Rapport de Stage Version Finale

REPUBLIQUE TUNISIENNE
Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

Université de Carthage
Institut National des Sciences Appliquées et de Technologie
Projet de Fin d’Etudes

En vue de l’obtention du
Diplôme National d’Ingénieur

en Sciences Appliquées et Technologie
Spécialité : Chimie Industrielle
Traitement des eaux usées municipales par

Bioréacteur à Membrane (BRM): Optimisation du
nettoyage physique par contrôle optimale
Présenté par
Aymen CHAABEN
Réalisé au sein de l’ONAS
Soutenu le 04/10/2021 devant le jury composé de :
Mme Souhir ABDELMOUMEN Présidente du jury

Mr Houssam BINOUSS Examinateur
Mr Samir NASR Responsable à l’entreprise
Mme Fatma ELLOUZE Responsable à l’INSAT
Année Universitaire : 2021 / 2022

REPUBLIQUE TUNISIENNE
Ministère de l’Enseignement Supérieur et de la Recherche Scientifique
Université de Carthage
Institut National des Sciences Appliquées et de Technologie
Projet de Fin d’Etudes

En vue de l’obtention du
Diplôme National d’Ingénieur

en Sciences Appliquées et Technologie
Spécialité : Chimie Industrielle
Traitement des eaux usées municipales par

Bioréacteur à Membrane (BRM): Optimisation du
nettoyage physique par contrôle optimale
Présenté par
Aymen CHAABEN
Réalisé au sein de l’ONAS
Responsable à l’entreprise Responsable à l’INSAT

Mr. Samir NASR Mme Fatma ELLOUZE
Date : Date :
Année Universitaire : 2021 / 2022

DÉDICACE
Je dédie ce travail à tous ceux qui me sont chers :
A mes chers parents, Taher et Zakia, pour leur amour et leurs sacrifices,
qui n’ont jamais cessé, de me soutenir et de m’épauler pour que je puisse
atteindre mes objectifs.
A ma chère sœur Meriem et mes chers frères Mongi et Hamdi,
Qui m’ont aidé et supporté dans les moments difficiles
Que Dieu vous protège et vous garde pour moi
A ma chère grand-mère,
Qui je souhaite une bonne santé.
A tous les membres de ma famille,
A tous mes amis
Pour leurs aides et supports dans les moments difficiles.
A tous ceux que j’aime.

Remerciements
Ces années passées à l'INSAT furent denses, non seulement en apprentissage, mais
aussi en émotions fortes, en rencontres.
Tout d’abord, je remercie le bon dieu qui m’a permis d’arriver à ce stade de
connaissances et m’adonnée la force pour survivre.
Je tiens à remercier toutes les personnes qui ont contribué au succès de mon stage et
qui m’ont aidée lors de la rédaction de ce mémoire.
Je voudrais remercier ma chère professeure Mme Fatma Ellouze, ma responsable de
stage à l’INSAT, pour sa patience, sa disponibilité et surtout ses judicieux conseils,
qui ont contribué à alimenter ma réflexion. Et grâce à son accompagnement précieux,
j’ai pu m’accomplir totalement mes missions.
Je tiens à remercier Mr. Jérôme HARMAND, directeur de recherche au LBE-INRA,
qui m’a facilité beaucoup l’accueil à Narbonne et en LBE. Monsieur Jérôme
HARMAND m'a formé sur la modélisation, l'optimisation et surtout le contrôle des
procédés.
Je remercie également Mr. Samir NASR, chef de département épuration de
l’entreprise, qui m’a permis d’avoir réalisé ce projet de fin d’études.
Je désire aussi remercier Mme Aida, pour ses nombreuses appréciables relectures et
corrections de ce rapport.
Je voudrais aussi associer à ces remerciements Mme Nihel Ben Amar, Professeure à
l'INSAT, pour son aide précieuse et ses conseils judicieux.

Je présente mes remerciements, mon respect et ma sincère gratitude à tous les
membres de jury, en particulier Mr. Houssam Binouss et Mme. Souhir Abdelmoumen
pour l’évaluation de ce projet.

Table des matières
LISTE DES ACRONYMES ....................................................................................................vii
NOMENCLATURE .............................................................................................................. viii
LETTRE GRECQUES.......................................................................................................... xi
GLOSSAIRE.......................................................................................................................... xiii
INTRODUCTION GENERALE ............................................................................................... 1
I. Etude bibliographique ........................................................................................................ 4
Introduction ............................................................................................................................ 4
I.1 Les eaux usées municipales......................................................................................... 4
I.1.1 Paramètres de la pollution des eaux usées municipales ....................................... 4
I.1.2 Le traitement conventionnel des eaux usées au niveau des STEPs ..................... 5
I.2 Bioréacteur à membrane.............................................................................................. 7
I.2.1 Bioréacteur à membrane aérobie ......................................................................... 7
I.2.2 Bioréacteur à membrane anaérobie ...................................................................... 8
I.2.3 Grandeurs caractéristiques ................................................................................... 9
I.2.4 Performances des bioréacteurs à membrane ...................................................... 12
I.3 Le colmatage membranaire ....................................................................................... 14
I.3.1 Les types et les mécanismes du colmatage ........................................................ 14
I.3.2 Paramètres affectant le colmatage membranaire ............................................... 16
I.3.3 Les moyens pour lutter contre le colmatage membranaire ................................ 17
I.4 Contrôle du colmatage dans les Bioréacteurs à membrane ....................................... 19
I.4.1 Contrôle optimal ................................................................................................ 19
I.4.2 Contrôle automatique ......................................................................................... 21
II. Matériel et méthodes ........................................................................................................ 25
Introduction .......................................................................................................................... 25
II.1 Présentation de la station d’épuration des eaux usées Charguia I ............................. 25
II.2 Etude pilote ............................................................................................................... 26
i
II.2.1 Description du pilote .......................................................................................... 26
II.2.2 Module membranaire ......................................................................................... 28
II.3 Les conditions opératoires ......................................................................................... 29
II.3.1 La solution d’alimentation ................................................................................. 29
II.3.2 Le flux critique ................................................................................................... 30
II.3.3 Les méthodes de fonctionnement....................................................................... 31
II.4 Test d’intégrité de la membrane ................................................................................ 32
II.4.1 la perméabilité à l’eau .............................................................................................. 32
II.4.2 Test de bullage ......................................................................................................... 33
II.5 Nettoyage chimique................................................................................................... 33
II.6 Analyses et échantillonnages .................................................................................... 34
II.6.1 pH, conductivité et turbidité .................................................................................... 34
II.6.2 la matière en suspension.......................................................................................... 34
II.6.3 la demande chimique en oxygène (DCO).................................................................. 35
II.6.4 L’azote total et le phosphore.................................................................................... 35
III. Etude des performances et du colmatage du BRM ....................................................... 36
Introduction .......................................................................................................................... 36
III.1 Performances du bioréacteur à membrane............................................................. 36
III.1.1 Performances d’abattement des caractéristiques de l’eau .................................. 36
III.2 Etude du colmatage membranaire ......................................................................... 40
III.2.1 Caractérisation des mécanismes du colmatage membranaire ............................ 40
III.2.2 Influence des paramètres de filtration et de rétro-lavage sur le colmatage

membranaire .................................................................................................................... 41
Conclusion ........................................................................................................................... 43
IV. Modélisation et Contrôle optimal en boucle ouverte .................................................... 44
Introduction .......................................................................................................................... 44
IV.1 Modélisation du colmatage .................................................................................... 44
ii
IV.1.1 Modèle à flux constant ....................................................................................... 44
IV.1.2 Validation expérimentales du modèle ................................................................ 46
IV.1.3 Résultats de simulation ...................................................................................... 47
IV.2 Contrôle optimal en boucle ouverte....................................................................... 50
IV.2.1 Problème du contrôle optimal ............................................................................ 50
IV.2.2 Description de la trajectoire optimale ................................................................ 51
IV.2.3 Implémentation pratique de la solution analytique ............................................ 52
IV.2.4 Applications ....................................................................................................... 52
Conclusion ........................................................................................................................... 59
V. Contrôle à boucle fermée appliqué à un BRMAn ............................................................ 60
Introduction .......................................................................................................................... 60
V.1 Formulation du contrôle optimal en boucle fermée .................................................. 60
V.1.1 Description de la stratégie .................................................................................. 61
V.1.2 Commande optimale adaptative ......................................................................... 61
V.2 Modélisation du BRMAn .......................................................................................... 62
V.2.1 Couplage des modèles de colmatage et des modèles biologiques ..................... 62
V.2.2 Formulation du modèle ...................................................................................... 63
V.2.3 Simulation du modèle ........................................................................................ 69
V.3 Application de contrôle à boucle fermée................................................................... 72
Conclusion ........................................................................................................................... 74
Conclusion générale ................................................................................................................. 75
Références biobliographiques .................................................................................................. 77
ANNEXE .................................................................................................................................... i
ANNEXE 1 : Normes Tunisienne NT 106.02 (1989)............................................................ii
ANNEXE2 : Problème de contrôle optimal d’un système de filtration membranaire .......... v
iii
LISTE DES FIGURES
Figure I-1 : Les procédés de traitement des eaux usées [4] ....................................................... 5
Figure I-2: schéma (a) BRM immergée (BRMI), et (b) BRM immergée en externe (BRMIe)
[19] ............................................................................................................................................. 8
Figure I-3 : Schéma des différents mécanismes de colmatage[34].......................................... 15
Figure I-4 : Représentation du procédé en boucle ouverte [54]............................................... 21
Figure I-5 : Représentation du procédé en boucle fermée [54]. .............................................. 22
Figure II-1 : schéma représentatif de la configuration du traitement secondaire par BRMIe 26
Figure II-2 : schéma représentatif du pilote ............................................................................. 27
Figure II-3 : Le BRM Zenon ZW-10 installé dans la salle des suppresseurs d'air à la STEP de
Charguia ................................................................................................................................... 28
Figure II-4 : Photographie de la membrane; (a) vue en face, (b) vue d'en haut ...................... 29
Figure II-5 : Détermination de flux critique pour le BRMIe ................................................... 30
Figure II-6 : La variation du taux de colmatage en fonction de flux de perméat durant la montée
et la descente ............................................................................................................................ 31
Figure II-7 : Perméabilité à l'eau de la membrane ................................................................... 33
Figure III-1 : Evolution expérimentale de la PTM en fonction du temps écoulé sous trois cycles
de filtration/rétro-lavage consécutifs ; t=10min : t=45s: Q=0.16 L/min: Q=0.29L/min.......... 40
Figure III-2 : évolution du taux de colmatage résiduel en fonction du temps pour les 4
expériences sur un temps du fonctionnement entre 4 et 5 heures ............................................ 41
expériences sur un temps du fonctionnement entre 4 et 5 heures ............................................ 42
Figure IV-1 : Représentation graphique de simulations d'ajustement de modèle de Charfi et
coll. avec les données expérimentales des 4 expériences A (t F=10min ; tbw=45s_bw),
B(tF=5min ; tbw=30s_bw), C(tF=12min ; tbw=60s_bw) et D(tF=9min ; tbw=60s_r) .................. 49
Figure IV-2 : (a) la stratégie optimale de fonctionnement pour une production nette de volume
V*=0.06m3/m2 ; (b) la masse déposée sur la surface de la membrane ..................................... 54
Figure IV-3 : la variation de la masse m(t) par rapport à la variation de la commande de contrôle
optimal ..................................................................................................................................... 55
Figure IV-4 : Comparaison théorique de la puissance hydraulique consommée durant le
fonctionnement de BRMIe entre l’expérience (A) en mode temporisé et celle avec contrôle
optimal ..................................................................................................................................... 56
iv
Figure IV-5 : (a) la stratégie optimale de l’expérience (C) pour une production nette de volume
V*=0.06m3/m2 ; (b) la masse déposée sur la surface de la membrane en fonction du volume
produit ...................................................................................................................................... 57
fonctionnement de BRMIe entre l’expérience (C) en mode temporisé et celle avec contrôle
optimal ..................................................................................................................................... 58
Figure V-1 : schéma explicatif d’un contrôle optimal en boucle fermée ................................ 61
Figure V-2 : Modèles couplés de BRM [86] ........................................................................... 62
Figure V-3 : Représentation schématique du modèle AM2b................................................... 65
Figure V-4 : Variation des paramètres biologiques en fonction du temps .............................. 71
Figure V-5 : évolution de la PTM en fonction du temps ......................................................... 71
Figure V-6 : évolution de la masse du gâteau en fonction du temps ....................................... 72
Figure V-7 : évolution de la masse des PMS bloquant les pores de la membrane .................. 72
Figure V-8 :évolution de la PTM en fonction du temps .......................................................... 73
Figure V-9 : Simulation de (a) : l’évolution de l’énergie consommée en fonction du temps, et
(b) : évolution de la productivité de l’eau en fonction du temps, pour un contrôle en mode
temporisé .................................................................................................................................. 73
Figure V-10 : Simulation de (x):l’évolution de l’énergie consommée en fonction du temps ;
(y) : l’évolution de la productivité de l’eau en fonction du temps, pour un contrôle optimal en
boucle fermée ........................................................................................................................... 74
v
LISTE DES TABLEAUX
Tableau II-1 : Caractéristiques techniques du module membranaire UF3510Mi .................... 28

Tableau II-2 : Caractéristiques de l’effluent ............................................................................ 30
Tableau II-II-3 : Paramètres de fonctionnement des différentes méthodes de
filtration/nettoyage appliquées ................................................................................................. 32
Tableau III-1 : Tableau récapitulatif des caractéristiques au niveau du BRMIe et traitement
conventionnel ........................................................................................................................... 39
Tableau IV-1 : Paramètres du modèle de Charfi et coll. pour la dynamique de la masse déposée
.................................................................................................................................................. 45
Tableau IV-2: Paramètres expérimentaux pour les expériences A(10min+45s_bw),
B(5min+30s_bw), C(12min+60s_bw) et D(9min+60s_r) ....................................................... 47
Tableau IV-3: Paramètres identifiés par la méthode des moindre carré après calage des données
expérimentales au modèle ........................................................................................................ 48
Tableau IV-4 : Paramètres liés aux puissances hydrauliques consommées lors du
fonctionnement de BRMI ........................................................................................................ 51
Tableau IV-5 : Paramètres du modèle relatifs à l’énergie consommée pendant l’expérience (A)
.................................................................................................................................................. 53
Tableau IV-6 : Paramètres du modèle relatifs à l’énergie consommée pendant l’expérience (A)
.................................................................................................................................................. 57
Tableau V-1 : Réactions considérées dans le modèle AM2b .................................................. 64
Tableau V-2 : Valeurs des paramètres du modèle utilisés pour la simulation tirées de la réf.
[84] ........................................................................................................................................... 69
vi
LISTE DES ACRONYMES
ASM : Modèle des boues activés (En anglais : Activated Sludge Model)
BRM : Bioréacteur à membrane
BRMe : Bioréacteur à membrane à boucle externe
BRMI : Bioréacteur à membrane immergée
BRMIe : Bioréacteur à membrane immergée en externe
CF : Coliformes Fécaux.
CT : Coliformes Totaux
EUM : Eaux Usées Municipales.
MF : MicroFiltration
MES : Matière En Suspension
PT : Phosphore total
PTM : Pression Transmembranaire
RES : Résistance en série
PMS : Produits Microbiens Solubles (En anglais : Soluble Microbial Products (SMP))
STEP : Station d’EPuration
TSB : Temps de Séjour des Boues
TSH : Temps de Séjour Hydraulique
TR : Taux de Rétention
UF : UltraFiltration
vii
NOMENCLATURE
a : paramètre du modèle liée au rétro-lavage (s-1)
A : surface de la membrane (m2).
A0 : La surface initiale de la membrane (m2)
b : paramètre du modèle liée à la filtration (kg,m-2.s-1)
b : paramètre du modèle liée à la filtration (s-1)
b1 : Coefficient de dégradation des PMS par X1.
b2 : Coefficient de production de S2 à partir de PMS.
b3 : Coefficient de production de PMS à partir de S1.
C : Concentration en solide de la liqueur mixte (Kg/m3).
Ca : Concentration de la solution d’alimentation(mg/L).
cp : paramètre du modèle lié à l'énergie de filtration (m5.Pa.s-1kg-1)
cp : paramètre du modèle lié à l'énergie de nettoyage physique (m5.Pa.s-1kg-1)
Cp : Concentration du perméat(mg/L).
CPMS : fraction de PMS fixée sur la membrane à un moment donné.
Csi : fraction de Si fixée sur la membrane à un moment donné.
Cxi : fraction de Xi fixée sur la membrane à un moment donné.
DBO5 : Demande biochimique en oxygène en 5 jours (mg,L-1)
DCO : Demande chimique en oxygène (mg,L-1)
dp : paramètre du modèle lié à l'énergie de filtration (m3.Pa.s-1)
dr : paramètre du modèle lié à l'énergie de nettoyage physique (m3.Pa.s-1)
Ebw : énergie hydraulique consommée lors de rétro-lavage (W.s)
EF : énergie hydraulique consommée lors de filtration (W.s)
ET : énergie hydraulique totale (W.s).
f1 : fonction de la dynamique de filtration
f2 : fonction de la dynamique de rétro-lavage
viii
Jv : Flux volumique (L/m2.h) (LMH).
Jv° : Flux de l’eau (L/m2.h) (LMH).
k1 : Coefficient de dégradation de S1 par X1.
K1 : Constante de demi-saturation associée au substrat S1.
k2 : Coefficient de production de S2 à partir de S1.
k3 : Coefficient de dégradation de S2 par X2.
K3 : Constante de demi-saturation associée aux PMS.
k4 : Coefficient de production de CO2 à partir de S1.
k5 : Coefficient de production de CO2 à partir de S2.
k6 : Coefficient de production de CH4 à partir de S2.
k7 : Coefficient de production de CO2 à partir de PMS.
kd1 : Taux de décroissance des acidogènes .
kd2 : Taux de décroissance des méthanogènes.
Ki : Constante d'inhibition associée à S2.
LP° : Perméabilité à l’eau (L/m2.h.bar) ou (m3/m2.Pa.s).
LS : Fonction objective du modèle (Pa/Pa)
m0 : masse initialement déposée sur la membrane (Kg/m2)
m1 : masse de filtre après l’étape de filtration et séchage.
͞m : masse de l'arc singulier (kg/m2)
͞mf : masse finale de l'arc singulier (kg/m2)
MES : Matière en suspension (mg/L).
mi : masse de filtre vide (mg).
Pa : Pression liquide en entrée de module (bar).
Pp : Pression perméat (bar).
PT : phosphore total (mg,L-1)
PTM : Pression Transmembranaire (bar).
PTM0 : Pression Transmembranaire associée au colmatage résiduel total (Pa).
ix
PTMi : Pression Transmembranaire initiale associée au colmatage résiduel interne (Pa).
(PTMi)0 : Pression Transmembranaire au début de filtration (Pa).
(PTM/PTMi) : évolution de la pression transmembranaire par rapport à la pression

