11e conférence du groupe de spécialistes de l'association

internationale de l'eau sur la technologie des bassins d'eaux usées,

Université de Leeds, mars 2016

Modélisation dynamique d'un système d'étang complet

G. Chauvon2, H. Jupsin1, A. Van de Wouver2, M. Von Sperling3, J.-L. Vasel1

1
Unité: Assainissement et Environnement. Département Sciences et Gestion de
l’Environnement. Université de Liège (Belgique).
2
Université de Mons (Belgium)
3
Département de génie sanitaire et environnemental; Université fédérale du Minas
Gerais, Belo Horizonte, Brésil.

Conférencière. Courriel: jlvasel@ulg.ac.be

ABREVIATIONS :

HRAP (high rate algae pond) : étang d'algues à haut débit

WSP (Waste stabilization pond) : Bassin de stabilisation des déchets

ADM model ( Anaerobic Digestion model) : Modèle de digestion anaérobie

ASM  (Activated sludge model) : Modèle de boues activées

SOD (Sediment Oxygen Demand) : Demande en oxygène des sédiments

DCO : demande chimique en oxygène

DBO : demande biologique en oxygène

MBR (membrane bioreactor) : bioréacteur à membrane

SBR (sequencing batch reactor): réacteur séquentiel discontinu

RESUME

Dans cet article, nous démontrons qu'il est possible de développer des modèles dynamiques pour des
systèmes d'étangs complets, c'est-à-dire avec différents types d'étangs. Dans notre exemple, nous
combinons un étang anaérobie avec un étang HRAP, mais d'autres types d'étangs pourraient être utilisés tels
que les étangs aérés, facultatifs, les étangs de maturation… Nous espérons que ce type d'exemples favorisera
l'utilisation de modèles dynamiques dans le domaine WSP .

MOTS CLÉS

bassin anaérobie, modèle, modèle ADM, acidogénique, hydrolyse, stoechiométrie. processus biochimiques;
HRAP; hydrodynamique; modèle mathématique;

INTRODUCTION

Des modèles mathématiques dynamiques ont été développés dans le domaine des eaux usées depuis plus de
vingt ans maintenant. Pour les processus de boues activées, des modèles tels que ASM1,2,3 ont largement
contribué au développement et à l'amélioration du processus. Des schémas de contrôle pourraient être
développés sur la base de ces modèles pour améliorer la conception et les performances de ces systèmes
complexes. Il n'est donc pas surprenant que des modèles dynamiques similaires soient proposés pour
d'autres types de réacteurs biologiques tels que SBR, MBR, digesteurs, systèmes de biofilms… mais peu pour
les WSP. Certaines raisons sont sûrement dues au fait que les systèmes d'étangs semblent faciles à
construire et à utiliser, mais sont en fait beaucoup plus complexes que le processus habituel de boues
activées. Par exemple, au moins un autre compartiment de biomasse (algea) doit être ajouté au
compartiment bactérien habituel. Une autre raison est également qu'un système WSP est généralement
composé de différents types d'étangs (anaérobie, facultatif, maturation), ce qui signifie que différents types
de modèles doivent être utilisés et combinés.

Dans cet article, nous démontrons qu'il est possible de développer des modèles dynamiques pour des
systèmes d'étangs complets. Dans notre exemple, nous combinons un étang anaérobie avec un bioréacteur
HRAP, mais d'autres types d'étangs pourraient être utilisés tels que les étangs aérés, facultatifs, les étangs de
maturation…

Nous espérons que ce type d'exemples favorisera l'utilisation de modèles dynamiques dans le domaine WSP.
ÉTANG ANAÉROBIE

