souvent manuel, dépendant d'experts et inefficace. L'étalonnage conventionnel implique généralement un ajustement itératif des paramètres du modèle par des modélistes expérimentés, la comparaison des prévisions des modèles aux données mesurées et le raffinage des paramètres jusqu'à ce que l'accord soit acceptable.
Le défi de l'étalonnage est aggravé par les interdépendances de paramètres, où les changements à un paramètre affectent les valeurs optimales des autres. Cela crée un problème d'optimisation haute dimension qui est difficile à résoudre par des approches manuelles d'essai et d'erreur.
Techniques d'optimisation avancées
Un cadre d'optimisation hyperparamétrique utilisant Optuna peut automatiser l'étalonnage du modèle ASM2d, construit sur Python, intégrant l'estimation parzen (TPE) structurée par arbre pour un seul objectif et NSGA-II pour une optimisation multi-objectifs. Ces algorithmes d'optimisation avancés peuvent systématiquement explorer l'espace des paramètres plus efficacement que les approches manuelles, en identifiant des ensembles de paramètres optimaux qui équilibrent plusieurs objectifs.
Par rapport aux méthodes traditionnelles, le TPE a réduit les erreurs relatives moyennes pour les TN et les COD de 4,587 et 24,846 % à 0,798 et 15,291 % respectivement, tout en diminuant les itérations de 15 à 20 %, avec une réduction des erreurs NSGA-II de 4,72 et 15,17 %, une amélioration supplémentaire de 0,095 % et 8,43 % avec un réglage à pleine valeur et une augmentation de l'efficacité de calibrage de 65 à 75 %.
Exigences en matière de données et qualité
L'étalonnage et la validation efficaces exigent des données de haute qualité couvrant une gamme de conditions d'exploitation, notamment des caractéristiques des effluents, des paramètres d'exploitation et des mesures de la qualité des effluents recueillies sur de longues périodes.
Les étapes de prétraitement, y compris la détection aberrante, le rapprochement des données et le comblement des lacunes, sont souvent nécessaires pour préparer les données à étalonner. L'investissement dans la collecte complète de données et l'assurance de la qualité est un atout pour la fiabilité du modèle et la précision prédictive.
Défis et limites
Malgré les avantages considérables de la modélisation informatique, les praticiens doivent être conscients des défis et des limites importants qui peuvent affecter la fiabilité et l'utilité des modèles.
Complexité du modèle et coûts de calcul
Des modèles complets qui captent tous les processus physiques, chimiques et biologiques pertinents peuvent devenir extrêmement complexes, exigeant des ressources et une expertise informatiques importantes pour se développer et s'appliquer.Ces processus sont souvent influencés par de multiples facteurs, créant un espace de condition haute dimension qui impose un coût calculal intensif aux méthodes de la dynamique des fluides informatiques (CFD).
La complexité des modèles et leur facilité d'utilisation demeurent un défi permanent. Les modèles trop simplifiés peuvent manquer d'importants phénomènes, tandis que les modèles trop complexes peuvent ne pas être pratiques pour une utilisation courante et difficiles à calibrer de façon fiable.
Disponibilité et qualité des données
Bien que ces modèles soient prometteurs pour réduire les coûts opérationnels, améliorer les résultats du traitement et améliorer la surveillance en temps réel, certains défis subsistent, avec un accès limité à des données fiables, des difficultés de reproductibilité des modèles et des contraintes dans la mise en oeuvre à grande échelle, qui font obstacle à la poursuite de la mise en oeuvre.
Les données historiques peuvent être incomplètes, incohérentes ou de qualité douteuse, limitant leur utilité pour l'étalonnage et la validation des modèles. Le coût de l'installation et de l'entretien d'instruments de pointe peut être prohibitif pour les petites installations.