transmembranaire initiale (Pa/Pa)
QA : Le débit d’alimentation (L/h)
Qbw : Débit de rétro-lavage (L/min).
QF ou Qout : Débit du perméat (L/h) ou (L/min).
Qin : Débit d’alimentation (L/h).
Qp net : Débit net de production (L/min).
Qw : le débit d’extraction des boues (L/h).
R0 : Résistance propre de la membrane (m-1).
R2 : coefficient de régression (%)
Re : Résistance au colmatage externe (m-1)
rf : taux de colmatage réversible (Pa/s)
Rg : Résistance de la couche du gâteau (m-1)
Ri : Résistance au colmatage interne (m-1)
Rm : Résistance propre de la membrane (m-1)
Rrév : Résistance du colmatage réversible (m-1)
Rrsd : Résistance du colmatage résiduel (m-1)
Rs : Résistance due au blocage des pores.
Rtot : Résistance hydraulique totale (m-1)
S : Concentration des PMS (g.L-1).
ST : Concentration en substrat de l’effluent (KgDBO/m3 ou KgDCO/m3).
S1 : Concentration de la matière organique (g.L-1)
S2 : Concentration des Acides Gras volatils (g.L-1).
Se : concentration en substrat de l’affluant (KgDBO/m3 ou KgDCO/m3).
Sp : colmatage du aux particules retenues par les pores de la membrane
tbw : temps de rétro-lavage (s)
x
tF : temps de filtration (min)
tr : temps de relaxation (s)
TSB : temps de séjour des boues (j)
TSH : temps de séjour hydraulique (h)
u : variable de contrôle .
͞u : Variable du contrôle de l'arc singulier.
͞u0, ͞u1,… ͞uN : variables de contrôle à boucle fermée de l'arc singulier
V : Volume de réacteur en litre (L ou m3 ).
Ve : Volume nécessaire pour l'arc singulier (m3/m2)
V* : Production du volume de perméat prédéfinie (m3/m2)
Vp : le volume total des pores (L ou m3)
Vp’ : Volume de l’échantillon prélevé (L).
͞V : Volume finale de l'arc singulier (m3/m2)
w et w’ : constantes positives qui quantifie l’efficacité du nettoyage physique
X1 : Concentration des micro-organismes acidogènes (g.L-1).
X2 : Concentration des micro-organismes méthanogènes (g.L-1).
𝑦𝑖 : Les valeurs expérimentales.
𝑦̂𝑖 : Les valeurs prédites par le modèle de Charfi et coll.
𝑦̅𝑖 : Les valeurs expérimentales moyennes.
LETTRE GRECQUES
α : Résistance spécifique du gâteau (m.kg-1).
α : Surface bloquée par unité de masse de colmatant (m2 .kg-1 )
ꞵ : Fraction de PMS quittant le bioréacteur.
ꞵ' : Fraction de ST bloquant les pores.
ꞵC : Force de cisaillement (m2.kg-1).
δ : Paramètre pour normaliser les unités.
δ' : Paramètres pour normaliser les unités.
xi
ΔPTM : différence de pression transmembranaire associée au colmatage résiduel externe (Pa)
εA(t) : la surface poreuse qui est une fraction de la surface utile totale.
η : éfficacité moyenne du rétro-lavage (s-1)
μ : viscosité dynamique (Pa.s).
μ1 : taux de croissance de la biomasse acidogène à partir de S1.
μ2 : taux de croissance de la biomasse méthanogène à partir S2.
μmax1 : taux de croissance maximal de la biomasse acidogène à partir de S1.
μmax2 : taux de croissance maximal de la biomasse acidogène à partir de S2.
μmaxPMS : taux de croissance maximal de la biomasse acidogène à partir de PMS.
μPMS : taux de croissance de la biomasse acidogène à partir de PMS.
σ et σ' : Paramètres pour normaliser les unités.
xii
GLOSSAIRE
Bioréacteur à membrane : c’est une technologie basée sur la combinaison d’un procédé de
boues activée et d’un système de filtration membranaire de microfiltration ou ultrafiltration.
Colmatage membranaire : C’est un phénomène indésirable, il diminue considérablement les

performances du BRM. A pression constante, le colmatage membranaire se traduit par une
baisse du flux au cours du temps. A flux constant, il se traduit par une augmentation de la
pression transmembranaire, pouvant aller jusqu’à blocage complet de la membrane.
Colmatage réversible : il est dû à la formation de la couche du gâteau à la surface de la

membrane qui peut être éliminé par un lavage physique (rétro-lavage ou relaxation)
Colmatage résiduel (irréversible) : résulte du blocage de pores et adsorption des

macromolécules qui nécessite un lavage chimique de la membrane pour être éliminé.
Colmatage résiduel interne : lié à l’adsorption de solutés dans les pores et au blocage des
pores.
Colmatage résiduel externe : lié aux recompressions de la couche du gâteau.
Contrôle optimal : c’est une stratégie d’optimisation du contrôle du colmatage qui a comme
objectif de minimiser la consommation énergétique ou maximiser la productivité.
Demande biochimique en oxygène : est la quantité d'oxygène nécessaire pour la dégradation

des polluants organiques par les microorganismes.
Demande chimique en oxygène : est la consommation en dioxygène pour oxyder les matières
organiques et minérales de l’eau par des oxydants forts.
Eaux usées municipales : sont des eaux usées provenant des foyers, des entreprises, des
industries et des institutions et qui sont rejetées dans les égouts.
Traitement conventionnel : c’est un procédé biologique comprend trois à quatre étapes :

prétraitement, traitement primaire, traitement secondaire et, occasionnellement, traitement
tertiaire.
Ultrafiltration : c’est une technique de séparation membranaire des particules en suspension

de l’eau, le diamètre des pores de la membrane est compris entre 1 et 100 nanomètres (nm).
xiii
INTRODUCTION GENERALE
Les effluents municipaux issus des stations d’épuration, basés sur le traitement conventionnel
contiennent des quantités non négligeables de polluants organiques, inorganiques et
microbiens, qui sont rejetés dans l’environnement par voie directe. Pour pallier le déficit
croissant des ressources en eau, ces eaux usées sont de plus en plus largement traitées pour être
réutilisées. Pour résoudre ce problème important, les technologies membranaires, en particulier
les bioréacteurs à membrane (BRM), peuvent constituer une voie potentielle pour traiter ces
eaux usées et être par suite réutiliser.
La technologie de filtration membranaire particulièrement l’ultrafiltration peut être utilisée

dans le traitement des eaux usées pour assurer une qualité d’eau traitée qui répond aux normes
de la réutilisation des eaux usées traitées.
Les avantages de ces procédés résident dans leur aspect non contaminant, leur facilité
d'automatisation et leur capacité à éliminer simultanément divers contaminants en une seule
étape de traitement. Ces technologies offrent la possibilité de purifier et de désinfecter
simultanément l'eau sans formation des autres composés. En revanche, un problème appelé
colmatage, lié à l’accumulation de la matière sur la surface de la membrane, persiste lors du
fonctionnement d’un procédé de filtration membranaire. Le colmatage membranaire limite les
performances du système par la diminution de la production d’eau traitée et l’augmentation de
la consommation énergétique due à l’accroissement de la pression transmembranaire (PTM) et
ainsi la réduction de la durée de vie de la membrane.
Afin de limiter le phénomène du colmatage, plusieurs travaux ont été faits pour l’optimisation
des systèmes d’ultrafiltration pour le traitement des eaux usées. Depuis une vingtaine d'années,
l’effort est intensifié pour comprendre le phénomène du colmatage et prédire ses mécanismes
par des outils de modélisation en vue de limiter ses impacts.
Le contrôle du colmatage reste possible en maitrisant les paramètres opératoires et en

appliquant des cycles périodiques de lavage de la membrane. Dans la plupart du temps, les
stratégies recommandées par les fournisseurs sont assez peu performantes car elles ne tiennent
pas compte de l'état réel de la membrane et ne considèrent pas les spécificités du procédé. Pour
optimiser un système d’UF, il peut être utile de recourir à la modélisation et d'utiliser ces
modèles dans l'optique de développer des lois de commande.
1
C’est dans ce contexte que s’inscrit cette présente étude qui vise à appliquer différentes
stratégies d’optimisation : stratégie de nettoyage périodique, stratégie de modélisation du
colmatage dans le but d’appliquer une solution optimale à une production de volume de
perméat prédéfinie et stratégie de contrôle optimal à boucle fermée pour le contrôle du système
de filtration à long terme.
Cette étude d’optimisation s’est déroulée en deux phases :
La première phase s’est déroulée à la station d’épuration de Charguia. Un pilote BRM, a été
alimenté par les eaux provenant des bassins d’aération de la STEP pour la séparation entre les
boues et les eaux épurées. Afin de minimiser la consommation énergétique de système, un
contrôle optimal en boucle ouverte a été appliqué à l’aide d’identification des paramètres du
modèle utilisé.
La deuxième phase s’est déroulé au laboratoire de Biotechnologie et l’Environnement (LBE)

sous l’encadrement de Mr Jérome Harmand. Durant cette phase du stage, un contrôle optimal
en boucle fermée d’un bioréacteur à membrane anaérobie (BRMAn) a été développé. En se
basant sur un modèle couplé (modèle biologique à un modèle de filtration membranaire), nous
avons fait une extension du problème de contrôle optimal pour contrôler un BRMAn sur des
longues durées de fonctionnement en continu.
Le rapport s’organise en cinq chapitres :
Le premier chapitre est une synthèse bibliographique composé tout d’abord d’une description
des eaux usées municipales et leurs traitements conventionnels. Ensuite, nous détaillons les
technologies des bioréacteurs à membrane BRM (aérobie et anaérobie) ainsi le phénomène de
colmatage et les moyens pour lutter contre ce phénomène. Nous terminons par la présentation
des stratégies de contrôle des systèmes de filtration membranaire pour limiter le colmatage,
minimiser la consommation énergétique et augmenter la productivité de l’eau traitée.
Le deuxième chapitre décrit les conditions opératoires et les dispositifs utilisés dans ce travail.
Nous commençons par une description de la station d'épuration de Charguia I, de l'unité
expérimentale utilisée et du module membranaire intégré. Nous détaillons les conditions
opératoires appliquées sur le bioréacteur à membrane. Nous terminerons le chapitre par une
description de la méthodologie de nettoyage du module membranaire et de différentes
techniques analytiques utilisées.
Dans le troisième chapitre, nous présentons, au premier, les résultats des performances du BRM
comparés au traitement conventionnel. Dans une deuxième section, une étude du colmatage du
2
BRM est effectuée en se basant sur l’évolution du colmatage réversible et irréversible des 4
expériences réalisées.
Le quatrième chapitre présente, d’abord, une modélisation de colmatage basé sur un modèle
développé par Charfi et coll. caractérisant le colmatage du gâteau et négligeant le colmatage
irréversible. La deuxième partie est dédiée à la présentation d’une approche numérique
d'optimisation qui permet de déterminer la séquence optimale de rétro-lavage (fréquence et
instants de commutations optimaux entre filtration/lavage physique) minimisant l’énergie
totale consommée d'un procédé de filtration membranaire fonctionnant à flux de perméat
constante. Dans ce chapitre, le problème d'optimisation est résolu par l’utilisation d’un solveur
programmés sous MATLAB.
Afin de contrôler un système de filtration membranaire pendant une longue durée, nous avons
développé dans le dernier chapitre une stratégie de contrôle optimal à boucle fermée. Nous
commençons par la description de la stratégie et les modèles utilisés pour développer cette
approche analytique. Puis, nous détaillons le couplage d’un modèle biologique à un modèle de
filtration sur lequel nous pouvons appliquer ce mode de contrôle. Nous terminons par une
application théorique de cette stratégie sur un BRMAn.
3
Chapitre I : Etude bibliographique
I. Etude bibliographique
Introduction
Ce premier chapitre est une synthèse bibliographique et il est structuré comme suit : dans la
première section, les eaux usées municipales sont décrites, ainsi que leurs paramètres et leur
traitement conventionnel. Dans la deuxième section nous détaillons les technologies des
bioréacteurs à membrane BRM (aérobie et anaérobie), leurs grandeurs caractéristiques et aussi
leurs performances. Le colmatage membranaire avec ses formes et ses mécanismes sont
développés dans la troisième section, aussi que les moyens pour lutter contre ce phénomène.
La dernière section est consacrée aux stratégies de contrôle qui nous permettent d'optimiser le
fonctionnement des systèmes de filtration membranaire et de limiter le colmatage.
I.1 Les eaux usées municipales

Les eaux usées municipales (EUM) contiennent des quantités non négligeables de polluants
organiques, inorganiques et microbiens [1]. Ces eaux usées sont l'une des principales sources
de pollution des eaux de surface et souterraines. Les industries, les scientifiques et les
gestionnaires doivent employer des stratégies de traitement efficaces pour atteindre de manière
optimale les normes d'émission et de rejets, qui deviennent de plus en plus sévères en termes
de concentrations de polluants et de débits. Pour les eaux usées municipales (EUM), les
procédés dits conventionnels, qu'ils soient intensifs (ex. boues activées, filtres bactériens,
biofiltres aérobies), extensifs (ex. lagunes, systèmes de perméation) ou mixtes, peuvent
répondre aux exigences de rejet mais leurs performances sont plus ou moins fiables. Cependant,
on s'intéresse de plus en plus aux systèmes qui permettent une réutilisation partielle ou totale
de l'eau traitée. La réutilisation de l'eau traitée est intéressante pour plusieurs raisons : i) elle
contribue à protéger le milieu naturel en minimisant la demande en eau, quels que soient l'usage
et le rejet de l'eau ; et ii) elle peut également se justifier économiquement par rapport au
traitement d’eau de surface ou souterraine de qualité dégradée qui oblige à faire appel à des
systèmes de traitement plus complexes ; et iii) elle permet de pallier la pénurie croissante d'eau
pour la consommation humaine [1].
I.1.1 Paramètres de la pollution des eaux usées municipales

Les eaux usées municipales contiennent des déchets organiques, des nutriments, des agents
pathogènes, des microorganismes et des produits chimiques domestiques et industriels. La
4
caractérisation physico-chimique de ces eaux usées constitue un moyen pour déterminer la

qualité des rejets et leurs impacts sur le milieu récepteur.
Plusieurs paramètres physicochimiques indiquent le degré de pollution des eaux usées tels que
le pH, la conductivité, les matières en suspension (MES), la demande chimique en oxygène
(DCO), la demande biochimique en oxygène (DBO), la teneur en nitrites, nitrates et phosphore
total [2].
L'analyse bactériologique vise à rechercher et dénombrer des germes suivants : germes totaux,
coliformes totaux et fécaux, streptocoques fécaux, Clostridium sulfito-réducteurs [3].
I.1.2 Le traitement conventionnel des eaux usées au niveau des

STEPs
La station d'épuration se compose de plusieurs étapes de traitement regroupées en deux
catégories :
 Procédés de traitement de l’eau : La dépollution des eaux usées se déroule

principalement en trois étapes : le prétraitement, le traitement primaire et le traitement
secondaire (Figure I-1). Un traitement tertiaire peut dans certains cas être envisagé pour
améliorer la qualité des eaux épurées.
 Procédés de traitement des boues : conditionnement et valorisation éventuelle des
boues.
Figure I-1 : Les procédés de traitement des eaux usées [4]
5
I.1.2.1 Le prétraitement
Les eaux brutes, avant leur traitement proprement dit, doivent subir un prétraitement physique
ou mécanique. Ce traitement est destiné pour l’extraction de la plus grande quantité possible
des éléments dont la nature où la dimension constituera un trouble pour les traitements à venir.
Selon la nature des eaux à traiter et la conception des installations, le prétraitement peut
comprendre les opérations de dégrillage, principalement pour l’élimination des déchets
volumineux par la mise en place d’un système de grille, de dessablage pour l’élimination du
sable et du gravier par sédimentation et de dégraissage-déshuilage ou d’écumage-flottation
pour l’élimination des huiles et des graisses [5].
I.1.2.2 Le traitement primaire

La décantation primaire se déroule dans des bassins, le plus souvent de forme cyclonique Cette
phase permet d’éliminer jusqu’à 60 % des matières en suspension, et la matière organique, et
de l’ordre du tiers de la DBO5 entrante [6]. Les boues primaires éliminées sont alors hautement
organiques et fermentescibles et ils sont envoyées vers la chaîne de traitement des boues. Cette
étape, à elle seule, ne donne pas des résultats qui permettent d’atteindre les seuils de rejets
réglementaires. Dans les stations fonctionnant uniquement par traitement physico-chimique
(comme c'est le cas dans de nombreuses villes côtières), le traitement primaire est la seule étape
de traitement de l'eau. Dans ce cas, la décantation est optimisée par un préconditionnement
avec un coagulant. Ces derniers se mélangent aux eaux usées (coagulation) et associent les
particules et les colloïdes faiblement décantables en flocs plus lourds (floculation), qui sont
ensuite piégés par décantation.
I.1.2.3 Le traitement secondaire