Peu de modèles non «boîte noire» ont été développés pour décrire les étangs anaérobies, en particulier
lorsqu'il s'agit de modèles «en régime non permanent». Nous avons développé un premier modèle de bassin
anaérobie de type ADM qui combine décantation et processus biologiques anaérobies. L'efficacité de
décantation est calculée à partir d'un modèle de type suspension floculante présenté précédemment (Effebi
et al., 2011). Pour les processus biologiques, le schéma principal est basé sur le modèle ADM1 plus général
(Batstone et al., 2002). Cependant, le modèle ADM1 est trop sophistiqué et nécessiterait trop de mesures
pour décrire le comportement d'un étang «simple». Nous avons ainsi simplifié le modèle en développant
ensemble la stoechiométrie de l'hydrolyse globale et des processus acidogènes sur les principaux
constituants des eaux usées, c'est-à-dire les glucides, les protéines et les graisses, regroupés dans un ``
substrat combiné '' en tenant compte de leurs proportions pour des exemples donnés. Notre approche
comprend la production de biomasse, combinée à des mesures d'activité (Effebi et al, 2006), pour produire
certains paramètres stœchiométriques et cinétiques.

STOECHIOMÉTRIE DU MODÈLE ANAÉROBIE

À partir de la composition principale des eaux usées (protéines, glucides et graisses), nous utilisons la
stœchiométrie des réactions complètes, y compris l'hydrolyse et l'activité acidogénique et la production de
biomasse, pour décrire une première étape générale. Dans la deuxième étape, la méthanogenèse est décrite
exactement comme dans le modèle ADM1.

Le processus pour obtenir l'équation globale a été décrit ailleurs (Effebi, 2009; Effebi et al., 2011, d'autres
proportions ont également été suggérées dans le cas du Burundi par Nsavyimana (2014).

En tenant compte des proportions de glucides, de protéines et de lipides et des coefficients de rendement
(Y) de chaque substrat dans les eaux usées, comme indiqué ci-dessus, une équation telle que l'équation
suivante peut être obtenue

C23H49O9N + 0.25 NH4 + + 9.78 HCO3- + 6.16 H2O →

0.25 C5H7NO2 + 9.53 CH3COO- + 12.47 CO2 + 19.38 H2 + NH3
(avec C23H49O9N comme «substrat combiné» dans ce cas),

On peut vérifier que la DCO totale des deux côtés de cette équation est égale. La valeur Y est en fait une
moyenne pondérée des valeurs Y anaérobies des différents composants. La production de biomasse est prise
en compte et les productions d'acétate et de H2 sont également déduites de cette équation.

Dans une autre étape, l'acétate et H2 sont transformés en biogaz, et pour ces étapes, les équations,
stœchiométrie et cinétique ADM1 habituelles sont adoptées (Batstone et al, 2002).

La matrice de Petersen-Gujer du modèle ADM1 modifié a été présentée dans un autre article (Effebi et al .;
2013). De cette façon, le modèle ADM1 est hautement simplifié, avec sept processus (19 pour ADM1) et onze
variables d'état (24 pour ADM1), ce qui le rend plus adapté à la modélisation des systèmes d'étangs.

STRUCTURE DE MODÈLE ANAÉROBIE

L'hydrodynamique du modèle est basée sur des réservoirs connectés en série où le nombre de réservoirs
peut être obtenu à partir d'essais de traçage. De plus, chaque réservoir en phase liquide échange de la
matière avec sa couche de sédiments correspondante. La décantation se produit en phase liquide, avec le
transfert correspondant de solides à la couche sédimentaire (boues). Les processus biologiques ci-dessus
peuvent être inclus dans les deux compartiments (liquide et dépôts) .Pour faciliter le calcul dans le cas
présent, nous avons décidé de ne conserver les processus biologiques qu'en phase liquide, c'est-à-dire que
les sédiments sont censés être inertes. Bien sûr, l'activité des sédiments peut être incluse dans le modèle
(Jupsin et Vasel, 2007) mais cela augmente le temps de calcul et nous considérons que cela n'était pas
nécessaire dans le cas présent où nous voulons illustrer le concept. Le principe du modèle est illustré sur la
figure 1

Figure 1. Schéma général de la structure du modèle

MODÈLE D'ÉTANG ALGAL À HAUT DÉBIT (HRAP)

Cette partie présente un modèle mathématique pour décrire les étangs d'algues à haut débit (HRAP).