Incertitude et validation du modèle
Tous les modèles comportent des simplifications et des hypothèses qui introduisent l'incertitude dans les prévisions. L'incertitude des paramètres, l'incertitude structurelle (liée à la formulation des modèles) et l'incertitude des intrants contribuent tous à l'incertitude globale des prévisions.
La validation des modèles par rapport aux données indépendantes est essentielle, mais peut être difficile lorsque les données sont limitées. Les modèles peuvent bien fonctionner pour des conditions semblables à celles utilisées pour l'étalonnage, mais ne permettent pas de prédire avec précision le comportement dans de nouvelles conditions.
Exigences en matière d'expertise
L'application efficace de la modélisation computationnelle exige une expertise spécialisée couvrant plusieurs disciplines, dont l'ingénierie des processus, les méthodes numériques, les outils logiciels et l'analyse des données. L'intelligence artificielle (IA) est devenue un outil prometteur pour améliorer l'efficacité, la précision et la durabilité des systèmes de traitement de l'eau, mais l'intégration de l'IA dans le traitement de l'eau comporte ses propres défis, et des exigences spécifiques doivent être satisfaites pour exploiter pleinement le potentiel de ces techniques.
La courbe d'apprentissage pour la maîtrise des logiciels et des techniques de modélisation peut être raide, limitant potentiellement l'adoption par les petites organisations ou ceux qui n'ont pas de spécialistes de la modélisation.
Intégration avec les pratiques de conception
L'intégration de la modélisation computationnelle dans les processus de conception établis exige un changement organisationnel et une coordination entre les membres de l'équipe de projet. Les modèles doivent être élaborés selon des délais compatibles avec les calendriers de projet, et les résultats doivent être communiqués efficacement aux intervenants qui ne possèdent pas nécessairement de compétences en modélisation.
Orientations futures et tendances émergentes
Le domaine de la modélisation computationnelle pour le traitement des eaux usées continue d'évoluer rapidement, sous l'impulsion des progrès de la puissance informatique, de l'intelligence artificielle, de la technologie des capteurs et de la compréhension des processus.
Intelligence artificielle et intégration de l'apprentissage automatique
Les futures stations de traitement des eaux usées (WWTP) évoluent vers des systèmes plus efficaces, durables, intelligents et automatisés, nécessitant une infrastructure robuste capable de s'adapter aux défis fluctuants et à l'augmentation de la demande urbaine en ressources et en énergie, les innovations fondées sur l'intelligence artificielle (IA) et l'apprentissage automatique (ML) étant cruciales pour passer des WWTP traditionnels à des cadres plus performants, rentables et autonomes en énergie.
La recherche sur l'application de la LM à la modélisation du traitement des eaux usées a augmenté de façon spectaculaire à partir de 2015, avec un effort important dans la prédiction de l'encrassement des membranes dans les RMB. L'intégration de l'apprentissage automatique aux modèles mécanistes traditionnels crée des approches hybrides qui combinent compréhension physique et reconnaissance des modèles fondés sur les données, offrant potentiellement une précision prédictive supérieure et une applicabilité plus large.
Les réseaux neuraux peuvent apprendre des relations complexes entre les variables de processus qui seraient difficiles à saisir avec les approches de modélisation conventionnelles. Cependant, la nature « boîte noire » de certains modèles d'apprentissage automatique soulève des préoccupations quant à la capacité d'interprétation et à la fiabilité, ce qui conduit à la recherche sur des méthodes d'IA explicables.
Internet des objets et des capteurs intelligents
L'intégration de l'Internet des objets (IoT) et de l'Industrie 4.0 est essentielle pour soutenir la transition vers des solutions de gestion des eaux usées orientées vers l'avenir. La prolifération de capteurs à faible coût et de technologies de communication sans fil permet des niveaux sans précédent de surveillance des processus et de collecte de données.
L'informatique Edge et l'IoT peuvent surveiller les processus en temps réel. L'informatique Edge, où le traitement des données se fait près du point de collecte plutôt que sur des serveurs centralisés, permet des temps de réponse plus rapides et réduit les besoins de transmission de données.