Il s’agit d’un traitement biologique dont l’objectif est l’élimination de la pollution carbonée,
azotée et phosphorée. Après décantation, les eaux usées sont introduites dans des bassins
équipés de dispositifs d'aération avec brassage (turbines, soufflantes), où les micro-organismes
naturellement présents dans les eaux usées dégradent les matières organiques dissoutes. L'air
insufflé leur donne l'oxygène dont ils ont besoin pour respirer et ils se nourrissent de la
pollution organique. Ces micro-organismes jouent également un rôle dans la rétention physique
de la pollution par leur tendance à s'agréger en films ou en flocons. Les résidus formés,
contenant en stocks des bactéries, sont appelés « boues ». Après avoir passé un certain temps
de séjour entre 8h et 5h dans le bassin d’aération, l’effluent est renvoyé dans un clarificateur,
appelé aussi décanteur secondaire.
6
La clarification permet de séparer l'eau épurée des boues secondaires, produites du traitement
biologique, par décantation. Cette décantation se fait dans des structures spéciales,
généralement circulaires, appelées clarificateurs ou décanteurs secondaires.
Une partie des boues secondaires est rejetée en aval vers le traitement des boues, une autre
partie est recyclée vers le bassin d'aération pour maintenir la biomasse nécessaire au
fonctionnement de la station.
I.2 Bioréacteur à membrane

Le BRM est une technologie hybride qui couple un système biologique et un système de
séparation membranaire soit par ultrafiltration (UF) ou microfiltration (MF) [7]. Cette
technologie est une amélioration du système biologique à boues activées, vieille de près de
100 ans, qui se caractérise par le remplacement du traditionnel décanteur secondaire par une
unité de filtration membranaire [8], dont la sélectivité remarquable représente une barrière
infranchissable par les espèces épuratoires, quel que soit leur état de floculation. Le processus
du métabolisme observé dans un système de boue activée est similaire à celui d’un BRM. La
technologie BRM a été introduite pour la première fois dans les années 1960, mais ce n'est que
quelques années plus tard qu'elle a été réellement utilisée dans le traitement des eaux usées [9].
En Europe, par exemple, c’est dans les années 1990 que les premiers systèmes de BRM ont été
mis en opération pour le traitement des EUM [10-12].
Le procédé de séparation membranaire peut être couplé à un bioréacteur aérobie ou anaérobie.
I.2.1 Bioréacteur à membrane aérobie

Les bioréacteurs à membrane aérobie combinent dans un procédé unique l’épuration biologique
par aération de traitement conventionnel et la séparation liquide/solide sur membranes
poreuses. Les systèmes de BRM aérobies peuvent être placés en aval du traitement secondaire
ou au niveau des bassins d’aération pour faire le traitement secondaire. La rétention totale des
micro-organismes, favorise une augmentation de la concentration des boues, et permet une
séparation complète des temps de rétention hydraulique et temps de rétention des boues.
Les systèmes de BRM peuvent être classés selon deux configurations ; bioréacteur à membrane
à boucle externe (BRMe), et bioréacteur à membrane interne ou immergée (BRMI).
Pour les BRM aérobie, la configuration la plus utilisé pour le traitement des EUM est la
configuration immergée (ou en interne) (Figure I-2(a)). Cette configuration est principalement
basée sur la pression transmembranaire, qui déplace le perméat à travers la membrane,
typiquement inférieure à 1 bar. Généralement, les membranes organiques de type fibres creuses
7
ou planes sont les plus utilisées. L’aération est sous forme de fines bulles insufflées dans les
bassins biologiques. Elle lutte également contre le colmatage de la membrane en créant une
agitation à proximité de la membrane. Aussi, elle aide également à fournir l'oxygène nécessaire
au métabolisme cellulaire. Les principaux avantages de cette configuration, par rapport à la
configuration externe (membrane céramique) sont la faible consommation d'énergie (1 kWh
m) [10-12, 14] et le faible prix des membranes organiques. Une autre configuration immergée
en externe est apparue ces dernières années (Figure I-2(b)). Elle est constituée d'une membrane
immergée de type fibre creuse ou d'une membrane organique plane dans un réservoir situé à
l’extérieur du bassin biologique. L'avantage de cette configuration est de séparer l’insufflation
d’air nécessaire au métabolisme bactérien de celle nécessaire au décolmatage de la membrane.
Figure I-2: schéma (a) BRM immergée (BRMI), et (b) BRM immergée en externe (BRMIe)
[19]
I.2.2 Bioréacteur à membrane anaérobie

Le traitement biologique anaérobie, comparé au procédé aérobie, se caractérise par une plus
faible consommation d’énergie due à l’absence de l’aération, une faible croissance
microbienne, un plus faible abattement de la DCO et par la production de biogaz (méthane).
Tout comme pour les BRM aérobies, le traitement biologique dans les bioréacteurs à membrane
anaérobie (BRMAn) est couplé à une étape de séparation par membrane pour la rétention de la
biomasse indépendamment du temps de séjour hydraulique : il en résulte une excellente qualité
des effluents due à la biodégradation de la matière organique résiduelle. Parmi les différentes
configurations des BRMAn, le bioréacteur à membrane anaérobie immergée (BRMIAn) a
suscité un grand intérêt [18]. Il peut réduire les coûts énergétiques et le stress de la biomasse
associés à la recirculation de la boue. En outre, une telle configuration permet la régénération
de la surface de la membrane par la recirculation du biogaz produit.
8
I.2.3 Grandeurs caractéristiques

I.2.3.1 Paramètres de la filtration
 Sélectivité de la membrane
La sélectivité d'une membrane pour une substance donnée dépend de sa nature et de sa

structure, de l'environnement chimique au voisinage de la membrane et de la nature de la
substance à séparer. La sélectivité s'exprime par la rétention TR ou facteur de sélectivité [20] :
𝐶𝑝
𝑇𝑅 = (1 − 𝐶 ) ∗ 100 (Équation I-1)
𝑎
Ca : Concentration de la solution d’alimentation(mg/L).
Cp : Concentration du perméat(mg/L).
 Pression Transmembranaire
La pression transmembranaire est la pression de filtration membranaire s’exerçant de part et

d’autre de la membrane. Dans le BRM immergée, la PTM est obtenue par l’équation I-1 [21] :
𝑃𝑇𝑀 = 𝑃𝑎 − 𝑃𝑝 (Équation I-2)
Pa : Pression liquide en entrée de module (bar).

Pp : Pression perméat (bar).
PTM : Pression Transmembranaire (bar).
Les opérations de filtration peuvent être conduites en imposant soit un flux de perméation, soit
un gradient de pression. Le BRM doit toujours être opéré à une PTM qui ne dépasse pas une
certaine PTM appelée pression critique. La pression critique prend une valeur qui dépend de la
nature chimique de la membrane et est souvent donnée par le fournisseur.
 Flux volumique
Le flux de perméation (également appelé vitesse de perméation) est la perméabilité unitaire,

qui est le rapport entre la perméabilité volumique (QP) et la surface effective de la membrane
(A):
𝑄𝐹
𝐽𝑣 = (Équation I-3)
𝐴
Jv : Flux volumique (LMH).
QF : Débit du perméat (L/h).
A : surface de la membrane (m2).
9
 Perméabilité à l’eau de la membrane
La perméabilité (Lp°) d'une membrane est une propriété inhérente à la membrane qui dépend
de sa structure. En pratique, la perméabilité peut être définie comme étant le rapport du flux de
perméat (Jv) sur la pression transmembranaire effective (PTM) :
𝐽𝑣 °
𝐿𝑝° = 𝑃𝑇𝑀 (Équation I-4)
Jv° : Flux de l’eau (L/m2.h) (LMH).
LP° : Perméabilité à l’eau (L/m2.h.bar).
 Débit net de production
Le débit net de production est le rapport du volume filtré moins le volume nécessaire pour le
rétrolavage par unité de temps :
(𝑄𝐹 ∗𝑡𝐹 −𝑄𝑏𝑤 ∗𝑡𝑏𝑤 )
𝑄𝑝𝑛𝑒𝑡 = (Équation I-5)
𝑡𝐹 +𝑡𝑏𝑤
Qp net : Débit net de production (L/min).
QF : Débit du perméat (L/min).
Qbw : Débit de rétro-lavage (L/min).
tF : Temps de filtration (min).
tbw : Temps de rétro-lavage(min).
 Résistance Hydraulique (Rm)
La résistance hydraulique (Rm) d'une membrane peut être définie comme étant sa résistance à
l'écoulement du fluide à filtrer à travers la membrane. La résistance d'une membrane est
l'inverse de sa perméabilité :
1
𝑅𝑚 = 𝐿° ∗𝜇 (Équation I-6)
𝑝
Rm : Résistance propre de la membrane (m-1)
Lp° : Perméabilité à l’eau (m3/m2.Pa.s)
μ : viscosité dynamique (Pa.s).
I.2.3.2 Paramètres biologiques du bioréacteur

 Temps de Séjour des Boues (TSB)
Le temps de séjour des boues (TSB) (ou le temps de rétention des solides) est un paramètre
important pour la conception et l'exploitation des boues activées. Le choix du TSB a de
10
nombreux effets sur les performances du procédé, sur la production de boues et sur la demande
en oxygène. Le temps de rétention peut être estimé en divisant le volume de bioréacteur par le
débit d’extraction des boues.
𝑉
𝑇𝑆𝐵 = 𝑄 (Équation I-7 )
𝑏
V : Volume de réacteur en m3.
Qb : le débit d’extraction des boues.
 Temps de Séjour Hydraulique (TSH)
Le temps de séjour hydraulique, défini comme le rapport entre le volume du réacteur et le débit
d'alimentation, il représente le temps de séjour moyen des cellules et des substrats à l'intérieur
du réacteur.
𝑉
𝑇𝑆𝐻 = 𝑄 (Équation I-8)
𝐹
V : Volume de réacteur en litre (L)
QF : Le débit de l’eau traitée (L/h)
Le TSH et le TSB (l’âge des boues : θ) sont des paramètres importants dans les processus
biologiques. La présence de la membrane permet au BRM de fonctionner à de fortes
concentrations de biomasse et des âges des boues élevées, indépendamment du TSH [1].
 La charge volumique (Cv)
La charge volumique correspond au quotidien du poids journalier de DBO5 appliqué, rapporté

au volume unitaire du bassin d'aération, elle permet d'estimer la capacité du bassin d'aération.
(𝑺𝒆 −𝑺)
𝑪𝒗 = 𝑸𝑨 ∗ (Équation I-9)
𝑽
QA : Le débit d’alimentation (L/h)
Se et S sont respectivement les concentrations en substrat de l’affluant et de l’effluent

(KgDBO/m3 ou KgDCO/m3).
V : Volume de réacteur en m3.
 La charge massique
La charge massique d'une station d'épuration à boues activées, notée Cm, est le rapport entre la
masse de DBO5 reçue en une journée et la masse de microorganismes présents dans le bassin
d'aération, exprimée en MVS (Matière Volatile Sèche). Elle s'exprime en
kg(DBO5)/kg(MVS)/j.
11
(𝑆𝑒 −𝑆)
𝐶𝑚 = 𝑄𝐴 ∗ (Équation I-10)
𝑉∗𝐶
C : Concentration en solide de la liqueur mixte (Kg/m3).
Le temps de séjour hydraulique (TSH), la charge volumique(Cv), la charge massique(Cm) et

le temps de séjour des boues (TSB), ces quatre paramètres doivent être optimisés dans un BRM
pour augmenter la puissance de traitement et mieux contrôler le système en cas de panne.
D'autre part, une Cv maximisée conduit à une meilleure efficacité d’épuration, mais peut
également entraîner une élimination des polluants limitée par l'oxygène. Contrairement à la Cv,
en minimisant la Cm, le rendement d’épuration est maximisé et la production de boues est
minimisée. Pour réduire cette Cm, la concentration bactérienne dans le bioréacteur doit être
augmentée. Grasmick et coll. (2007) [22] ont optimisé les conditions de fonctionnement pour
le traitement des eaux usées municipales (EUM). Ils ont montré que des concentrations de
biomasse plus élevées permettent de fonctionner à faible Cm, de minimiser ainsi la production
de boues et d’améliorer la purification. De même, un TSH court permet d'établir un bassin
biologique plus compact. Cependant, étant donné que la TSH faible produisait une Cm
légèrement supérieure à celle du cas précédent, elle n'apportait aucun avantage à la production
de boues.
En conclusion, en prenant en compte la limitation de la production de boues tout en baissant la

Cm et augmentant le TSH, on peut atteindre une importante capacité épuratoire et limitant le
colmatage des membranes dans le cas de l'épuration des eaux usées urbaines.
I.2.4 Performances des bioréacteurs à membrane

La technologie de BRM présente l’avantage d’atteindre une haute qualité de traitement en une
seule étape avec une faible emprise au sol du fait notamment de l’absence de clarificateur. Elle
est particulièrement adaptée pour répondre à des exigences de qualité élevées demandées pour
des milieux très sensibles.
Plusieurs études ont rapporté des réductions très importantes des pollutions organiques et
inorganiques, selon le type d'eau traitée, le type de composés organiques, le type de membrane
utilisée et les conditions de traitement appliquées.
I.2.4.1 Élimination de polluants de type organique

De manière générale, le taux de réduction de la pollution organique dans les eaux usées est très
intéressant. Le BRM est robuste aux variations de charges inattendus et peut fonctionner à des
volumes et à des charges organiques élevés. D’après Stephenson et coll., en 2000[9], un
12
enlèvement de la DBO de 90% à 97% a été obtenu avec des BRM. La concentration en DBO
correspondante dans le perméat est généralement inférieure à 10 mg/L. Le taux d'élimination
de la DCO était compris entre 90 % et 98 %, correspondant à une concentration en DCO
d'environ 40 mg/L dans le perméat. L'efficacité d'élimination de la DCO du BRM est meilleure
que celle des procédés conventionnels à boues activées qui est généralement de 75 % à 85 %
[9]. Cela peut s'expliquer par la rétention complète des solides obtenue par le BRM et la
minimisation des pertes de boues vers l'effluent [19].
Pour les BRMAn, plus de la moitié des travaux de recherche ont été réalisés dans une gamme
de charge entre 0,5 et 8,0 kg DCO/m3.j, c'est à dire une charge organique considérablement
faible pour un réacteur anaérobie, avec des concentrations en DCO à l’entrée de 3,5 à 35 g/L.
Aussi, seulement 22 % des travaux ont été réalisés sous forte charge organique (20 à 28 kg
DCO/m3.j), avec une réduction substantielle de la DCO (89 - 99 %) et dans des conditions
opératoires stables [26]. D'autres publications rapportent une élimination de 80 % à 99 % de la
DCO lorsque les charges organiques sont maintenues entre 8 et 17 kg DCO/m3.j.
 Élimination des polluants de type inorganique
D'autre part, le BRM peut être utilisé pour l’élimination de l'azote (N-NH4 et N-NTK) et le
phosphore (P-PO4 et PT). Les suppressions de PT et de N-NH4 peuvent atteindre
respectivement 97 % et 99 % selon les conditions d'exploitation et le type d'effluent traité.
Barrios-Martinez et coll. [23], ont appliqué le procédé BRM aérobie (membrane inorganique)
à une solution synthétique en appliquant 5 heures de TSH, un TSB de 7 jours et MES à une
concentration de 10 g·L-1 et ils ont observé une élimination de l’ammoniac et le phosphore total
qui atteint 93% et 90% respectivement.
Pour les BRMAn, plusieurs études ont été menées à l'échelle du laboratoire en utilisant
principalement des eaux usées synthétiques. Les principaux polluants inorganiques sont
l'ammoniac, l'azote total (NTK), le phosphore total (PT). En effet, l'élimination de l'ammoniac
était faible (<20%), avec des concentrations d'ammoniac dans l'influent et l'effluent de 45-65
mg/L et 38-52 mg/L, respectivement dans [27] et [28]. À des teneurs élevées en DCO (>13000
mg/L) et en ammoniac (>3000 mg/L) dans l'influent, le taux moyen d'élimination de
l'ammoniac est faible. Cependant, Ma et coll. (2013) [29] ont noté une faible élimination de
l'ammoniac et une élimination plus importante du PT (60 %). En outre, d’autres travaux ont
noté que les performances de traitement du NTK, du PT et de l'ammoniac étaient généralement
faibles (tous les taux d'élimination étaient inférieurs à 30 %) et que l'élimination élevée
13
inattendue du PT (60%) dans la référence [29] pourrait être due au fait que des eaux usées
municipales réelles contenaient du phosphore particulaire.
 Élimination des polluants de type microbien
L'application du BRM peut efficacement éliminer des indicateurs de pathogènes (coliformes

totaux et fécaux), de virus et de bactéries aérobies hétérotrophes (BHA). Par exemple, d’après
COMEAU (2006) [24], l’élimination complète des coliformes fécaux (CF) (réduction de 100
%) avec TSH de 9 heures en utilisant une membrane à fibres creuses, taille de pores de 0,04
µm à l'effluent de lisier de porc. Aussi, d’après l’étude de Vera et coll. (1997) [25],
l’élimination des coliformes totaux est totale (100%) en utilisant une membrane UF
inorganique.
I.3 Le colmatage membranaire

Le colmatage peut être défini comme étant l’ensemble des phénomènes qui interviennent dans
la modification des propriétés filtrantes des membranes. Il permet d’augmenter la résistance
hydraulique ce qui se traduit par une diminution du flux de perméat (lorsque le procède opère
à PTM constante) ou une augmentation de la PTM (lorsque le procède est opère à flux constant)
[30-32]. Ce phénomène indésirable diminue considérablement les performances du BRM
(augmentation de l’énergie consommée et diminution de la productivité) et entraine des
surcouts supplémentaires.
I.3.1 Les types et les mécanismes du colmatage