HYDRODYNAMIQUE

Macroscopiquement et sur une plus longue période, le réacteur continue de répondre comme un modèle
parfaitement mélangé en raison du grand nombre de recirculation d'un élément de fluide avant de quitter le
système. Mais pour les périodes plus courtes, le réacteur se comporte comme un réacteur de type à
écoulement piston avec recirculation. Le comportement hydrodynamique du réacteur est décrit comme des
réservoirs complètement mélangés en série avec recirculation.

PROCESSUS BIOCHIMIQUES

Le modèle hydrodynamique est combiné avec des bilans de masse comprenant les processus biologiques
suivants:

– –
Croissance du phytoplancton avec NO3 , NO et mortalité,

– +
Croissance aérobie des hétérotrophes avec NO3 , NH et respiration,

– –
Croissance anoxique des hétérotrophes avec NO3 , NO et respiration anoxique,

Croissance des nitrifieurs (deux étapes) et respiration. Nous avons inclus un terme limitant associé au
carbone inorganique sur le taux de croissance des algues et des nitrificateurs, les transferts de gaz (O2, CO2,
NH3) sont pris en compte par l'équation Adeney familière, et un sous-programme calcule l'intensité
lumineuse à la surface de l'eau.

Les principaux processus biochimiques sont décrits par des bilans de masse, la matrice stoechiométrique a
été présentée ailleurs (Jupsin et al., 2003).

CARACTÉRISTIQUES SPÉCIFIQUES DU MODÈLE

Certains processus sont introduits d'une manière spécifique à notre modèle.

La contribution des sédiments dans le bilan d'oxygène peut être prise en compte par un terme SOD
(Sediment Oxygen Demand) (Jupsin et Vasel, 2007).

Intensité lumineuse :
L'intensité lumineuse est calculée par un sous-programme spécial qui permet de calculer l'intensité
lumineuse moyenne à une altitude donnée n'importe où sur la terre pour chaque jour tout au long de
l'année.

Un exemple de variation de l'intensité lumineuse à Bujumbura (Burundi) est donné sur la figure 2.

Figure 2. Intensité lumineuse (Bujumbura, Burundi) à la surface de l'eau et à 0,5 m de profondeur. Nous
intégrons l'intensité lumineuse sur la profondeur, en prenant un auto-ombrage de la biomasse totale.

Ieff profondeur I *Z

surf * e * dz / profondeur

Avec

profondeur: profondeur totale de l'étang HRAP (m).

Isurf: intensité lumineuse à la surface de l'étang (W / m2)

Ieff: intensité lumineuse totale dans une section verticale de l'étang (W / m2)

avec η = 0,32 + 0,03 * solides en suspension

z: distance de la surface (m)

dz: pas de calcul (m).

LOGICIEL ET RÉSULTATS

Des simulations ont été réalisées à l'aide du simulateur de traitement des eaux usées WEST®.

WEST® (Amerlinck et al 2003) offre une plate-forme de modélisation et de simulation conviviale

pour différents processus.Ce système facilite parfaitement l'optimisation des processus,
l'identification des goulots d'étranglement de la réduction des coûts, la conception du contrôleur,
l'automatisation et même la formation des opérateurs.

Figure 3. Exemple d'intensité lumineuse en fonction de la profondeur de l'eau. (L'intensité de la

surface est supposée être de 1 000 W / m2 et les solides en suspension ont une concentration
uniforme de 200 g / m3).

Comme on peut le voir sur cette figure, une profondeur plus profonde ne serait pas
photosynthétiquement active.

La charge adoptée pour le présent document est calculée à partir de mesures effectuées à
Bujumbura pour caractériser la charge spécifique par habitant (Nsavyimana, 2014) et caractériser
séparément la contribution des matières fécales, de l'urine, du papier et des eaux usées
domestiques. Le tableau 1 présente la charge spécifique par habitant utilisée dans cette étude et le
tableau 2 présente le fractionnement de la charge qui servira de valeur d'entrée pour le réacteur
anaérobie.