Modélisation multi-échelle et multi-physique
Les progrès des méthodes de calcul permettent des modèles à échelles multiples plus complets qui permettent de relier des phénomènes survenant à différentes échelles spatiales et temporelles. Par exemple, les modèles pourraient intégrer des réactions biochimiques à échelle moléculaire, des interactions de particules micrométriques et des systèmes hydrauliques de réacteurs à macroéchelle dans un cadre unifié.
Ces approches intégrées restent exigeantes en calcul mais deviennent de plus en plus réalisables à mesure que la puissance de calcul continue de croître. Les idées tirées des modèles multi-échelles et multi-physiques peuvent révéler des phénomènes importants que les modèles plus simples manquent, ce qui permet d'améliorer la compréhension et l'optimisation des processus.
Informatique en nuage et plateformes collaboratives
Les plateformes de modélisation basées sur le cloud rendent les outils de modélisation sophistiqués plus accessibles en éliminant le besoin d'infrastructures informatiques locales coûteuses et d'installations logicielles spécialisées. Ces plateformes permettent la modélisation collaborative où plusieurs membres de l'équipe peuvent accéder et travailler simultanément avec des modèles, quel que soit leur emplacement physique.
L'intégration des plateformes de modélisation avec d'autres outils basés sur le cloud pour la gestion des données, la visualisation et l'aide à la décision crée des écosystèmes numériques complets pour la conception et l'exploitation des stations de traitement des eaux usées.
Modélisation de la durabilité et de la récupération des ressources
À mesure que les stations de traitement des eaux usées évoluent, passant des installations d'élimination des déchets aux centres de récupération des ressources, les applications de modélisation se développent pour traiter de la production d'énergie, de la récupération des nutriments et de la réutilisation de l'eau.
Les modèles d'évaluation du cycle de vie intégrés aux modèles de processus permettent une évaluation complète des incidences environnementales et des paramètres de durabilité. Ces approches holistiques appuient la prise de décisions qui tiennent compte non seulement de la performance et du coût du traitement, mais aussi d'objectifs environnementaux et sociaux plus larges, conformes aux principes de l'économie circulaire.
Normalisation et pratiques optimales
À mesure que la modélisation computationnelle se généralise dans les pratiques de traitement des eaux usées, l'élaboration de normes et de pratiques exemplaires devient de plus en plus importante.Les organisations professionnelles et les organismes de réglementation commencent à élaborer des lignes directrices pour l'application, l'étalonnage, la validation et la documentation des modèles.
Les études comparatives normalisées et les problèmes d'étalonnage des modèles aident la collectivité à évaluer les différentes approches de modélisation et à déterminer les meilleures pratiques.
Mise en œuvre de la modélisation informatique dans la pratique
Pour réussir à mettre en oeuvre la modélisation computationnelle dans la conception des stations de traitement des eaux usées, il faut planifier soigneusement, allouer les ressources appropriées et intégrer les processus généraux de travail des projets.
Renforcement des capacités internes
Le développement d'une expertise en modélisation interne offre une valeur à long terme, mais nécessite des investissements dans la formation, les logiciels et l'infrastructure informatique. Les organisations devraient identifier les employés ayant des antécédents techniques appropriés et leur fournir une formation aux outils et techniques de modélisation pertinents.
Les programmes de mentorat où les modélistes expérimentés guident le personnel moins expérimenté accélèrent le développement des capacités. En commençant par des applications de modélisation plus simples et en s'attaquant progressivement à des problèmes plus complexes, les équipes peuvent accroître progressivement leur confiance et leur expertise.
Mobiliser des compétences externes
De nombreuses organisations choisissent de faire appel à des consultants spécialisés en modélisation pour des applications complexes ou à fort rendement. Des experts externes apportent une expérience approfondie et peuvent souvent terminer des études de modélisation plus efficacement que le personnel interne qui développe encore ses capacités.