Le colmatage peut être réversible ou irréversible. Le colmatage réversible est la partie du
colmatage peut disparaitre par une procédure de nettoyage hydraulique comme le rétro-lavage
(ou la relaxation). Le colmatage irréversible est la partie du colmatage qui nécessite une
procédure chimique (lavage chimique) pour l’éliminer [30,32].
Hermia (1982) [33] a classifié d’une manière plus précise des types de colmatage basée sur la
comparaison entre la taille des particules et celle des pores de la membrane. Cette classification
reste aujourd’hui très utilisée (Figure I-3).
14
Figure I-3 : Schéma des différents mécanismes de colmatage[34].
 Le colmatage par gâteau : la taille des particules est supérieure à celle des pores, un
colmatage en surface dit colmatage par gâteau se produit (dépôt en surface de la
membrane).
 Bouchage du pore : Si la taille des particules est largement inférieure à celle des pores,
les particules entrent à l’intérieur de la membrane réduisant progressivement la taille
des pores jusqu’à les boucher totalement.
 Blocage du pore : Si la taille des particules est similaire à celle des pores un phénomène
de blocage de pore se produit. Ce phénomène de blocage entraine une diminution de la
surface poreuse de la membrane.
On peut également adjoindre à ces différents types de colmatage des phénomènes qui explique
le maintien de la matière à la membrane : adsorption et polarisation de concentration. Ces deux
derniers phénomènes ne font pas directement intervenir la taille des flocs mais plutôt les
interactions entre la suspension et la membrane.
 L'adsorption correspond à la formation d'une ou plusieurs couches moléculaires à la

surface ou à l'intérieur des pores de la membrane ou au niveau du gâteau de filtration.
Alors la densité et la taille des pores de la membrane changent. L'adsorption ne peut
pas être éliminée par des méthodes physiques, donc un lavage chimique approprié est
nécessaire.
15
 La polarisation de concentration décrit alors la tendance des solutés à s'accumuler près

de la surface de la membrane. Les substances progressivement accumulées par
convection (molécule / particule) établissent un gradient de concentration entre la paroi
membranaire et la solution. Cette différence de concentration se traduit par un flux
diffusif de la membrane vers la solution (flux rétro-diffusif). Ce phénomène conduit à
la formation d'une couche de gel et à la précipitation de solutés. La couche ainsi formée
constitue une seconde barrière filtrante apte à retenir les particules de taille inférieure
au seuil de coupure de la membrane.
I.3.2 Paramètres affectant le colmatage membranaire

Le colmatage est le résultat d'un phénomène complexe fortement influencé par les conditions
de fonctionnement, la dynamique des fluides, le type et la configuration de la membrane et les
caractéristiques des boues [34-36].
I.3.2.1 Composition de la liqueur mixte

Les propriétés de la biomasse -présente dans le bioréacteur- ont un effet significatif sur le
colmatage de la membrane. Il existe deux parties de la liqueur mixte qui contribuent du
colmatage membranaire :
 La matière en suspension
Il a été rapporté que le colmatage augmente dès que l'état de floculation de la biomasse dans le
bioréacteur est bas [36]. LI et coll. (2005) [37] ont pu réduire les blocages importants des pores
en développant des boues granuleuses dans le bioréacteur. Aussi, les flux de perméat obtenus
dans ces conditions étaient le double des flux observés dans les BRM conventionnels
fonctionnant dans les mêmes conditions opératoires. Les résultats de l’étude de CICEK et coll.
[34] montrent que lorsque la concentration de MES était comprise entre 8 et 15 g.L-1, le flux
de perméat était plus élevé et diminuait plus lentement par rapport à la concentration de MES
entre 2 et 8 g.L-1.
D’autres montrent que sur une plage de concentrations bien définie aucun effet n’est
observable, mais qu’au-delà d’une valeur limite, le colmatage dû à la matière solide devient
significatif : Le-Clech et coll. trouvent dans [32] par exemple que le colmatage devient
significatif quand la concentration en biomasse passe de 8 g/L à 12 g/L. En dessous de 8 g/L
ils n’observent aucune différence.
 Le surnageant
16
Defrance et coll. [38], en 1999, ont rapporté que dans un bioréacteur à membrane, traitant de
l’eau domestique à un âge de boue de 60 jours, le surnageant contribuait à la hauteur de 35 %
du colmatage total de la membrane en céramique.
En 2001, Bouhabila et coll. [39] ont obtenu une contribution du surnageant de 76 % dans un
bioréacteur à membrane fibres creuses alimenté en eau synthétique à un âge de boue de 20
jours.
En somme, la part de colmatage induit par le surnageant peut ainsi varier de 37 à 76 % pour un
âge de boue de 20 jours et de 29 à 35 % pour un âge de boue de 60 jours selon les auteurs.
I.3.2.2 Flux de filtration

Le taux de colmatage est directement lié à l'apport de matériau à la surface de la membrane.
Par conséquent, le choix de la vitesse d’écoulement est important.
D’après la littérature, on trouve la notion de flux critique [40,41] qui est le flux en dessous
duquel le colmatage se produit très faiblement au cours du temps. Le-Clech et coll. (2003) [32]
observent que la PTM augmente quel que soit le débit de filtration appliqué, prouvant la
présence de colmatage, bien qu’il soit minime. Pour un test de flux minimum de 2 L/h.m², ils
ont observé une augmentation de 0,04 bar/j (testé sur 15 minutes). En pratique, l'augmentation
de la pression transmembranaire est maintenue faible jusqu’à des flux de 10 L/h.m². Ainsi, ce
flux ne peut être déterminé qu’à partir des expériences à court terme et, comme le mentionnent
ces auteurs, ce flux peut provoquer un colmatage important pour des durées de fonctionnement
plus longues.
De nombreuses études indiquent que le flux à travers la membrane et la PTM doivent être
maintenus inférieurs à des valeurs critiques respectives. Ces valeurs critiques doivent être
déterminées pour chaque type d’effluent, de membrane et de configuration du module
membranaire [34,38].
I.3.3 Les moyens pour lutter contre le colmatage membranaire

I.3.3.1 Prétraitement de l’effluent
La suspension peut être prétraitée pour réduire sa capacité de colmatage. Les avantages du
prétraitement de type grille perforée par rapport aux microtamis, où la rétention des fibres est
plus faible. D'autres techniques modifient les paramètres chimiques (pH, la force ionique de la
solution par ajout de sels ou d’agent coagulants ou d’agent floculants, voire ajout de
complexants, etc.) [42]. Par exemple, le préconditionnement de la suspension par des méthodes
17
physico-chimiques peut faciliter la structuration du floc et améliorer la filtrabilité de la

suspension. Des molécules solubles ou colloïdes, l'origine d'un colmatage irréversible, peuvent
être fixées à l'aide de charbon actif en poudre [43].
I.3.3.2 Aération
Pour les BRMI les principaux mécanismes qui peuvent avoir lieu à l’aide de l’aération pour
limiter le colmatage sont [44] :
- des forces de cisaillement dû aux poches de gaz que se déplacent le long de la surface
des fibres,
- des écoulements latéraux de liquide induits par le passage des bulles d’air,
- des mouvements latéraux des fibres liées à leur flexibilité.
Tous ces phénomènes agissent sur la concentration du dépôt et sa résistance spécifique.

L'aération entraîne toujours une augmentation du flux de perméat. La taille des bulles dépend
de la méthode d'injection de gaz, du type de système d'aération et du débit de gaz [44].
Wicksana et coll., (2005) [45] ont montré que les changements de viscosité du système peuvent
affecter le volume des bulles.
Ainsi, Suh et coll. (2013) [46] ont montré que l'utilisation de l'aération dans le cycle de lavage
est plus efficace que l'utilisation continue de l'aération dans le processus de filtration.
En 2015, De Temmerman et coll. [47], ont étudié l’effet de variation de débit des fines bulles
d’air et ont constaté qu’une augmentation de flux d’aération va engendrer une augmentation
du taux de colmatage (total et irréversible) due à la modification de taille des particules qui
sont devenus plus fines.
Dans leur étude [48], Zhang et coll. (2019) ont déduit que la sélection de l'intensité d'aération
et du diffuseur optimaux serait une stratégie potentiellement efficace pour le contrôle du
colmatage de la membrane dans le système BRM.
I.3.3.3 Relaxation
La relaxation est une technique appliquée généralement dans le cas des membranes à fibres
creuses ou planes, et elle est souvent associée avec une aération de la membrane pour améliorer
les forces de cisaillement.
Zsirai et coll. [49] ont montré que la relaxation et le rétro-lavage ont la même efficacité de
réduction du colmatage réversible, pourtant le taux de colmatage irréversible est mieux réduit
par le rétro-lavage que par la relaxation.
18
Dans la littérature, les protocoles de relaxation (durée et fréquence) varient selon le procédé de
filtration et le liquide à traiter. Par exemple, la relaxation de la membrane dans les bioréacteurs
aérobies est effectuée toutes les 7 à 15 minutes pendant 1 à 2 minutes [50, 51]. Cependant, la
relaxation est plus fréquente pour les membranes immergées dans des bioréacteurs anaérobies,
par exemple 0,5 à 2 minutes après une filtration de 4 à 10 minutes [50,52].
I.3.3.4 Rétro-lavage
Le rétro-lavage correspond à un flux inverse à travers la membrane. Différents protocoles de
rétro-lavage (durée fréquence et débit) ont été publiés dans la littérature. Une étude de Wang
et coll. (2014) [50] les a subdivisés en deux groupes :
 Rétro-lavage fréquent et rapide : 5 à 12 minutes de filtration / 5 à 20 secondes de rétro-

lavage.
 Rétro-lavage moins fréquent et plus long : 7 à 16 minutes de filtration / 0,5 à 1 minute
de rétro-lavage.
Pour qu’un rétro-lavage soit efficace, plusieurs paramètres tel que la durée, la fréquence et le
flux du rétro-lavage sont à optimiser pour améliorer les performances (énergie, productivité)
du BRM [50].
Robles et coll. (2013) [52] ont réalisé différentes expériences sur un bioréacteur à membrane
anaérobie afin de savoir l'effet de la durée et la fréquence du rétro-lavage sur l'efficacité du
lavage physique. Dans leur cas d'étude, un cycle du rétro-lavage de 30 secondes après 50
minutes de filtration a été suffisant pour maintenir une bonne productivité du procédé.
Wang et coll. (2014) [53] ont résumé que les flux de rétro-lavage étaient d’une à trois fois
supérieurs aux flux de filtration, et que les durées de rétro-lavage étaient soit plus longues pour
un rétro-lavage moins fréquent (c'est-à-dire 7 - 16 min de filtration/30 - 60 s de rétro-lavage),
soit plus courtes pour un rétro-lavage plus fréquent (c'est-à-dire 5 - 12 min de filtration/5 - 20
s de rétro-lavage).
I.4 Contrôle du colmatage dans les Bioréacteurs à membrane

I.4.1 Contrôle optimal
Le contrôle optimal est devenu un outil très intéressant pour optimiser le fonctionnement des
systèmes de filtration membranaire et améliorer les performances des procédés.
19
Le but du contrôle optimal est d'amener le système d'un état initial donné à un certain état final,
en respectant éventuellement certains critères. La théorie de ce contrôle consiste à analyser les
propriétés d'un système dynamique que l'on peut manipuler à l’aide d’une commande.
En effet, un problème de contrôle optimal est essentiellement défini par trois éléments [54] :
- Fonction objectif (ou critère d'optimisation) : Elle exprime mathématiquement le coût

à minimiser ou le bénéfice à maximiser.
- Contraintes : Elles définissent un ensemble de valeurs autorisées pour l’état du système

ou du contrôle.
- Modèle du procédé : Il définit les entrées, les sorties et les états qui permettent de décrire
le système réel.
Cogan et coll. (2014,2016) [55, 56] ont appliqué le principe de Maximum de Pontryagin (PMP)
afin de déterminer les instants optimaux de commutation entre les périodes de filtration et de
lavage qui maximisent la production nette d'eau sur un temps de fonctionnement donné d'un
procédé de filtration membranaire. Les auteurs ont adopté un modèle spécifique publié dans la
littérature décrivant les dynamiques des systèmes d'ultrafiltration/ microfiltration.
Kalboussi et coll. (2019) [57] ont défini un problème de contrôle optimal pour maximiser la
production nette par unité de surface pour un temps d'exécution bien défini. La variable de
contrôle était les directions d'écoulement : la filtration et le rétro-lavage de la membrane
colmatée. Les auteurs ont supposé que seul le dépôt de particules sur la surface de la membrane
est responsable du colmatage, tandis que le blocage des pores est négligé. Ils ont adopté un
modèle simple et très générique développé par Benyahia et coll, (2013) [58]. Le PMP a été
appliqué à un modèle de filtration membranaire et montre des résultats intéressants pour
maximiser la production nette d'eau.
De même, F. Aichouche et coll. (2020) [59] se sont intéressés dans leurs travaux au contrôle
optimal des systèmes de production-régénération. Le but de l'optimisation est d'identifier la
meilleure méthode de synthèse pour minimiser l'énergie totale consommée lors de la filtration
et du nettoyage des membranes à un niveau de production fixe. Les auteurs ont développé un
modèle mathématique simple avec une "variable cachée" explicative pour capturer le
comportement dynamique du processus dans deux modes de fonctionnement basés sur le PMP.
Une application numérique a été effectuée, pour pouvoir illustrer le contrôle de la stratégie
optimale.
20
I.4.2 Contrôle automatique

I.4.2.1 Définition
Dans le cadre d'une opération de procédé industriel, la performance est évaluée par rapport à
des critères précis : rendement, qualité du produit, consommation d'énergie, qualité des
émissions, etc. L'automatique est une discipline qui traite la modélisation, l'analyse, la
commande et la régulation des systèmes dynamiques. Elle apporte des solutions pratiques pour
maintenir le fonctionnement des processus et répondre autant que possible à tous ces critères.
Le terme contrôle ou commande désigne toute action imposée à un système pour influer sur
son évolution dynamique.
Le système de contrôle peut être en boucle ouverte ou en boucle fermée.
Dans la boucle ouverte (Figure I-4), la valeur de sortie n’est pas utilisée pour corriger l’écart
par rapport à la consigne donnée à l’entrée. La boucle ouverte ne peut être appliquée
(théoriquement) que si le modèle de procédé est parfait et en l’absence de perturbations.
Figure I-4 : Représentation du procédé en boucle ouverte [54].

Cependant, à l'échelle industrielle, la plupart des systèmes de filtration membranaire sont
contrôlés en boucle ouverte. En pratique, la séquence appropriée d'opérations donnée ou
connue par le fournisseur de la membrane est appliquée sans tenir compte des conditions du
procédé. De ce fait, la séquence des opérations ne peut pas être ajustée en cas d'évolution non
conforme du système (exemple : démarrage d'un cycle de lavage si le colmatage devient
important) [54].
L’autre type de contrôle est dit en boucle fermée (Figure I-5) puisque le bouclage entre l'agent
exécutif (l’actionneur), l'effecteur (le procédé), et le nouvel agent exécutif (le correcteur) est
effectué par l'information sensorielle, ou rétroaction, ce qui entraîne la régulation du système
afin de maintenir la sortie du système aussi proche que possible à la consigne souhaitée
quelques soient les perturbations. Dans la boucle fermée, le rebouclage (rétroaction ou
21
feedback en anglais) du système commandé sur le système de contrôle permet à ce dernier de

:
 Recevoir des mesures de la sortie (des observations) qui permettent de connaitre l'état
actuel du système et sa réaction suite aux ordres donnés [54].
 Cette valeur est comparée à celle de la consigne, donnant la différence entre la valeur
de la consigne moins la valeur mesurée pour produire l’écart e.
 Cette différence est fournie au correcteur principal dont la fonction est de modifier la
valeur de la variable de contrôle u pour réduire l'erreur e. Le correcteur n'intervient pas
directement mais il donne la valeur de la commande via un actionneur [60].
Figure I-5 : Représentation du procédé en boucle fermée [54].

Dans le domaine de filtration membranaire, les signaux qui indiquent la présence du colmatage
sont soit l’augmentation de la PTM soit la diminution du flux. Donc, le contrôle en boucle
fermée de ces systèmes permet de suivre ces paramètres clés (flux, PTM et perméabilité) qui
reflètent l’état de système pour prendre les bonnes décisions de régulation afin d’atteindre les
objectifs établis (la maximisation de productivité, minimisation de la consommation
énergétique, etc.) [54].
I.4.2.2 Contrôle des BRM en boucle fermée

Le contrôle en boucle fermée intéresse de plus en plus des chercheurs qui veulent optimiser et
développer les stratégies de contrôle des systèmes de filtration membranaire.
Dans le cadre de contrôle des systèmes de filtration membranaire, un système de contrôle a été
mis au point par Smith et coll [62] en 2006, qui suit l’augmentation cumulative de la PTM au
cours de filtration pour le déclenchement d’un cycle de rétro-lavage si la PTM dépasse la valeur
22
du point de consigne (valeur de seuil donnée). Ce système de contrôle a permis de minimiser

le colmatage des membranes et de maximiser la productivité et la qualité d'eau traitée du
système à membrane. Il a également été capable d'optimiser automatiquement l'initiation du
rétro-lavage dans un système de filtration à membrane fonctionnant sous des concentrations
instables de polluants et à des flux de perméat non constants. Grace à ce système de contrôle,
la quantité d'eau de perméat nécessaire pour le rétro-lavage peut être réduit jusqu’à 40%.
En 2008, Vergas et coll. ont développé un système de contrôle en boucle fermée basé sur des
mesures continues de la PTM et du flux de perméat, et ensuite l'algorithme décide le moment
où il faut déclencher un cycle de retro-lavage. Les résultats ont montré que l'algorithme proposé
était robuste et qu'il était capable de maintenir la PTM en dessous des valeurs critiques et de
maintenir le flux au maximum pendant la majeure partie du temps de filtration [63].
Après, pour éviter les pertes de production d’eau qui due à l’application de la stratégie ordinaire
avec fréquence de nettoyage préétablie, Villarroel et coll. (2013) ont étudié dans [64] le
développement d’un système de contrôle en boucle fermée pour le déclenchement d’un cycle
de rétro-lavage ou de relaxation selon l’état du colmatage de la membrane indiquée par la
PTMsp (une valeur seuil prédéfinie). Les résultats de cette étude ont montré que ce système
ajuste automatiquement la fréquence de nettoyage physique en fonction du colmatage de la
membrane, ce qui entraine une amélioration de la productivité de l’eau du BRM. De plus, la
même stratégie a été adopté par Vera et coll. en 2014 afin d’initier un cycle de rétro-lavage
lorsque la pression atteint la valeur seuil (PTMsp). Cette étude a validé avec succès le
fonctionnement du système pendant plus de 4 mois avec une rétention complète des boues [65].
Les auteurs soulignent que l'efficacité du système de contrôle est directement liée au valeur
seuil de la PTM considérée.
Ainsi, Robles et coll. ont décrit dans [66] une méthode basée sur un modèle pour optimiser la
filtration dans un BRMAn. La variable de contrôle proposée a permis d’optimiser la filtration
avec de faibles exigences de calcul une économie d’énergie de l’ordre de 25% a été observée
en appliquant le barbotage de gaz.
En outre, Gonzalez et coll. (2018) [67] ont proposé un système de contrôle en boucle fermée
basé sur la durée de filtration pour obtenir une performance optimale. Le contrôle permet un
ajustement du flux de perméat et de la pression transmembranaire finale admissible en temps
réel, pour obtenir la durée de filtration souhaitée dans chaque cycle de filtration. Les résultats
présentés dans cette étude démontrent que les performances de filtration des BRM,
23
fonctionnant dans des conditions supercritiques et contrôlés par ce système, sont

considérablement améliorées.
Dans un système du traitement aérobie des eaux usées, l'aération est l'élément le plus critique
de ce système. Elle fournit l'oxygène dissous nécessaire aux micro-organismes, maintient les
solides en suspension et contrôle le colmatage des bioréacteurs à membrane. Par suite, une
grande partie de la consommation énergétique dans le BRM est liée à l’existence des systèmes
d'aération supplémentaires pour l'atténuation du colmatage.
En 2011, Ferrero et coll. ont présenté dans [68,69] un algorithme de contrôle innovant pour
l'optimisation du système d’aération qui est basé principalement sur les mesures de
perméabilité à court terme pour décider l’augmentation ou la diminution de l’aération. La
validation avec différentes configurations de membranes a permis d'économiser jusqu'à 21%
de l'énergie utilisée pour l'aération.
L’étude de Mannina et coll. (2020) [70] traite différents scénarii de contrôle pour minimiser la
consommation de l’énergie au niveau des BRM. Les résultats montrent que l’application du
contrôle en boucle fermée du flux d'air basé sur les concentrations d'ammoniac et de nitrite
dans le réacteur aérobie, permet de réduire jusqu’à 82% l’énergie consommée.
24
Chapitre II : Matériel et méthodes
II. Matériel et méthodes