Tableau 1. Charge spécifique par Tableau 2. Fractionnement de la charge (entrée

habitant (Bjujumbura)
Fraction Valeur Unité
EH S_Ac gDCO/m3
1
Burundi Valeur Unité
S_CH4 1 gDCO/m3
Volume 100 L cap-1 d-1 S_h2 0 gDCO/m3
SAlk 19 g cap-1 d-1 S_sc 421 gDCO/m3
N-NH4+ 4.3 g cap-1 d-1 S_i 44 gDCO/m3
X_sc réglable 358 gDCO/m3
N-total 5.9 g cap-1 d-1
X_sc non 131 gDCO/m3
MES 62 g cap-1 d-1 réglable

DOC_tot 117 -1
g cap d -1 X_VFA 87 gDCO/m3
X_meAc 62.7 gDCO/m3
DBO5 54 g cap-1 d-1
X_meH2 24.4 gDCO/m3
X_i 39.8 gDCO/m3
Total 1170.9 gDCO/m3
COMBINAISON DES DEUX MODÈLES

Comme les variables d'état des systèmes anaérobies et des systèmes aérobies ne sont pas les mêmes, les
variables d'état à la sortie du bassin anaérobie doivent être converties en flux d'entrée pour le HRAP.

La transformation se fait comme suit:

L'entrée du HRAP est la sortie de l'étang

anaérobie mais SS=SAC+SCH4
X_S = S_CS + X_CS + X_CD +X_AC + .X_H2.
Sont réglés à zéro : SO, SNH3, SNO2, SNO3 , , SH2PO4, SCO2, SCO3, SH, SOH,

Sont réglés à 1 mg / L pour des raisons numériques :XH,XN1,,XN2,XALG,XALG2

Autres SHPO4= 20 ; SHCO3 = 500; SCA= 10

L'USINE DE TRAITEMENT COMPLÈTE

Nous avons défini la charge et le débit précédemment. Elle correspond à 9000 habitants à Bujumbura
(longitude -3,44, latitude 29,39, Burundi) telle que définie par Nsavyimana (2014).

Pour la simulation, nous avons pris un bassin anaérobie de 4200 m3 (HRT théorique 4,66 j, profondeur 3,75
m, chargé à 200 gO2m-3 j-1, température 25 ° C).

Le schéma hydrodynamique de cet étang anaérobie est modélisé en 6 étangs en série (700 m3 chaqun).

L'étang HRAP a un volume de 6000 m3, une profondeur de 0,5 m (débit d'entrée 900 m3 / j, recirculation 100
000 m3 / j. Temps de circulation: 1,44 h). Pour prendre en compte le type de flux de bouchons de HRAP, il est
modélisé en 60 réacteurs en série.

RÉSULTATS ET DISCUSSION

A l'état d'équilibre, la sortie du bassin anaérobie est indiquée dans le tableau 3 (concentration en mg / L)

Tableau 3. Principales variables d'état (entrée et sortie) calculées avec le modèle pour l'étang anaérobie

Fraction soluble Entr Sortie Fraction particulaire

(mg COD/l) ee totale de DCO
S_AC 1 109 S_IC 190 192
S_CH4 0,00 1 S_IN 43 44
1 S_ALK 1 1
S_CS 420 253 Total DCO 103 534
S_I 45 45 6
S_H2 0,00 72
1
A partir du tableau ,on, peut voir que l'efficacité de
Fraction soluble 466 480
l'étang anaérobie est due à l'effet stleing sur la matière
totale de DCO
Fraction particulaire particulaire.
(mg
DCO/L)
X_AC 62 6
X_CD 87 10
Tableau 4 : Résultats du HRAP à l'état presque stable
X_CS 357 32
X_I 40 4
X_H2 24 2
570 54
 Entrée sortie S_HCO3_L 500 107
H2O (m3/d) 900 900 S_CO3_L 0 0
S_I 45 45 S_H_L 0 0
S_S_L 110 0 S_OH_L 0 0
S_O_L 0 3 S_CA_L 10 13
S_NH4_L 44 78 S_ALK 100 10
Figure 4.
S_NH3_L 0 1 X_I 4 44
Evolution
S_NO2_L 0 2 X_S_L 284 5
temporelle X_H_L 1 194
S_NO3_L 0 8
S_HPO4_L 20 14 de certaines X_N1_L 1 5
S_H2PO4_L 0 9 variables X_N2_L 1 1
S_CO2_L 0 11 d'état pour X_ALG_L 1 463
l'étang X_ALG2_L 1 0
anaérobie. Total DCO 448 757