Lorsqu'ils engagent des consultants, il est essentiel de définir clairement les objectifs, les produits livrables et les délais du projet, et les organisations devraient disposer d'une expertise interne suffisante pour superviser efficacement le travail des consultants, interpréter les résultats et intégrer les conclusions de la modélisation dans les décisions de conception.
Établissement de protocoles de modélisation
L'élaboration de protocoles clairs pour déterminer quand et comment la modélisation sera appliquée contribue à assurer une utilisation cohérente et efficace des ressources de modélisation. Ces protocoles devraient répondre à des questions telles que : Quels types de projets justifient la modélisation? À quelles étapes de conception la modélisation devrait-elle être effectuée? Quel niveau de complexité du modèle convient-il aux différentes applications? Comment les résultats du modèle seront-ils documentés et communiqués?
Les normes de documentation garantissent que les modèles peuvent être compris et potentiellement réutilisés par d'autres. Les systèmes de contrôle des versions suivent l'évolution du modèle et permettent la récupération des versions précédentes au besoin.
Communiquer efficacement les résultats
La valeur de la modélisation dépend non seulement de la qualité technique, mais aussi de la communication efficace des résultats aux décideurs et aux intervenants. Les outils de visualisation qui présentent les résultats du modèle par des graphiques intuitifs, des animations et des affichages interactifs aident les publics non techniques à comprendre les idées de modélisation.
La présentation des résultats dans le contexte des objectifs du projet et des critères de décision aide les intervenants à comprendre les implications pratiques des constatations de modélisation. La comparaison de plusieurs solutions de rechange à la conception à l'aide de mesures cohérentes facilite une évaluation objective.
Études de cas et applications du monde réel
L'examen des applications réelles de la modélisation computationnelle illustre sa valeur pratique et fournit des renseignements sur les stratégies de mise en oeuvre efficaces.De nombreuses études de cas démontrent comment la modélisation a contribué à améliorer les conceptions, les économies et le rendement opérationnel dans diverses applications de traitement des eaux usées.
Exemples d'optimisation des clarifications
Les petites chicanes ont été suspendues à la jupe en béton d'un clarificateur pour réorienter le flux et réduire la circulation, la modélisation du CFD prévoyant que ces modifications augmenteraient la capacité du clarificateur de 25 %. Cette affaire démontre comment des modifications physiques relativement mineures, identifiées par modélisation, peuvent entraîner des améliorations substantielles de la performance sans investissement important en capital.
Des études similaires sur l'optimisation des clarificateurs ont permis de déterminer les possibilités d'améliorer le rendement grâce aux modifications d'entrée, aux installations de baffle et aux ajustements opérationnels.
Optimisation de l'énergie dans les systèmes d'aération
Plusieurs études de cas ont démontré des économies d'énergie importantes grâce à l'optimisation par modèle des systèmes d'aération. En identifiant les taux d'aération optimaux, les configurations de diffuseurs et les stratégies de contrôle, les installations ont réduit la consommation d'énergie tout en maintenant ou en améliorant les performances de traitement.
Les stratégies de contrôle avancées élaborées par la modélisation, y compris l'optimisation du point de consigne de l'oxygène dissous et le contrôle de l'aération par charge, ont permis de réduire l'énergie de 15 à 30 % dans les applications documentées, ce qui permet généralement de compenser rapidement les investissements de modélisation et de continuer à profiter des avantages tout au long de la vie opérationnelle de l'usine.
Dépannage et décontamination des processus
Les modèles de calcul se sont révélés utiles pour diagnostiquer les problèmes de rendement dans les installations existantes et identifier des solutions rentables. Si une station de traitement de l'eau ne fonctionne pas comme prévu, on peut utiliser le DFC pour déterminer la cause du problème, en aidant à déterminer si les problèmes sont attribuables à une mauvaise distribution du débit, à un mélange inadéquat ou à d'autres facteurs.