Introduction
Ce paragraphe décrit les dispositifs et les protocoles expérimentaux utilisés dans ce travail.
D'abord, nous commençons par une description de la station d'épuration de Charguia I. Ensuite,
nous présenterons l'unité expérimentale utilisée, le module membranaire et les conditions
opératoires appliquées sur le bioréacteur à membrane. Nous terminerons le chapitre par une
description de la méthodologie de nettoyage du module membranaire et de différentes
techniques analytiques utilisées.
II.1 Présentation de la station d’épuration des eaux usées Charguia I

La station d'épuration de Charguia I a été créé en 1958 sous exploitation de l'Office National
de l'Assainissement ONAS. La STEP fonctionne selon un procédé conventionnel par boues
activées à moyenne charge et un débit de fonctionnement de 60000 m/jour [79]. L'eau usée
entrante provient principalement des foyers domestiques. Elle subit les mêmes étapes de
prétraitements décrites précédemment (dégrillage, dessablage, déshuilage).
Une fois prétraitée, l'eau est envoyée au décanteur primaire Le traitement biologique se fait
dans quatre bassins d'aération contenant des diffuseurs pour l'injection d'air. L'air est injecté
par trois compresseurs fonctionnant d'une façon automatique et alternante sous le contrôle
d'une valeur de consigne de pression à déterminer pour pouvoir assurer une concentration en
oxygène dissous de 1 mg/L.
Le débit de l'eau entrante aux bassins d'aération, d'un volume de 9000 m3 varie entre 3000 et
5000 m3/h. Le temps de séjours dans les bassins d'aération varie entre 1.8 et 3h. La
concentration de MES de la liqueur mixte varie entre 2.5 et 3.5g/L en moyenne pour assurer
une bonne décantation. L'effluent est ensuite renvoyé dans quatre décanteurs secondaires
circulaires, un grand décanteur de volume 7700 m3 avec un débit entrant de 1200m3/h et trois
autres d'un volume total de 4350 m3 avec un débit de 200 m3/h. Le temps de séjours dans les
décanteurs secondaires est donc de 6h 30min.
L'eau épurée ne subit pas une désinfection ou des traitements complémentaires pour éliminer
l'azote et le phosphore. Une quantité de cette eau est directement réutilisée pour l’arrosage et
le reste est déversé dans le canal el KHLIJ ou dans la station de pompage à Chotrana. Quant
aux boues excédentaires, une partie est réinjectée dans le bassin d'aération, ce sont les boues
de retour et l'autre partie est envoyée à la STEP de Chotrana II en vue de leur épandage agricole
25
ou de leur élimination. Le temps de rétention des solides TSB varie entre 8 et 18 jours pour une
boue à moyenne charge. Durant notre période de traitement, le TSB est de 15 jours.
II.2 Etude pilote

L’ensemble de l’étude a été réalisé à l’échelle pilote sur des affluents de la STEP de Charguia
I en utilisant un bioréacteur à membrane immergée. Ce pilote a été placé pour traiter les eaux
usées provenant des bassins d’aération (Figure II-1) afin d’étudier le colmatage des membranes
et l’optimisation de leur nettoyage physique avec un effluent réel.
Figure II-1 : schéma représentatif de la configuration du traitement secondaire par BRMIe
II.2.1 Description du pilote

Le pilote utilisé est un bioréacteur à membranes immergées ZW-10 conçu par « Zenon
Environmental corporation ». Il est constitué d'un réservoir d'une capacité de 227 L à l'intérieur
duquel est plongé le module membranaire d'ultrafiltration à fibres creuses et d'un réservoir de
24 L pour le stockage du perméat pour le rétro-lavage. L'alimentation du réacteur se fait à l'aide
d'une pompe péristaltique P1. En filtration, l'eau traitée est aspirée à travers la membrane sous
une pression négative appliquée par une pompe à engrenage P2 (Micropump, Série 120). En
inversant son sens de rotation, cette même pompe sert à rétro-laver le module membranaire
avec de l'eau filtrée.
Un automate (Siemens SIMATIC HMI) installé sur le tableau de commande permet le réglage
de la vitesse de la pompe en sens direct (filtration) et sens inverse (rétro-lavage) ainsi que les
durées de filtration/rétro-lavage. La pompe d'alimentation est ajustée de sorte que le débit du
perméat soit quasi-identique au débit d'alimentation afin de maintenir un volume constant dans
le réacteur. Pour suivre l’évolution du colmatage, la pression transmembranaire est enregistrée
toutes les 10 secondes sur une clé USB. Les débits de filtration/rétro-lavage sont lus à l'aide
d'un débitmètre électromagnétique KOBOLD MIM installé en aval de la pompe P2. L'aération
dans le réacteur est effectuée en continue par une injection d'air comprimé à la base du module
membranaire. Cet apport d’oxygène est nécessaire pour le traitement biologique et pour le
26
nettoyage des fibres creuses par turbulence. Le débit d'air est ajusté à travers une vanne de
régulation et est mesuré par un débitmètre. Pour l’extraction des boues en excès, la pompe
péristaltique (P3) est mise en place.
Code Désignation Code Désignation

T1 Réservoir d’alimentation B1 Compresseur
T2 Bioréacteur F1 Débitmètre
T3 Réservoir de perméat TI Indicateur de
température
P1 Pompe d’alimentation PIC Indicateur et Contrôleur
de pression
P2 Pompe de perméation FI Indicateur de débit
P3 Pompe de rejet des boues V1,V2,V3,V4,V Vannes
5,V6,V7,V8
Figure II-2 : schéma représentatif du pilote
27
Figure II-3 : Le BRM Zenon ZW-10 installé dans la salle des suppresseurs d'air à la STEP de
Charguia
II.2.2 Module membranaire

Les membranes à fibres creuses Polymem UF3510Mi utilisées sont des membranes
d’ultrafiltration ayant une taille nominale de pores de 0,01 μm (Figure II-4). Le module des
fibres creuses est constituée d’une membrane polysulfone très perméable à l’eau qui empêche
le passage des matières particulaires et colloïdales ainsi que des contaminants biologiques, avec
une surface membranaire de 1.5 m2. La membrane immergée fonctionne en mode frontale avec
une configuration externe-interne et une pression transmembranaire maximale de 0.7 bar.
Les caractéristiques du module membranaire sont résumées dans le tableau II-1.
Tableau II-1 : Caractéristiques techniques du module membranaire UF3510Mi
Caractéristiques Unité Valeur

Diamètre externe des fibres mm 1.4
Surface membranaire m2 1.5
Diamètre du module mm 90
Hauteur du module mm 250
Seuil de coupure kDa 100
Taille des pores μm 0.01
Flux eau pure à 20°C L/m2.h.bar 375
28
Pression transmembranaire maximale à 20°C bar 0.7

Pression maximale en succion bar 1
Matériau des membranes Polysulfone
Matériau d’empotage Polyuréthane
Matériau des carters U-PVC
Température maximale °C 35
Gamme de pH 2-12
Figure II-4 : Photographie de la membrane; (a) vue en face, (b) vue d'en haut
II.3 Les conditions opératoires

II.3.1 La solution d’alimentation
Le pilote ZW 10 a été alimenté avec l’effluent réel prélevé du bassin d’aération de la STEP de
Charguia. Les caractéristiques de l’effluent sont représentées dans le tableau II-2.
Les expériences ont été effectuées à la température ambiante durant les mois de mars-avril et
Mai. Aucun changement significatif de la composition de l’effluent n’a été observé durant cette
période.
29
Tableau II-2 : Caractéristiques de l’effluent
Paramètre Valeur moyenne
pH 6.8
Conductivité [µS.cm-1] 3419
MES (g.L-1) 2.7
Turbidité [NTU] 966
DCO (mg.L-1) 518
II.3.2 Le flux critique

Le flux critique est un concept proposé à l'origine par Howell et coll (1995) [72] et peut être
défini comme le flux au-dessous duquel le colmatage reste maitrisable. . Différentes méthodes
ont été proposées pour évaluer ce flux critique. Le moyen le plus pratique d'évaluer le flux
critique est le palier croissant de flux [73]. Il s'agit d'une mesure de l'évolution du PTM pour
des niveaux de débit de perméat fixés et continus.
L'expérience consiste à l'augmentation du flux de filtration d'un pas constant en variant la

vitesse de rotation par des paliers de 2%, en commençant par une vitesse de 10%
(correspondant à Jv=5,78 LMH). La durée de chaque palier est de 15minutes suivie d'une étape
de rétro-lavage de 60s avec un flux constant égale à 38 LMH.
PTM Flux de filtration (LMH)
0,7 14
0,6 12
0,5 10
FLUX (LMH
PTM (BAR)
0,4 8
0,3 6
0,2 4
0,1 2
0 0
0 2000 4000 6000 8000 10000 12000
TEMPS (S)
Figure II-5 : Détermination de flux critique pour le BRMIe

D'après la figure II-5, nous observons que, lors de la phase de montée et de descente, l'évolution
de la PTM en fonction du temps pour les deux premiers paliers est presque constante et donc
le colmatage n’est pas significatif. Cependant, à partir du troisième palier (Jv = 9,8 L.m-2.h-
30
1
.bar-1), une augmentation progressive de la PTM, due à l'accumulation de la matière à la
surface de la membrane, est observée. Pour mieux déterminer la valeur exacte du flux critique
le taux de colmatage (dP/dt) en fonction du flux appliqué a été calculé (Figure II-6).
12
10
8
dP/(dt) (mBar/min)
6
Montée
4 descente
0
0 2 4 6 8 10 12
Jv (L/m2.h)
Figure II-6 : La variation du taux de colmatage en fonction de flux de perméat durant la

montée et la descente
La différence importante entre la montée et la descente est due au colmatage irréversible atteint
au cours de la phase de la montée, nous nous baserons sur les données lors de la montée pour
déterminée le flux critique.
D’après la figure II-6, le taux de colmatage augmente d’une manière importante (dP/dt > 2
mbar.min-1) à partir de Jv = 8,5 LMH. Nous considérons pour la suite de l’étude que 8,5 LMH
est la valeur du flux critique et que toutes les expériences de filtration qui seront effectuées par
la suite seront faites à un flux fixe de 6.3 et 6.8 LMH en dessous du flux critique.
II.3.3 Les méthodes de fonctionnement

Le pilote a opéré sur une durée de 6h (pour chaque expérience) à un flux volumique constant
de 6,8 LMH. Le débit d’air injecté dans le BRM a été fixé à 1,5 CFM. Ce débit était nécessaire
pour homogénéiser le milieu, maintenir un taux d’oxygène dissous à 1mg/L dans le bioréacteur
et créer un cisaillement suffisant pour le détachement de la matière à la surface de la membrane.
Pour étudier le colmatage de la membrane dans des conditions de fonctionnement réelles, nous
avons choisi d’appliquer des procédures de filtration/nettoyage utilisées à grand échelle
[74]. Pour cela, 4 procédures de nettoyage appliquées à échelle industrielle ont été envisagées
dans cette étude : 3 expériences (A, B et C) en utilisant le rétro-lavage comme méthode de
31
nettoyage physique et 1 expérience (D) avec relaxation. Le tableau II-3 résume les différentes
procédures appliquées.
Tableau II-II-3 : Paramètres de fonctionnement des différentes méthodes de

filtration/nettoyage appliquées
Procédure
A B C D
Unité
Temps de
min 10 5 12 9
filtration
Temps de
s 45 (bw) 30 (bw) 60 (bw) 60 (r)
nettoyage
Jv LMH 6,8 6,8 6,8 6,8
Jbw LMH 13 13 13 0
Jv : flux volumique ; Jbw : flux de rétro-lavage ; bw : rétro-lavage ; r : relaxation
II.4 Test d’intégrité de la membrane

En cours d’utilisation l’état de la membrane peut se détériorer, pour garantir, donc, la fiabilité
du système, il est nécessaire de procéder à des tests d’intégrité de la membrane.
II.4.1 la perméabilité à l’eau

La perméabilité à l’eau est un paramètre qui traduit l’état de propreté ou d’intégrité de la
membrane. Avant la première utilisation la perméabilité à l’eau (Lp°1) est déterminée comme
valeur de référence. Après utilisation, la perméabilité est recalculée périodiquement et la valeur
trouvée est comparée à la valeur Lp°1 de référence. Cette comparaison, nous indique si la
membrane est colmatée dans ce cas un nettoyage chimique est nécessaire ou bien si elle est
percée et dans ce cas-là il faut identifier la lésion et reboucher la fibre abimée.
Pour déterminer la perméabilité à l’eau, le flux de filtration de l’eau à travers la membrane est
varié par la variation de la vitesse de rotation de la pompe et pour chaque flux, la valeur de la
PTM est notée.
32
100
90
80
70
Flux (LMH)
60
50
40
30
20
10
0
0 0,1 0,2 0,3 0,4 0,5 0,6
PTM (Bar)
Figure II-7 : Perméabilité à l'eau de la membrane

La figure II-7 représente l’évolution du flux de perméat en fonction de la PTM. D’après
l’Equation I-3, la perméabilité est la pente de la courbe Jv=f(PTM).
Dans notre cas, la perméabilité à l’eau Lp°1 est égale à 180 L/m2.h.bar avec un coefficient de
détermination R2=0.9863.
A partir de l’Equation I-6, la résistance de la membrane est déduite: Rm est égale à 2×10+12m-
1
.
II.4.2 Test de bullage

Dans le cas où la perméabilité de la membrane augmente par rapport à la valeur de référence
c’est qu’une ou plusieurs fibres du module membranaires sont compromises. Pour pouvoir
identifier la fibre percée, il faut procéder à un test de bullage. Pour cela, la membrane est placée
dans de l’eau pure et de l’air comprimé (ou un gaz inerte) est injecté en continu en haut du
module à une pression de 3 Psi. La présence de grosses bulles indique que la membrane est
réellement abimée et un contrôle visuel minutieux permet d’identifier la ou les fibres
concernées. Ces fibres sont alors rebouchées par de la colle spéciale à séchage instantané
Loctite 406 (Henkel).
II.5 Nettoyage chimique

Ce nettoyage est utilisé pour éliminer le colmatage irréversible qui ne peut pas être éliminé par
le lavage physique en utilisant des agents chimiques.
33
A la fin de chaque expérience, le module membranaire est démonté et rincé avec de l'eau de
robinet pour enlever les matières en suspension qui s'y attachent. Puis, la membrane est
immergée, toute la nuit, dans une solution de NaClO à faible concentration (<100 ppm).
II.6 Analyses et échantillonnages

Au cours de l'essai pilote, des échantillons ont été prélevés pour chaque expérience afin de
contrôler les paramètres de fonctionnement du système et d'évaluer la qualité de l'eau traitée.
Les performances du système ont été évaluées en termes de DCO, de turbidité, de DBO, de
MES, d'azote total NT), de phosphore (PO43-). Des échantillons ont été prélevés à l'entrée
(alimentation) et à la sortie (perméat) du système après au moins 2 heures de temps de
traitement.
II.6.1 pH, conductivité et turbidité

Le pH a été mesuré à l’aide d’un pH-mètre de la marque Mettler ToledoTM.
La conductivité électrique σ a été mesurée par un conductimètre VWR SB70C Benchtop.
La turbidité est la teneur d’une eau en particules suspendues qui la troublent. La turbidité a été
mesurée à l’aide d’un turbidimètre WTWTM TURB550 conforme à la forme NF EN ISO 7027
donnant des mesures jusqu’à 10000 NTU (unités néphélométriques).
L’étalonnage de ces instruments a été effectué périodiquement, en respectant l’intervalle

d’étalonnage recommandé par le fabricant.
II.6.2 la matière en suspension

La MES a été mesuré par la méthode filtration sur filtre en fibre de verre de 0.7 microns et 0.45
microns respectivement pour l’affluent et l’effluent. Tout d’abord, le filtre est pesé vide (m0)
en suite un volume prélevé d’eau Vp est versé. Une fois le volume versé est filtré sous vide à
l’aide du montage de Buchner, le filtre est récupéré et mise dans l’étuve à 105°C pendant 1h30.
Finalement, le filtre est pesé de nouveau (mf) pour calculer le rapport de la différence entre les
deux masses sur le volume prélevé.
𝒎𝟏 −𝒎𝒊
𝑴𝑬𝑺 = ( Équation II-1)
𝑉𝑝′
MES : Matière en suspension (mg/L).
mi : masse de filtre vide (mg).
m1 : masse de filtre après l’étape de filtration et séchage.
Vp’ : Volume de l’échantillon prélevé (L).
34
II.6.3 la demande chimique en oxygène (DCO)