Les simulations indiquent qu'avec un afflux constant, un

état presque stable est atteint très rapidement pour le bassin anaérobie et dans les 2-3 mois pour le HRAP. .
À partir de ces résultats, la valeur d’equilibre DCO peut être calculé et comparé aux données de terrain.

Comme on peut le voir, l'efficacité du bassin anaérobie sur la DCO est proche de 50%, mais une
partie de celle-ci est accumulée dans les sédiments et une autre partie est due à la perte de méthane dans
l'atmosphère. Si nous voulons nous adapter aux objectifs de la COP 21, nous devons au moins essayer de
collecter ce méthane.
 Figure 5. Évolution dans le temps des particules, en particulier de la biomasse à la sortie du HRAP

Figure 6. Evolution temporelle de certains composés solubles à la sortie du HRAP

 Des cycles quotidiens sont clairement observés pour certaines variables d'état. Comme on peut le
voir, l'influence de la lumière est clairement marquée sur les concentrations d'oxygène et d'algues (lente
diminution de la concentration journalière maximale).

En ce qui concerne le HRAP, le modèle indique que l'efficacité d'élimination de la DCO est négative.
Cela est principalement dû à la production d'algues et d'arché. Il confirme que les HRAP sont des réacteurs
qui produisent de la DCO et ils doivent être pris en considération si l'algée sera séparée de l'effluent. Dans ce
cas, la DCO de l'effluent serait proche de 100 mg / L.

CONCLUSIONS

Cet article présente un premier modèle de système d'étang complet combinant deux types d'étangs
différents (étang anaérobie et HRAP). Le modèle de bassin anaérobie combine le processus de sédimentation
et les processus biologiques. Pour réduire la complexité du modèle, un «substrat complexe» est défini pour
combiner les teneurs en hydrocarbures, protéines et lipides. Les premiers résultats sont prometteurs,
donnant une efficacité globale d'élimination de la DCO similaire à celle mesurée sur le terrain.

Le modèle HRAP présenté dans cet article est basé sur le modèle de qualité de l'eau de rivière 1, avec des
simplifications et des extensions des diverses équations de processus biochimiques présentées dans Reichert
et al. (2000). L’hydrodynamique du système est assez simple car le réacteur est modélisé par une série de
réacteurs complètement mixtes avec recirculation, ce qui augmente bien sûr le temps de calcul. Certaines
fonctionnalités spécifiques ont été ajoutées, telles que le calcul de l'intensité lumineuse en fonction du lieu
(long., Lat.), De la date et de l'heure, en tenant compte de la demande en oxygène des sédiments, et le calcul
de l'ombrage automatique par les solides en suspension .