Les études de débloquage utilisent des modèles pour identifier les limites de capacité et évaluer les solutions de rechange pour augmenter le débit. En analysant systématiquement les différentes unités de processus et leurs interactions, la modélisation peut identifier les goulets d'étranglement réels et identifier les stratégies d'expansion de capacité les plus rentables.
Considérations réglementaires et conformité
La modélisation numérique joue un rôle de plus en plus important dans la démonstration de la conformité réglementaire et les demandes de permis pour les installations de traitement des eaux usées.
Démontrer l'adéquation du design
Les résultats de la simulation de CFD fournissent également des preuves défendables qu'une conception finale fonctionnera dans la pratique comme prévu. Les modèles peuvent démontrer que les conceptions proposées répondront aux exigences de qualité des effluents dans des conditions de conception précises, y compris les débits de pointe et les scénarios de charge maximale.
Pour les systèmes de désinfection en particulier, la modélisation est devenue largement acceptée pour démontrer un temps de contact adéquat et une inactivation des agents pathogènes. Les études de traceurs validées à l'aide de modèles CFD fournissent des preuves quantitatives de la performance hydraulique qui satisfait aux exigences réglementaires.
Modification des permis à l'appui
Lorsque les installations cherchent à modifier des permis, qu'il s'agisse d'augmenter la capacité, d'accepter de nouveaux flux de déchets ou de mettre en oeuvre des changements de processus, la modélisation peut fournir des preuves que les modifications proposées maintiendront la conformité.
Cette approche fondée sur la modélisation peut permettre des modifications qui pourraient nécessiter des améliorations coûteuses de l'infrastructure. En démontrant une capacité et une performance adéquates grâce à la modélisation, les installations peuvent souvent obtenir une flexibilité opérationnelle et des économies tout en maintenant la protection de l'environnement.
Acceptation et documentation du modèle
L'acceptation réglementaire des données de modélisation dépend de la crédibilité du modèle par une étalonnage, une validation et une documentation appropriées.Les organismes exigent généralement des preuves que les modèles ont été étalonnés selon des conditions spécifiques au site et validés par des données indépendantes.
Certains organismes de réglementation ont élaboré des documents d'orientation ou des protocoles précis pour les applications de modélisation dans leur territoire. La connaissance de ces exigences et la participation précoce du personnel de réglementation aident à faire en sorte que les études de modélisation soient acceptées comme preuves permises.
Considérations économiques et rendement des investissements
Bien que la modélisation computationnelle exige un investissement initial dans les logiciels, la formation et le temps d'ingénierie, le rendement de cet investissement peut être considérable lorsque la modélisation est appliquée efficacement.
Économies de coûts en capital
La modélisation peut réduire les coûts d'immobilisation en optimisant les conceptions pour éliminer les capacités inutiles ou les surconceptions. En prédisant avec précision les performances, les modèles permettent des conceptions qui répondent aux exigences sans facteurs de sécurité excessifs.
L'élimination des erreurs de conception qui nécessiteraient des modifications coûteuses pendant la construction ou après le démarrage fournit une autre source d'économies en capital. Le coût de la fixation des problèmes de conception augmente considérablement à mesure que les projets avancent de la conception à la construction à l'exploitation.
Réduction des coûts opérationnels
Les économies de coûts d'exploitation réalisées grâce à l'optimisation basée sur la modélisation peuvent être substantielles et récurrentes. L'optimisation de l'énergie seule peut réduire les coûts d'exploitation de centaines de milliers de dollars par année pour les grandes installations.
L'amélioration de la fiabilité des processus et la réduction des événements de perturbation réduisent les coûts associés aux violations des permis, aux interventions d'urgence et à la récupération des processus.
Valeur de réduction des risques
La réduction des risques qu'offre la modélisation a une valeur économique qui peut être difficile à quantifier avec précision mais qui est néanmoins réelle.La réduction des probabilités de défaillances de conception, de violations de permis ou de problèmes opérationnels fournit de la valeur par des coûts et des passifs évités.