La mesure de DCO a été faite immédiatement après le prélèvement des échantillons en utilisant
des « kits DCO » de la marque WTWTM 252070. Ce test est conforme à la norme EN ISO
15705. Les « kits DCO » sont des tubes qui contiennent de l’acide sulfurique, du dichromate
de potassium, du sulfate de mercure et du sulfate d’argent. Pour analyser l’échantillon, 3 mL
de ce dernier a été versé dans un tube puis le tube est mis dans un termoréacteur à 148°C
pendant 2 heures. Une fois le tube est refroidi, la DCO est mesurée par un photomètre à filtre
PhotoLabTM S6 de la marque WTWTM .
II.6.4 L’azote total et le phosphore

La détermination de l’azote total et les ortho-phosphates PO43- se fait directement par une
méthode photométrique à l’aide des kits de test cellulaire WTWTM. La méthode consiste à
l’ajout d’un volume bien déterminé de l’échantillon à déterminer et des réactifs correspondants
puis les laisser reposer pendant un temps bien précis. Et finalement, la mesure de concentration
est déterminée par un photomètre photoLab WTWTM.
35
Chapitre III : Etude des performances et du colmatage du BRM
III. Etude des performances et du colmatage du BRM

Introduction
Ce chapitre décrit une étude des performances et du colmatage du BRMIe. Dans une première
section, les résultats des performances du BRMIe ont été présentés et comparés à ceux du
traitement conventionnel. Dans une deuxième section, une étude du colmatage du BRMIe est
effectuée en se basant sur l’évolution du colmatage réversible et irréversible des 4 expériences
réalisées.
III.1 Performances du bioréacteur à membrane

Le bioréacteur à membrane immergée a fonctionné pendant une durée de trois mois et demi
d’une manière discontinue. Il a été alimenté par les eaux usées du bassin d’aération de la STEP
de Charguia. Pour chacune des expériences, la caractérisation des effluents obtenus après
traitement est primordiale pour évaluer la qualité de l’eau sortante et l’efficacité du BRM. En
effet, l’évaluation a été effectué par la mesure de la DCO, la MES, l’azote total et du
phosphore à l’entrée et à la sortie.
III.1.1 Performances d’abattement des caractéristiques de l’eau

Le taux d'abattement est défini comme le pourcentage de réduction de concentration mesuré à
l'entrée et à la sortie de la station d'épuration. Le tableau III-1 résume les valeurs des
concentrations moyennes des paramètres physico chimiques obtenues pour l’affluent et
l’effluent ainsi que les taux d’abattement correspondants.
III.1.1.1 Taux d’abattement de la DCO

Le taux d'abattement de la matière organique soluble est évalué par la DCO.
Les effluents du BRM ont montré des valeurs de DCO, moins élevées que celles du traitement
conventionnel (tableau III- 1) avec un taux d'abattement de la matière organique plus important.
En effet, les rendements épuratoires moyens pour la DCO atteints avec le BRM sont de l'ordre
de 94% alors que lors du traitement conventionnel sont dans l’ordre de 91%. Malgré le
changement des conditions opératoires en termes de durée de filtration, de flux de rétro-lavage
et de durée de rétro-lavage au cours de la réalisation des expériences, cela n'a pas eu un effet
sur le taux d'abattement de la DCO.
Plusieurs études ont rapporté des taux d'abattement de la DCO allant jusqu'à 99%,
dépendamment du type d'eau traitée, des composés organiques et des conditions de traitement
36
imposés (TSH, TSB, MES). Alors dans notre cas, les valeurs trouvées sont plutôt similaires à
celles trouvées par BATTISTINO et coll. (2006) [34] en traitant des EUM (élimination de
≥94% de la DCO).
De plus, ces valeurs de la DCO à la sortie du BRMIe ont été conformes aux exigences de la
Norme Tunisienne NT de 2018 relatives aux rejets d’effluents dans le milieu hydrique
(ANNEXE 1).
III.1.1.2 Performances d’abattement de la matière en suspension et de la

turbidité
Les paramètres tels que les MES et la turbidité donnent une indication de l'aspect visuel de
l'eau et sont considérés comme des paramètres physico-chimiques permettant le contrôle de la
qualité dans la réutilisation de l'eau avec une analyse facile et à faible coût [78]. Ces deux
paramètres sont considérablement améliorés par la membrane d'UF grâce à leur effet de
tamisage sur la matière particulaire. D'après les analyses de l’eau à la sortie du BRM (Tableau
III-1), les valeurs moyennes de la MES et de la turbidité en sortie sont respectivement égales
0.88 mg/L et 0.39 NTU. Le BRMIe a permis d'atteindre un taux de rétention d'environ 99.9%
pour les MES et pour la turbidité. Les résultats enregistrés dans cette étude ont été très proches
de ceux rapportés dans les travaux de Cicek et coll. [79].
III.1.1.3 Performances d’abattement de la matière inorganique

Le taux d'abattement de la matière inorganique peut être évalué en termes d'azote (ammoniacal
ou total) et de phosphore. En effet, d'après les valeurs du tableau III-1, nous remarquons que le
BRM a atteint des concentrations moyennes d'environ 59 mg/L en azote total, soit un taux
d'abattement de 48.7%. Ce taux de rétention enregistré est similaire à celui rapporté par
HOLAKOO et coll. (2007) [80] qui ont observé un taux d'abattement non élevé de l'azote total
(32% à 15%).
Pendant toute la période de suivi du BRM, la concentration de phosphore total PT à l'entrée est
d’environ 14.8 mg/L, en moyenne. Après traitement, la concentration résiduelle du phosphore
total a été très faible (1 mg/L), indiquant un taux d'abattement du phosphore très important
dans l’ordre de 93.2%. Ces résultats des concentrations enregistrées à la sortie du traitement
par le BRM ont été inférieures aux valeurs limites exigées par l'arrêté du 26 Mars 2018
(ANNEXE1).
37
Dans l'ensemble, les eaux traitées par le BRM pourraient être réutilisées pour l'irrigation sans
restriction et sont conformes aux exigences de l'OMS concernant la réutilisation des eaux
traitées dans l'irrigation [81].
38
Tableau III-1 : Tableau récapitulatif des caractéristiques au niveau du BRMIe et traitement conventionnel
Azote total
Paramètre PH Conductivité DCO MES Turbidité PO43-
Echantillon (NTot)
Unité - μS/cm mgO2/L mg/L NTU mg/L mg/L
Max 7,1 5490 655 3260 966
2344 318
Affluent Min 6,6 2025 801 115 14,8
Moyenne 6,8 3419 518 2713 862
BRMIe Max 7 5510 41 1,25 0,67
Effluent Min 6,5 2480 26 0,4 0,2 59 1
Moyenne 6,75 3515 32 0,88 0,39
Taux d’abattement * * 93,8% 99,9% 99,9% 48,7% 93,2%
Affluent - - - 476 2630 73 - -

Traitement
conventionnel Effluent - - - 42 17,3 3.5 - -
Taux d’abattement * * 91,2% 99,3% 95.3% - -

(-) : mesure non effectuée
39
III.2 Etude du colmatage membranaire

La dynamique du colmatage des membranes est quantifiée par l'évolution de la pression
transmembranaire. La filtration de la suspension biologique s'effectue sous une pression de 6 à
16 kPa pour un flux de filtration de 7 LMH, pendant 5 heures de fonctionnement.
III.2.1 Caractérisation des mécanismes du colmatage membranaire

Afin de décrire les différents mécanismes du colmatage pour un procédé de filtration
membranaire, nous avons eu recours à l'analyse de l'évolution expérimentale de la PTM en
fonction du temps. Les figures III-1 montrent l’évolution de la PTM pour l’expérience (A).
Figure III-1 : Evolution expérimentale de la PTM en fonction du temps écoulé sous trois
cycles de filtration/rétro-lavage consécutifs ; t=10min : t=45s: Q=0.16 L/min: Q=0.29L/min
D'après la figure III-1, un phénomène en deux étapes est généralement observé au fur et à
mesure que la filtration progresse : une augmentation rapide de la PTM suivie d'une
augmentation linéaire. L’augmentation rapide est probablement due aux phénomènes de
recompressions de la couche de colmatage et l'augmentation linéaire de la PTM (2 ème phase)
pourrait être causée par un mécanisme de développement de la couche de gâteau à la surface
de la membrane [75]. Cette couche de gâteau est principalement formée par le dépôt de gros
solides en suspension et peut être efficacement éliminée par le rétro-lavage
Par conséquent, nous définissons le paramètre PTMi correspondant à la valeur de pression au

début du cycle et PTM0 correspondant à la valeur de la PTM à partir de laquelle une évolution
40
linéaire est observée. En conséquence, la phase de recompressions est définie par ∆PTM égale
à la différence entre PTMi et PTM0.
Le colmatage réversible peut être évalué par le taux de colmatage rf (Equation II-8) qui
correspond à la pente (dPTM/dt) de la variation linéaire de la PTM au cours de la 2 ème phase
du cycle (Figure III-1) et le colmatage irréversible peut être évalué par la variation de la
PTM0/(PTMi)0 au cours des cycles.
III.2.2 Influence des paramètres de filtration et de rétro-lavage sur le

colmatage membranaire
Dans des systèmes de filtration membranaire, le comportement du colmatage membranaire
peut être influencer par différentes conditions opératoires. Parmi ces conditions, nous citons la
durée de filtration (tF), le flux de filtration (Jv), la durée (tbw) et le flux (Jbw) de nettoyage
physique.
Dans cette étude, 4 séries d’expériences, avec 4 différents scénarios de filtration/nettoyage

physique (A (10min + 45s_bw), B (5min + 30s_bw), C (12min + 60s_bw) et D (9min+ 60s_r)),
ont été conduites sur le BRM pour étudier leur effet sur le colmatage réversible et irréversible.
III.2.2.1 Effets des paramètres opératoires sur le colmatage réversible et

irréversible
Pour chaque série d’expérience, l’évolution du taux de colmatage réversible et du taux de
colmatage résiduel (irréversible) sont représentées dans les figure III-2 et III-3.
5 Expérience A Expérience B
Expérience C Expérience D
4
rf (Pa/s)
0
0 5 10 15 20 25 30 35 40 45
Nombre de cycles
expériences sur un temps du fonctionnement entre 4 et 5 heures
41
D'après la figure III-2, Nous observons que quel que soit les conditions opératoires, le taux de
colmatage réversible décroit en fonction du temps et semble se stabiliser à partir du 6ème cycle
à une valeur de 1 Pa/s pour les expériences A, C et D et à partir du 15ème cycle à une valeur 1.8
Pa/s pour l’expérience B. Le taux de colmatage réversible est légèrement plus important pour
l’expérience B que pour les autres expériences. En effet pour l’expérience B (5min +30s BW)
le cycle de filtration est plus court et le rétro-lavage est plus fréquent donc la matière solide se
dépose rapidement sur la surface de la membrane pour former une couche de gâteau induisant
des taux de colmatage réversible élevés. La vitesse de formation du gâteau est atténuée, pour
des temps de filtration plus long, à cause de la déposition des solutés entre les couches du
gâteau.
Taux du colmatage résiduel en fonction du nombre des cycles

3,5
Expérience A Expérience B
Expérience C Expérience D
3
(PTM0/(PTMi)0)
2,5
1,5
1
0 2000 4000 6000 8000 10000 12000 14000 16000 18000 20000
Temps (s)
expériences sur un temps du fonctionnement entre 4 et 5 heures
L'évolution de (PTM0/(PTMi)0), en fonction du temps a été défini pour l'identification du
colmatage de compression de la couche externe et celui du blocage des pores. Nous observons
une augmentation progressive de ce dernier dès les premiers cycles. Le colmatage résiduel est
cependant moins important pour l'expérience A.
D'après les figures III-2 et III-3, nous observons que l’application de la relaxation (expérience
D) en tant que nettoyage physique est aussi efficace que le rétro-lavage pour réduire le
colmatage réversible et résiduelle.
42
Conclusion
Dans ce chapitre, l’étude des performances d’un système de filtration membranaire BRMIe a
été réalisée en analysant la qualité d’eau à l’entrée et à la sortie du BRMIe. Les résultats
d’analyse ont montré des valeurs de DCO (32 mgO2/L), MES (0.88 mg/L) et Turbidité
(0.32NTU) plus faible que celles du traitement conventionnel (DCO (42 mgO2/L), MES (17.3
mg/L) et Turbidité (3.5 NTU)). Aussi, le taux d’élimination de la matière inorganique par le
BRMIe est plus important pour le phosphore total (PT=93.2%) que pour l’azote total
(NT=48.7%).
Ainsi, nous avons étudié l’influence des paramètres de filtration et de rétro-lavage sur le
colmatage de la membrane. Les résultats comparatifs entre les expériences ont montré que,
quelques soit les conditions opératoires, la vitesse de formation du gâteau à la surface de la
membrane décroit et se stabilise à partir du 6ème cycle. De plus, les résultats montrent que des
rétro-lavages plus fréquents avec des temps de filtration plus court accroit le colmatage. Enfin
nous remarquons que les performances de la relaxation vis-à-vis du colmatage réversible et
irréversible sont similaires à ceux du rétro-lavage.
43
Chapitre IV : Modélisation et Contrôle optimal en boucle ouverte
IV. Modélisation et Contrôle optimal en boucle

ouverte
Introduction
L’objectif principal de ce chapitre est la détermination d’une solution optimale afin de
minimiser la consommation de l’énergie totale pour un BRMIe fonctionnant à un flux constant.
Dans une première partie de ce chapitre, l’efficacité du modèle de Charfi et coll. [82] (défini
pour décrire le colmatage réversible) à reproduire les dynamiques de variation de la PTM avec
ajustement de ces paramètres pour le procédé du BRMIe, a été vérifiée. Dans une deuxième
partie, nous appliquons le problème de contrôle optimal développé par F. Aichouche et coll.
[59] en se basant sur les deux expériences (A : 10 min+45s) et (C :12min +60s) modélisées
dans la première partie de ce chapitre. Le but de la stratégie optimale est la minimisation de
l’énergie total consommée, en déterminant le nombre de commutation entre la filtration et le
rétro-lavage, pour un volume de perméat prédéfini. Pour finir, nous avons évalué l’efficacité
de ces stratégies optimales par rapport aux stratégies classiques (A et C).
IV.1 Modélisation du colmatage

Afin de déterminer une stratégie optimale de contrôle de colmatage membranaire dans un
système de filtration, nous avons besoin d'un modèle mathématique simple permettant la
prédiction de la dynamique de colmatage réversible.
IV.1.1 Modèle à flux constant

Dans cette étude, le modèle utilisé est celui de A. Charfi [82,83]. Il a développé un modèle de
colmatage suffisamment simple de point de vue mathématique, utilisé à des fins de contrôle et
d'optimisation dans les systèmes de filtration membranaire. Ce modèle est capable de
reproduire les dynamiques de variation de la PTM pour une filtration membranaire à un flux
de perméat constant.
Pour les besoins de cette étude, le modèle de A. Charfi a été simplifié sur la base des hypothèses
suivantes :
- Seul le colmatage par accumulation des particules est pris en compte.

- Le système fonctionne à flux de perméat constant.
- La surface filtrante de la membrane est considérée comme constante.
44
- La régénération de la membrane est faite par rétro-lavage.