BIBLIOGRAPHIE
AMERLINCK, Y., GILLOT, S., VANROLLEGHEM, P. (2003) “Benchmarking WWTP
control strategies with robustness and economic measures as performance criteria”,
Procedings of the Gent WWWest conference.
BATSTONE D. J., J.KELLER, I. ANGELIDAKI, S. V. KALYUZHNYI, S. G.
PAVLOSTATHIS, A. ROZZI, W. T. M. SANDERS, H. SIEGRIST AND V. A.
VAVILIN (2002). Anaerobic digestion model n°1 (ADM1), Scientific and Technical
Report N°13, IWA publishing, 77 pp.
BIGUMANDONDERA , P. « Etude de l’assainissement non collectif en Afrique
Subsaharienne : Application à la ville de Bujumbura»., 2014, PhD thesis, University of
Liège, Belgium, 248 P
EFFEBI K.R., JUPSIN H. AND VASEL J.-L. Acidogenic and methanogenic activities in
anaerobic ponds -7th IWA (International Water Association) Specialist Group
Conference on Waste Stabilization Ponds, (2006)Advances in Pond Technology and
Management, 25-27 September, poster (Bangkok).
EFFEBI, K. ; R.; Lagunage anaérobie : modélisation combinant la décantation primaire et la
dégradation anaérobie. 2009, PhD thesis, University of Liège, Belgium, 128 P
EFFEBI KÔKÔH, R., KEFFALA, C., VASEL, J.-L.; Suspended solids settling and
determination of the half removal time in anaerobic wastewater stabilization ponds
Revue Science de l’Eau, 2011, Volume 24, numéro 1, p. 53-61, 14 p.
EFFEBI K., R., JUPSIN, H., KEFFALA, C., VASEL, J.-L. ; A model for anaerobic ponds
combining settling and biological processes. 2013. Water Science and Technology,
67, 12, p 266,.

EL OUARGHI, H., BOUMANSOUR, B.-E., DUFAYT, O., EL HAMOURI, B., VASEL, J.-
L.; Hydrodynamics and oxygen balance in high-rate algal pond., 2000, Water Science
Technology, vol.42, n°10, pp 349-356,
JUPSIN, H., VASEL, J.-L.; Modelisation of the contribution of sediments in the treatment
 process; Case of aerated lagoons; 2007, Water Science & Technology, Vol 55, N°11,
pp 21–27 © IWA Publishing
JUPSIN, H., PRAET, E., VASEL, J.-L.; Dynamic mathematical model of high rate algal
ponds (HRAP), 2003,Water Science Technology, vol. 48, n°2, pp 197-204,
KAMMA RAUNKJER, THORKILD H. J. AND PER HALKJAER N. (1994). Measurement
of pools of protein, carbohydrate and lipid in domestic wastewater. Wat. Res.,
28(2):251-262.
LIADY , M. N. D. ; «Production des cladocères dans les bassins de lagunage : modélisation et
analyse de rentabilité de leur valorisation»., 2014, PhD thesis, University of Liège,
Belgium, 243 P
MORGENROTH E., KOMMEDAL R. AND HARREMOËS P. (2002). Processes and
modelling of hydrolysis of particulate organic matter in aerobic wastewater treatment -
a review. Wat. Sci. Tech. 45(6):25-40.
NSAVYIMANA, G. ; «Modélisation des processus physiques et biologiques dans les fosses
septiques et voies de valorisation des boues de vidange : application à Bujumbura –
Burundi », 2014, PhD thesis, University of Liège, Belgium, 295 P.
REICHERT, P., BORCHARDT, D., HENZE, M., RAUCH, W., SHANAHAN, P.,
SOMLYODY, L. AND VANROLLEGHEM, P. (2001). River Water Quality Model
No 1 (RWQM1) II. Biochemical Process Equations. Wat. Sci. Tech., 43(5), 11–30.
SOLER, A., MORENO, M.D. AND SAEZ, J. et al. (2000). Kinetic model for wastewater
deep stabilization ponds in batch mode. Wat. Sci. Tech., 42(10), 315–325.
SOTEMANN, S. W., VAN RENSBURG, P., RISTOW, N.E., WENTZEL, M.C.,
LOEWENTHAL, R.E. and EKAMA, G.A. (2004). Integrated chemical/physical and
biological processes modelling part 2: anaerobic digestion of sewage sludges. Procs.
Water Intstitute of Southern Africa Biennial Conference (WISA 2004), Cape Town,
May, ISBN 1-920-01728-3.
VANROLLEGHEM, P., BORCHARDT, D., HENZE, M., RAUCH, W., REICHERT, P.,
SHANAHAN, P. AND SOMLYODY, L. (2001). River Water Quality Model 1, III
Biochemical Submodel Selection. Wat. Sci. Tech., 43(5), 31–40