La modélisation réduit également les risques liés aux calendriers en identifiant et en résolvant les problèmes pendant la conception plutôt que pendant la construction ou le démarrage.
Conclusion
La modélisation informatique est devenue un outil indispensable dans la conception moderne des stations de traitement des eaux usées, offrant des capacités qui améliorent fondamentalement la façon dont les ingénieurs abordent les défis complexes de conception.
Les avantages de la modélisation computationnelle – y compris la réduction des coûts, l'optimisation de la conception, l'amélioration de l'efficacité opérationnelle et l'atténuation des risques – justifient de façon convaincante son application sur une vaste gamme de types et d'échelles de projets.
Cependant, la réalisation de tout le potentiel de la modélisation computationnelle exige plus que la simple puissance du logiciel et de l'informatique. Elle exige une expertise en sélection, calibration et interprétation des modèles; des données de haute qualité pour le développement et la validation des modèles; une intégration efficace avec les flux de travail de conception; et une communication claire des résultats aux intervenants.
La convergence de la modélisation computationnelle avec l'intelligence artificielle, les capteurs Internet des objets, l'informatique en nuage et les technologies numériques à double fonction promet de révolutionner encore la conception et le fonctionnement des stations de traitement des eaux usées.
L'industrie du traitement des eaux usées continue d'évoluer vers la récupération des ressources, l'autosuffisance énergétique et les principes de l'économie circulaire, et la modélisation computationnelle jouera un rôle central dans la conception et l'exploitation de la prochaine génération d'installations de récupération des ressources en eau.
Pour les ingénieurs, les services publics et les consultants qui travaillent dans le traitement des eaux usées, la modélisation computationnelle n'est plus facultative mais essentielle pour fournir des solutions rentables, performantes et durables. L'avancement continu des capacités de modélisation, associé à la reconnaissance croissante de leur valeur, garantit que la modélisation computationnelle restera au premier plan de l'innovation dans la conception des stations de traitement des eaux usées pour les années à venir.
Ressources supplémentaires
Pour les professionnels qui cherchent à approfondir leur compréhension de la modélisation informatique dans le traitement des eaux usées, de nombreuses ressources sont disponibles. Des organisations professionnelles comme la Fédération de l'environnement de l'eau (FEE) et l'Association internationale de l'eau (IWA) offrent des conférences, des ateliers et des publications axées sur les applications de modélisation.
Les fournisseurs de logiciels offrent généralement des programmes de formation, des conférences d'utilisateurs et un soutien technique pour aider les utilisateurs à maximiser la valeur de leurs outils de modélisation. Les publications de l'industrie présentent régulièrement des études de cas et des articles techniques décrivant les applications et les innovations de modélisation.
Pour ceux qui souhaitent explorer des outils de modélisation informatique, plusieurs options gratuites ou peu coûteuses offrent des points d'entrée accessibles. Les logiciels libres et les versions éducatives des plateformes commerciales permettent d'apprendre et d'expérimenter sans investissement financier majeur.
Les ressources externes pertinentes comprennent La Fédération de l'environnement aquatique[, qui fournit des ressources importantes sur les technologies de traitement des eaux usées et les pratiques de modélisation, et L'Association internationale de l'eau[, qui publie des recherches et facilite l'échange de connaissances sur les innovations en matière de traitement de l'eau et des eaux usées.Le programme de recherche sur l'eau de l'Agence de protection de l'environnement des États-Unis offre des conseils techniques et des résultats de recherche pertinents à la conception et à la modélisation des usines de traitement.
En tirant parti de ces ressources et en continuant de faire progresser les capacités de modélisation, la collectivité du traitement des eaux usées peut exploiter toute la puissance de la modélisation computationnelle pour concevoir des installations de récupération des ressources en eau plus efficaces, durables et résilientes qui répondent aux défis du XXIe siècle et au-delà.