Durant le fonctionnement, le système bascule sur deux phases ; une phase de filtration et une
phase de nettoyage physique (rétro-lavage ou relaxation).
Pendant la phase de filtration, la dynamique de croissance de la masse déposée sur la surface

de la membrane en fonction du temps m(t) (en kg/m2) s’écrit comme suit :
𝑚̇ = 𝑓1 (𝑚) = −𝐶 ∗ 𝐽𝑣 ∗ 𝛽𝐶 ∗ 𝑚 + 𝐶 ∗ 𝐽𝑣 (Équation IV-1)

C : Concentration en matières en suspension (kg/m3).
Jv : Flux volumique de perméat (m3/m2.s).
𝛽𝐶 : Force de cisaillement (m2/kg).
Selon le modèle de Charfi et coll. f1(m) peut-être écrit comme suit :
𝑓1 (𝑚) = −𝑑 ∗ 𝑚 + 𝑏 (Équation IV-2)

Avec b et d les paramètres du modèle.
Lors de la phase de nettoyage physique, la dynamique de décroissance de la masse déposée sur

la surface de la membrane en fonction du temps m(t) (en kg/m2) s’écrit comme suit :
𝑚̇ = −𝑓2 (𝑚) = −𝜂 ∗ 𝑚 = −𝑎 ∗ 𝑚 (Équation IV-3)
η : efficacité du rétro-lavage qui dépend de l’intensité de rétro-lavage et de la résistance

spécifique du gâteau.
Tableau IV-1 : Paramètres du modèle de Charfi et coll. pour la dynamique de la masse

déposée
Paramètre Expression Unité

d C* Jv*ꞵC s-1
b C* Jv kg/(m2.s)
a η s-1
D’où la dynamique de l’évolution de la masse pour les deux phase filtration et nettoyage
physique pourrait être s’écrire comme suit :
𝑢+1 1−𝑢
𝑚̇ = 𝑓1 (𝑚) − 𝑓2 (𝑚) (Équation IV-4)
2 2
u : une variable de contrôle qui est égale +1 au cours de la phase de filtration et -1 au cours de
la phase de rétro-lavage (ou relaxation).
Pour simuler l’évolution de la PTM en fonction du temps, nous l’exprimons selon la loi de
Darcy :
45
𝑃𝑇𝑀𝐹 = 𝐽𝑣 ∗ 𝜇 ∗ 𝑅𝑡 (𝑡) (Équation IV-5)
𝑃𝑇𝑀𝑏𝑤 = 𝐽𝑏𝑤 ∗ 𝜇 ∗ 𝑅𝑡 (𝑡) (Équation IV-6)

Jbw est le flux volumique au cours du rétro-lavage (m3/m2.s) et Rt(t) est la résistance totale de
la membrane, exprimée par le modèle de résistances en série. La résistance hydraulique totale
est équivalente à la somme de résistances qui sont en série par rapport à l’écoulement de l’eau.
Elle est exprimée par l’équation suivante :
𝑅𝑡𝑜𝑡 = ∑ 𝑅𝑖 = 𝑅𝑚 + 𝛼 ∗ 𝑚 (Équation IV-7)
α : Résistance spécifique du gâteau.
IV.1.2 Validation expérimentales du modèle

Afin de valider le modèle de Charfi et coll, une approche de « validation expérimentale » a été
utilisée. Cette approche est basée sur l'utilisation des données expérimentales obtenues dans
cette étude et sur lesquelles le modèle sera calé.
De ce fait, le modèle a été comparé aux données expérimentales afin d'ajuster au mieux les
sorties du système considéré (c.à.d. les données simulées et les données expérimentales).
L'identification des paramètres du modèle a été réalisée à l'aide d'un algorithme d'optimisation
programmée par le logiciel MATLAB. Ce programme fait appel à une fonction d'optimisation
non-linéaire sous contraintes « fmincon ».
L'optimisation de ces paramètres est basée sur la méthode des moindres carrés (LS) qui permet
la minimisation de la fonction objective sous contraintes à partir d'une condition initiale X 0.
Afin de garantir la positivité des paramètres et définir les bornes inférieures et supérieures des
solutions admissibles, les contraintes de la fonction ont été utilisées. Ces contraintes
représentent les conditions sur les variables à identifier. Dans notre cas, la fonction objective
est donnée par l'équation IV-7 :
1
𝐿𝑆 = 𝑃𝑇𝑀 ∑(𝑦𝑖 − 𝑦̂𝑖 )2 (Équation IV-8)
𝑖
𝑦̂𝑖 : Les valeurs prédites par le modèle de Charfi et coll.
𝑦𝑖 : Les valeurs expérimentales.
Comme il a été mentionné précédemment dans les hypothèses, nous allons négliger le
colmatage résiduel dans ce modèle et nous nous limitons à la modélisation du colmatage par
formation de gâteau à la surface de la membrane. Afin d'évaluer l'efficacité du modèle à
reproduire les données de validation, le coefficient de détermination R2 a été calculé. Ce
46
coefficient nous permet de déterminer la qualité de l'ajustement entre les prédictions du modèle
de Charfi et coll. et les données expérimentales selon l'équation IV-12 :
(𝑦̂ −𝑦̅ )
𝑅 2 = ∑𝑛𝑖=1 (𝑦𝑖 −𝑦̅𝑖 ) (Équation IV-9)
𝑖 𝑖
𝑦̅𝑖 : Les valeurs expérimentales moyennes.
IV.1.3 Résultats de simulation

Dans cette section, les performances du modèle de Charfi et coll. ont été évaluées en se basant
sur des données expérimentales réelles obtenues à partir des 4 expériences (A, B, C et D). Les
données expérimentales décrivent la variation de la PTM, normalisée par rapport à la valeur
initiale PTMi, en fonction du temps (Figure IV-1).
Les paramètres du modèle déterminés expérimentalement sont représentées dans le tableau

IV.2.
Un ajustement du modèle de Charfi et coll. a été effectué avec les données expérimentales des
4 expériences ((A) : tF=10min ; tbw=45s), ((B) : tF=5min ; trelax=30s), et ((C) : tF=12min ;
tbw=60s), ((D) : tF=9min ; trelax=60s).
Les valeurs des conditions initiales nécessaires au calcul des constantes du modèle et les
valeurs des paramètres optimisés sont indiquées dans les tableaux suivants :
Tableau IV-2: Paramètres expérimentaux pour les expériences A(10min+45s_bw),

B(5min+30s_bw), C(12min+60s_bw) et D(9min+60s_r)
Valeurs
Conditions
Unités Experience Experience Experience Experience
initiales
A B C D
Jv m3/m2.s 1,898×10-6 1,893*10-6 1,772×10-6 1,78×10-6
Jbw m3/m2.s 3,470×10-6 3,470×10-6 3,440×10-6 0 (relaxation)
PTMi Pa 5075 3977 4876,3 4930.5
Rm m-1 2,002×1012 2,002×1012 2,002×1012 2,002×1012
m0 Kg/m2 4,800×10-3 6,100×10-3 11×10-3 5,500×10-3
C Kg/m3 3,170 3,170 2,910 2,910
b Kg/m2.s 6.018×10-6 6×10-6 5,157×10-6 5,179×10-6
C : Valeur de la matière en suspension, b=Jv*C, m0 : la masse initialement déposée sur la
membrane.
A l’issu de l’ajustement, trois paramètres (d, a et α) ont été optimisés par la fonction
« fmincon » de Matlab. « d » est un paramètre qui traduit la force de cisaillement, « a » quantifie
47
l’efficacité du nettoyage physique (rétro-lavage ou relaxation) et « α » quantifie la résistance

spécifique du gâteau.
Les valeurs obtenues pour ces paramètres pour coller aux données expérimentales de la PTM
au cours du temps, sont présentées dans le Tableau IV-3.
Les données théoriques de la PTM normalisée sont tracées avec les données expérimentales
sur la Figures IV.1. Afin d’évaluer l’efficacité de l’ajustement, nous avons mesuré le
coefficient de détermination R2 et les valeurs obtenues sont affichées sur le tableau IV-3.
Tableau IV-3: Paramètres identifiés par la méthode des moindre carré après calage des
données expérimentales au modèle
Paramètres du Unité Valeurs des paramètres

modèle
Expérience Expérience Expérience Expérience
A B C D
ꞵC m2.kg-1 4,08 6,20 3,10 21,30
a s-1 2,80×10-3 1,50×10-3 1,50×10-3 1,60×10-4
𝜶 m/Kg 1,40×1014 1,22×1014 1,52×1014 1,64×1014
R2 93% 92% 88,6% 91%
Les résultats d’ajustement du modèle sur les données expérimentales de la PTM normalisée
(PTM/PTMi) en fonction du temps des quatre expériences sont représentés par la figure IV-1.
48
Figure IV-1 : Représentation graphique de simulations d'ajustement de modèle de Charfi et

coll. avec les données expérimentales des 4 expériences A (tF=10min ; tbw=45s_bw),
B(tF=5min ; tbw=30s_bw), C(tF=12min ; tbw=60s_bw) et D(tF=9min ; tbw=60s_r)
D’après la figure IV-1, les courbes des simulations obtenues montrent que le modèle de Charfi
et coll. reproduit bien les données expérimentales de la PTM normalisée pour les 4 expériences,
avec des coefficients de régression supérieur à 88.5%. Le meilleur ajustement a été observé
pour l’expérience (A) (10 min de filtration, 45 s de rétro-lavage) (Figure IV-1 (A)) avec un R2
de 93 %. Cependant, nous constatons des divergences au cours de la dernière heure des
expériences (les derniers cycles des expériences) qui sont peut-être due aux hypothèses limitées
du modèle.
Les résultats regroupés dans le tableau IV-3 montrent que les paramètres du modèle identifiés
dépendent de la procédure de nettoyage appliquée. En comparant les expériences (A, B et C)
réalisées avec un rétro-lavage, nous observons que la masse déposée présente des résistances
spécifiques (α) différentes, malgré la similitude des conditions d'aération (même débit
d'aération) et de la solution d'alimentation filtrée. La résistance spécifique α augmente avec la
durée de la phase de filtration. Nous en déduisons que la couche du gâteau formé devient de
plus en plus résistante lorsque la durée de filtration augmente probablement en raison une
épaisseur plus importante. En raisonnant sur la force du cisaillement (ꞵC), nous observons que
son effet est moins important pour une durée de filtration plus élevée, ce qui concorde
49
inversement avec les résultats des résistances spécifiques du gâteau ; l'effet de l'aération serait
moins important si le gâteau est plus résistant.
Pour l'expérience D effectuée avec la relaxation comme nettoyage physique, nous observons
que la résistance spécifique α est plus élevée que ceux obtenus par les expériences A, B et C.
L'efficacité de la relaxation pour le nettoyage de la membrane est moins importante que
l'efficacité du rétro-lavage, ce qui explique l’importance de flux à contre-courant durant la
phase de nettoyage physique. De plus, le modèle prédit que le détachement de la masse déposée
sur la membrane par cisaillement est plus important par la relaxation (βC=21.3 m2.kg-1) que par
rétro-lavage, cela est liée à l’efficacité de nettoyage plus faible en cas de la relaxation.
En conclusion, le modèle de Charfi et coll. reproduit les données expérimentales d’une manière
suffisamment bonne, simple et générique pour entreprendre le travail de contrôle optimal des
BRMIe.
IV.2 Contrôle optimal en boucle ouverte

Dans cette section nous résolvons le problème d’optimisation de fonctionnement des BRMIe
par une approche analytique en se basant sur la théorie du contrôle optimal.
Le but de cette optimisation est de déterminer une trajectoire optimale de fonctionnement du

système afin de minimiser l’énergie totale consommée pour une production nette de perméat
préétablie.
IV.2.1 Problème du contrôle optimal

L’introduction du problème de contrôle optimal d’un système de filtration fonctionnant à flux
de perméat constant a été abordée par F. Aichouche et coll. [59]. Le problème d’optimisation
a été défini pour un système dont les commandes sont inconnues et sa résolution en appliquant
le Principe du Maximum de Pontryagin (PMP) consiste à trouver les contrôles qui permettent
de minimiser un certain critère en fixant une performance donnée à atteindre. Le problème de
contrôle optimal développé par F. Aichouche et coll. est résumé en ANNEXE 2.
L'objectif dans notre cas est le contrôle du colmatage afin de minimiser l’énergie hydraulique
totale consommée ET par la pompe de filtration sur une période donnée [0, T] avec T le temps
final auquel la production nette du perméat est atteinte V*.
La demande de l’énergie hydraulique totale est la somme des énergies consommées lors de la
phase de filtration et celles pendant la phase du rétro-lavage. Elle est exprimée sous la fonction
ET qui dépend de la masse m(t) et la commande u(t) :
50
𝑡 1+𝑢 1−𝑢
𝐸𝑇 (𝑚(𝑡), 𝑢) = ∫0 𝑓 ( 𝐸𝐹 (𝑚(𝑡)) + 𝐸𝑏𝑤 (𝑚(𝑡))) 𝑑𝑡 (Équation IV-10)
2 2
Les puissances hydrauliques nécessaires à la filtration et au rétro-lavage sont exprimées sous

la forme suivante :
𝐸𝐹 (𝑚) = 𝑄𝐹 ∗ 𝑃𝑇𝑀𝐹 = 𝑄𝐹 ∗ 𝐽𝑣 ∗ 𝜇 ∗ (𝑅𝑚 + 𝛼 ∗ 𝑚) (Équation IV-11)

α : la résistance spécifique du gâteau.
𝐸𝑏𝑤 (𝑚) = 𝑄𝑏𝑤 ∗ 𝑃𝑇𝑀𝑏𝑤 = 𝑄𝑏𝑤 ∗ 𝐽𝑏𝑤 ∗ 𝜇 ∗ (𝑅𝑚 + 𝛼 ∗ 𝑚) (Équation IV-12)

Les QF et Qbw sont les débits au cours de la filtration et du rétro-lavage, respectivement.
Les deux équations précédentes peuvent-être réécrites sous les formes suivantes :
𝐸𝐹 (𝑚) = 𝑐𝑝 ∗ 𝑚 + 𝑑𝑝 (Équation IV-13)
𝐸𝑏𝑤 (𝑚) = 𝑐𝑟 ∗ 𝑚 + 𝑑𝑟 (Équation IV-14)

Tableau IV-4 : Paramètres liés aux puissances hydrauliques consommées lors du
fonctionnement de BRMI
Paramètre Expression Unité

cp 𝑄𝐹 ∗ 𝐽𝑣 ∗ 𝜇 ∗ 𝛼 m5.Pa.s-1kg-1
dp 𝑄𝐹 ∗ 𝐽𝑣 ∗ 𝜇 ∗ R m m3.Pa.s-1
cr 𝑄𝑏𝑤 ∗ 𝐽𝑏𝑤 ∗ 𝜇 ∗ 𝛼 m5.Pa.s-1kg-1
dr 𝑄𝑏𝑤 ∗ 𝐽𝑏𝑤 ∗ 𝜇 ∗ R m m3.Pa.s-1
Pour l’état initial de la membrane décrit par m0, notre objectif est de déterminer une stratégie
optimale de contrôle pour une production totale fixée V*.
La production à un instant t est donnée par :

𝑡 1+𝑢 1−𝑢
𝑉(𝑡) = ∫0 ( ∗ 𝐽𝑣 − ∗ 𝐽𝑏𝑤 ) ∗ 𝑑𝑡 (Équation IV-15)
2 2
Le processus s’arrête au premier instant tf pour lequel la cible est atteinte : V(tf)=V*.
IV.2.2 Description de la trajectoire optimale

D’après la référence [59], l’application du PMP pour l'optimisation (minimisation de la
consommation énergétique) des systèmes de filtration membranaire fonctionnant à flux de
perméat constant résulte en une stratégie de contrôle optimale sur un intervalle de volume fixé
[0 V*] résumée comme suit :
51
+1 , 𝑠𝑖 𝑚 < 𝑚̅ 𝑒𝑡 𝑉 < 𝑉𝑒
𝑢(𝑚, 𝑉) = { 𝑢̅ , ̅ 𝑒𝑡 𝑉 ≤ 𝑉̅
𝑠𝑖 𝑚 = 𝑚 (Équation IV-16)
−1, 𝑠𝑖 𝑚 > 𝑚 ̅ 𝑜𝑢 𝑉 ≥ 𝑉̅
̅ , 𝑉̅ et 𝑢̅ sont les paramètres du contrôle optimale et dépendent des paramètres du modèle de
𝑚
colmatage. Ve correspond au volume pour lequel m atteint la valeur de 𝑚
̅.
En d’autres termes la stratégie optimale peut être décrite comme suit : dans un premier
intervalle de volume produit [0, Ve] correspondant à un premier temps [0, te], si la membrane
est propre (m0 < ͞m) un cycle de filtration (u=1) est initié jusqu'à ce que l'état du colmatage de
la membrane m atteigne une valeur seuil ͞m.
Dans un second intervalle de volume [Ve, ͞V] (temps [te, ͞T]), un intervalle dont le contrôle est
constant noté ͞u dit "arc singulier" est appliqué afin de maintenir l'état de colmatage de la
membrane m autour de ͞m jusqu'au temps T̅ (correspond au volume produit ͞V). Le contrôle ͞u
prend une valeur entre -1 et 1 si le système fonctionne en alternant des cycles de filtration et
de rétro-lavage.
Lorsque le volume ͞V est atteint, nous terminons par un cycle filtration jusqu'au temps final T.
IV.2.3 Implémentation pratique de la solution analytique

Le contrôle singulier ͞u n'a aucune signification physique puisqu'il peut prendre des valeurs
différentes de 1 et −1. Par conséquent, nous devons approximer le contrôle ͞u seulement par des
cycles de filtration (u = 1) et des cycles de rétro-lavage (u = −1) en maintenant toujours la
variation de la masse m(t) proche de ͞m durant l'arc singulier.
Dans notre cas, nous supposons que le contrôle ͞u représente le pourcentage du temps net de
production sur le temps du cycle de fonctionnement, tel que :
𝑡 −𝑡
𝑢̅ = 𝑡𝑓 +𝑡𝑏𝑤 (Équation IV-17)
𝑓 𝑏𝑤
Durant l’arc singulier, tf et tbw sont respectivement le temps de filtration et le temps du rétro-
lavage dans un cycle de fonctionnement.
IV.2.4 Applications
Pour évaluer l’efficacité de la stratégie optimale développée par F. Aichouche et coll., la
solution a été appliquée en simulation à deux cas d’études sur le système de BRM :
Expérience (A) et expérience (C) modélisée dans la section IV-1 par le modèle de Charfi et
coll. .
52
IV.2.4.1 Contrôle optimal de l’expérience A

Les paramètres du modèle identifiés pour l’expérience A (section IV.1.2) ont été utilisés pour
̅ , 𝑉̅ , 𝑉𝑒 et 𝑢̅). La procédure de
calculer les paramètres de contrôle de la solution optimale (𝑚
calcul de ces paramètres ainsi que leurs expressions sont résumées en Annexe 2.
Etant donné que l'objectif principal de cette étude est la minimisation de l'énergie hydraulique
totale consommée par la pompe de perméation (ET) les paramètres du modèle relatifs aux
énergies hydrauliques nécessaires durant la phase de filtration (cp, dp) et de rétro-lavage (cr,
dr) ont été calculés selon les équations (IV-13) et (IV-14) et représentés dans le tableau IV-5.
Tableau IV-5 : Paramètres du modèle relatifs à l’énergie consommée pendant l’expérience

(A)
Paramètres Unités Valeurs
cp m5.Pa.s-1kg-1 0.7055
dp m3.Pa.s-1 0.0101
cr m5.Pa.s-1kg-1 2.3684
dr m3.Pa.s-1 0.0339
Le contrôle optimal a été effectué à un volume net produit de 0.06 m3/m2.
La stratégie optimale correspondante au système modélisé est représentée dans la figure IV-2.
53
Figure IV-2 : (a) la stratégie optimale de fonctionnement pour une production nette de
volume V*=0.06m3/m2 ; (b) la masse déposée sur la surface de la membrane
Dans notre cas, la condition initiale m0 à t=0s est égale à 4.8*10-3 kg/m² et elle est inférieure
à ͞m=0.0188 kg/m². Par conséquent, le système fonctionne dans un premier temps en filtration
(u=1) jusqu'à un volume Ve=0,0044 m3/m² correspondant à une durée de filtration de 39
minutes calculée en se basant sur l'équation (IV-14). Après ce temps, la masse accumulée à la
surface de la membrane m(t) atteint ͞m et c'est à ce moment-là que le contrôle singulier ͞u est
appliqué jusqu'à ce que le volume soit égale à ͞V.
La valeur de ū dans ce cas d'étude est égale à 0.8089 et ͞V correspond à 0,0519 m³/m². Pendant
l'intervalle du volume de l'arc singulier [Ve, ͞V] qui correspond à une durée de 9 heures et demi,
la masse de gâteau (m) a été maintenue à ͞m.
Finalement, la trajectoire optimale se termine avec un cycle de filtration mis en place lorsque
V=͞V avec une durée de 71 minutes.
Comme déjà énoncé, la solution optimale ne peut être appliquée tel qu’elle est définie puisque
ū n’a pas de signification physique. Pour cela, l’équation VI-16 a été utilisée pour approximer
ū par des cycles périodiques de filtration et rétro-lavage. Pour un temps de rétro-lavage de 45
54
s (le même que pour l’expérience A), le temps de filtration calculé est de 425 secondes (7
minutes et 5 secondes).
La figure IV-3 montre la séquence de contrôle u approximé et l’évolution de la masse

correspondante.
Figure IV-3 : la variation de la masse m(t) par rapport à la variation de la commande de

contrôle optimal
D’après la figure IV-3, nous observons que l’application de l’approche approximative de ū
permet d’avoir un nombre de commutation filtration/rétro-lavage N= 65. De plus, pendant
l’intervalle de temps de l’arc singulier, la masse moyenne attachée sur la membrane reste au
voisinage de ͞m, ce qui valide notre approche d’approximation.
Les résultats de simulation de l’expérience (A) sur une production de volume de perméat
prédéfinie ont été comparés avec ceux de la stratégie optimale (Figure IV-3).
55

fonctionnement de BRMIe entre l’expérience (A) en mode temporisé et celle avec contrôle
optimal
D’après la figure IV-4, nous observons qu’il n’y a pas de différence significative de l’énergie
consommée au début de fonctionnement entre les deux stratégies et à partir de 6 ème heures la
minimisation de l’énergie consommée devient observable en appliquant la solution optimale
par rapport à l’expérience (A) en mode temporisé. Après 11h de fonctionnement, la puissance
hydraulique consommée est minimisée de 2%.
IV.2.4.2 Contrôle optimal de l’expérience C

Pour valider théoriquement l’application de la stratégie optimale, nous avons suivi la même
démarche du contrôle optimal pour l’expérience (C). Les paramètres du modèle identifiés pour
l'expérience (C) en mode temporisé ont été utilisés pour calculer les paramètres de contrôle de
la solution optimale correspondant au système considéré.
Les paramètres du modèle relatifs aux énergies hydrauliques nécessaires durant le

fonctionnement du BRMIe ont été calculés selon les équations (IV-12) et (IV-13) et représentés
dans le tableau IV-6.
56
Tableau IV-6 : Paramètres du modèle relatifs à l’énergie consommée pendant l’expérience

(A)
Paramètres Unités Valeurs
cp m5.Pa.s-1kg-1 0.6683
dp m3.Pa.s-1 0.0088
cr m5.Pa.s-1kg-1 2.5244
dr m3.Pa.s-1 0.0333
Pour le cas de l’expérience (C), nous avons choisi la même production de volume prédéfinie
V* pour le contrôle optimal.
La figure IV-5 montre la solution optimale de l’expérience (C) correspondante au système

modélisé.
Figure IV-5 : (a) la stratégie optimale de l’expérience (C) pour une production nette de
volume V*=0.06m3/m2 ; (b) la masse déposée sur la surface de la membrane en fonction du
volume produit
57
Pour le cas de cette expérience, la condition initiale m0 à t=0s est égale à 0.011 kg/m² et elle
est inférieure à ͞m=0.0264 kg/m². Par conséquent, le système fonctionne dans un premier temps
en filtration (u=1) jusqu'à un volume Ve=0,0056 m3/m² pendant une durée de filtration de 52
minutes calculée en se basant sur l'équation (IV-14). Après ce temps, la masse accumulée à la
surface de la membrane m(t) atteint ͞m et par conséquent débute le contrôle singulier ͞u jusqu'à
ce que le volume soit égale à ͞V. La valeur de ū dans ce cas est égale à 0.7715 et ͞V correspond
à 0,0464 m³/m². Donc selon l’approximation, cela correspond à un temps de filtration de 7 min
et 45s pour un temps de rétro-lavage de 60s (identique à celui de l’expérience C).
La masse de gâteau m(t) attachée à la surface de la membrane est gardée proche de ͞m durant
le fonctionnement du BRMIe sur l'arc singulier [Ve, ͞V] correspondant à une durée de 9 heures
et 40 minutes de contrôle singulier.
Finalement, une commande u=1 (filtration) a été appliquée sur une durée de 2 heures et 7
minutes de V=͞V jusqu’à V=V*.
La figure IV-5 montre les résultats de simulation de l’expérience (C) et celle de la stratégie
optimale sur une production de volume de perméat prédéfinie (V*= 0,07m3/m2) .

fonctionnement de BRMIe entre l’expérience (C) en mode temporisé et celle avec contrôle
optimal
58
D’après la figure IV-6, nous observons qu’à partir de deux heures de fonctionnement la
différence de l’énergie consommée entre les deux stratégies (la solution optimale par rapport à
l’expérience (C) en mode temporisé) devient significative. Après 12h et 30min de
fonctionnement, la puissance hydraulique consommée est minimisée de 11,16% (minimisation
plus forte que l’expérience (A)).
Conclusion
Dans un premier temps, nous avons évalué la capacité du modèle de Charfi et coll. à reproduire
les données expérimentales pour le BRMIe pour différentes stratégies de filtration et de
nettoyage physique. Les résultats de simulation montrent une bonne reproduction des données
expérimentales pour les quatre expériences avec des coefficients de régression supérieur à
88.5%.
Dans un deuxième temps, la solution optimale a été déterminée et validée théoriquement pour
les deux expériences (A) et (C). L’application théorique de la solution optimale conduit à une
minimisation de l’énergie total consommée pour les deux cas étudiés.
En conclusion, le modèle peut donner une illustration satisfaisante du gâteau formé avec une
valeur suffisamment précise lors des premiers cycles. Un contrôle en boucle fermée est
envisagé à plus long terme pour rectifier les paramètres du modèle en fonction du degré de
colmatage de la membrane.
59
Chapitre V : Contrôle à boucle fermée appliqué à un BRMAn
V. Contrôle à boucle fermée appliqué à un BRMAn

Introduction
Nous avons montré dans le chapitre précédent que le contrôle optimal était efficace pour
minimiser la consommation énergétique sur une durée de fonctionnement de quelques heures.
Toute la synthèse d’optimisation repose sur un modèle simple pour prédire la dynamique
(PTM) du système membranaire. Le problème observé est que le modèle, vu sa simplicité, ne
reproduit avec précision la formation du gâteau que sur des durées de fonctionnement courtes.
Donc dans le but de simuler le problème de contrôle optimal à long terme, un contrôle à boucle
fermée est appliqué.
Nous avons choisi d’appliquer la synthèse du contrôle optimale en boucle fermé sur un BRM
anaérobie. Pour simuler le fonctionnement du BRMAn un modèle couplé proposé par Benyahia
et coll. [84] a été utilisé. Ce modèle couplé est un modèle qui décrit les dynamiques du système
biologique (AM2b) et les dynamiques du système de filtration pour un BRMAn.
Nous débuterons ce chapitre en développant une approche analytique de contrôle optimal en

boucle fermée basé sur les travaux de F. Aichouche et coll. permettant de déterminer les
séquences optimales entre filtration et de rétro-lavage. Nous présenterons par la suite le modèle
couplé de Benyahia et coll. utilisé pour simuler le fonctionnement du BRMAn. Nous
terminerons ce chapitre par la simulation des résultats de stratégie optimale en boucle fermé
pour évaluer les performances énergétiques de cette stratégie.
V.1 Formulation du contrôle optimal en boucle fermée

Dans le chapitre précèdent, nous avons évalué théoriquement les performances de la stratégie
optimale sur la consommation énergétique de la pompe de perméation. Les résultats ont montré
une réelle minimisation de l’énergie de la pompe en appliquant la stratégie optimale. Par contre,
la synthèse du contrôle repose sur un modèle simple qui prédit l’évolution de la PTM. Ce
modèle vu sa simplicité et ses hypothèses limitées n'arrive à reproduire avec fiabilité les
données de la PTM que sur du court terme (quelques heures). L’idée alors est d’étendre la
stratégie du contrôle optimale à un contrôle en boucle fermée, en tenant compte de l’état réel
du système, pour que la stratégie optimale qui en découlera soit efficace sur du plus long terme.
60
V.1.1 Description de la stratégie

La description de la stratégie de la boucle fermée est résumée dans la figure V-1. Elle consiste,
en premier, à déterminer les paramètres de l’arc singulier de contrôle optimal en boucle ouverte
(͞u0, ͞m et te) comme décrit dans la section IV.2.2. Le temps te (début de l’arc singulier) sera
pris comme référence dans cette étude comme le temps de début de contrôle optimal en boucle
fermée. Ensuite, nous appliquons la commande ͞u0 sur un nombre prédéfini de cycle (2 ≤ n ≤
5). Les données dynamiques obtenues à partir de ces cycles (n) contrôlés par la commande u͞ 0
sont modélisés par le modèle de Charfi et coll. afin de déterminer la nouvelle commande u͞ 1
pour le contrôle du cycle suivant. Ainsi, le contrôle est la détermination ͞ui par l'identification
des paramètres du modèle ajusté avec les données de n derniers cycles, pour déterminer le cycle
suivant.
Figure V-1 : schéma explicatif d’un contrôle optimal en boucle fermée
V.1.2 Commande optimale adaptative

Le contrôle optimal en boucle fermée est applicable à long terme et commence à l’arc singulier.
La synthèse optimale développé par F. Aichouch et coll. décrite dans la section VI.2.2 reste
toujours valable pour le calcul des paramètres du contrôle (͞m, ͞u, te,.., (ANNEXE 2)).
Cependant, pour que la synthèse optimale soit applicable en commande adaptative la stratégie
de contrôle a été modifié et elle est résumée comme suit :
+1 , 𝑠𝑖 𝑚 < 𝑚̅ 𝑒𝑡 𝑡 < 𝑡𝑒
𝑢(𝑚, 𝑉) = {𝑢̅0 , 𝑝𝑜𝑢𝑟 𝑡𝑒 < 𝑡 ≤ 𝑡𝑒 + 3 𝑐𝑦𝑐𝑙𝑒𝑠 (Équation V-1)
𝑢̅1 , 𝑢̅2 , … , 𝑢̅𝑁 𝑠𝑖 𝑉𝑒 < 𝑉 < 𝑉̅
61
Dans un premier intervalle de temps [0, te], on considère toujours que la membrane est propre
(m0=0) un cycle de filtration (u=1) est initié jusqu'à ce que l'état du colmatage de la membrane
m atteigne une valeur seuil ͞m.
Dans un second intervalle du temps [te, te+3cycles], le contrôle noté ͞u0 est constant durant les
3 cycles pour maintenir l'état de colmatage de la membrane m(t) autour de ͞m0
Dans un troisième intervalle de temps, le contrôle noté ͞ui (i : 1, 2, 3, ...) dit "arc singulier" est
variable jusqu’à l’arrêt du procédé ou jusqu’à colmatage sévère de la membrane.
Le contrôle ͞ui prend une valeur entre -1 et 1 puisque le système fonctionne en alternant des
cycles de filtration et de rétro-lavage. Certes, nous devons approximer la commande ͞u par des
cycles de filtration (u = 1) et des cycles de rétro-lavage (u = −1) à l'aide de l'équation IV-16
décrite dans la section IV.2.3.
V.2 Modélisation du BRMAn

Le contrôle optimal en boucle fermé a été appliqué, dans cette section, à un bioréacteur
anaérobie. Les données dynamiques d’un BRM anaérobie ont été simulée par un modèle couplé
proposé par Benyahia et coll.. Ce modèle combine les modèles biologiques et les modèles de
colmatage.
V.2.1 Couplage des modèles de colmatage et des modèles

biologiques
Les modèles couplés (ou intégrés) sont des combinaisons entre deux opérations primaires
impliquées dans le processus des BRM, c'est-à-dire le traitement biologique (la cinétique de la
biomasse) et le traitement physique (la filtration membranaire) (Figure V-2) [85,86]. Ces
modèles couplés ont une plus grande capacité à simuler/modéliser le comportement du système
des BRM dans son ensemble.
Figure V-2 : Modèles couplés de BRM [86]
62
Le premier modèle intégré a été proposé par Lee et coll. [86], en couplant le modèle ASM1-
SMP (Soluble Microbial Product) de Lu et coll. [87] avec l'approche RES (Résistance en série)
en prenant en compte les solides totaux en suspension comme un facteur important pour
l'encrassement (c'est-à-dire la résistance du gâteau) alors que le SMP était trivial (c'est-à-dire
sans blocage des pores).
Dans l’étude de Lee et coll. (2002) [86], l'ASM1 a été modifié pour prendre en compte les
caractéristiques biologiques du procédé BRMI, et le modèle de résistance en série a été intégré
dans l'ASM1 modifié pour décrire le colmatage de la membrane. Les résultats montrent que le
SMP joue un rôle important dans le colmatage de la membrane et la qualité de l'effluent et que
le modèle développé serait un outil utile pour optimiser les conditions opératoires ainsi que les
paramètres de conception d'un système BRMI.
Ainsi, Zarragoitia G. et coll. (2008) [88], ont développé un modèle mathématique pour évaluer
l'influence d'une aération intermittente des bulles synchronisée ou non avec les cycles de
filtration sur le contrôle du colmatage de la membrane, en tenant compte des effets de l'intensité
du cisaillement sur l'élimination du gâteau de boue. Cependant, ces derniers modèles
présentaient certaines limites, notamment un bilan DCO incomplet et incorrect et la négligence
d'un certain nombre de mécanismes physiques clés.
Un modèle simple a été proposé par Benyahia et coll. (2016) [84] pour l'encrassement des
membranes, prenant en compte deux phénomènes principaux du colmatage : la formation de
gâteau et le colmatage (ou blocage) des pores. Le modèle est couplé à un modèle simple de
digestion anaérobie pour décrire la dynamique d'un bioréacteur anaérobie à membrane
(BRMAn). D’après les travaux publiés dans la réf. [84], ce modèle prédit assez bien les flux
volumiques du perméat avec un coefficient de corrélation R2=0,97.
Ce modèle couplé sera détaillé dans la section qui suit et sera utilisé pour simuler les données
dynamiques (PTM) pour un BRM anaérobie.
V.2.2 Formulation du modèle

V.2.2.1 Le modèle biologique
La dynamique des systèmes biologiques est basée sur le modèle AM2b proposé par Benyahia
et coll. (2013) [67]. Ils ont développé un modèle appliqué à un bioréacteur à membrane
anaérobie sous diverses hypothèses (Figure V-1). La cinétique d'un système biologique est
constituée de deux réactions : l’acidogenèse et la méthanogenèse, dans lesquelles interviennent
deux types de microorganismes : l'acidogène, notée X1, et la méthanogène, notée X2. Les
63
bactéries X1 consomment de la matière organique notée S1 et produisent des Acides Gras

Volatils (AGV) notés S2. Les AGV sont à leur tour consommés par l'écosystème X2 pour
produire du méthane. La croissance et la mort des deux bactéries conduisent à la production de
Produits Microbiens Solubles (PMS). Les PMS sont simultanément consommés par X1 pour
générer S2. Ces différentes réactions sont résumées dans le tableau (V-1) sous la forme d'un
schéma réactionnel [89].
Tableau V-1 : Réactions considérées dans le modèle AM2b
Acidogenèse :
𝑘1 𝑆1 → 𝑋1 + 𝑘2 𝑆2 + 𝑘4 𝐶𝑂2
Méthanogenèse :
𝑘3 𝑆2 → 𝑋2 + 𝑘5 𝐶𝑂2 + 𝑘6 𝐶𝐻4
Acidogenèse et la production des PMS :

𝑘1 𝑆1 → 𝑋1 + 𝑘2 𝑆2 + 𝑏3 𝑆 + 𝑘4 𝐶𝑂2
Méthanogenèse et la production des PMS :

𝑘3 𝑆2 → 𝑋2 + 𝑏3 𝑆 + 𝑘5 𝐶𝑂2 + 𝑘6 𝐶𝐻4
Dégradation des PMS :

𝑏1 𝑆 → 𝑋1 + 𝑏2 𝑆2 + 𝑘7 𝐶𝑂2
La production des PMS lors de la dégradation des micro-organismes :

𝑘𝑑1 𝑋1 → 𝑘𝑑1 𝑆 𝑘𝑑2 𝑋2 → 𝑘𝑑2 𝑆
Avec :
X1 : Concentration des micro-organismes acidogènes (g.L-1).
X2 : Concentration des micro-organismes méthanogènes (g.L-1).
S1 : Concentration de la matière organique (g.L-1)
S2 : Concentration des Acides Gras volatils (g.L-1).
S : Concentration des PMS (g.L-1).
𝑘1 : Coefficient de dégradation de S1 par X1.
𝑘2 : Coefficient de production de S2 à partir de S1.
𝑘3 : Coefficient de dégradation de S2 par X2.
𝑘4 : Coefficient de production de CO2 à partir de S1.
𝑘5 : Coefficient de production de CO2 à partir de S2.
64
𝑘6 : Coefficient de production de CH4 à partir de S2.
𝑘7 : Coefficient de production de CO2 à partir de PMS.
b1 : Coefficient de dégradation des PMS par X1.
b2 : Coefficient de production de S2 à partir de PMS.
kd1 : Taux de décroissance des acidogènes .
kd2 : Taux de décroissance des méthanogènes.
En plus des hypothèses biologiques, d'autres hypothèses liées au processus ont été utilisées.
Le bioréacteur a été considéré comme homogène en tout point. De plus, la biomasse X1 et la

biomasse X2 sont complètement retenues par la membrane. En revanche, les substrats
(organiques (S1) et AGV (S2)) ne sont pas retenus par celle-ci. Une partie du PMS produit est
retenue par la membrane et peut provoquer son colmatage. La fraction de biomasse fixée par
la force de perméation et séparée par l’opération de lavage est considérée comme négligeable
par rapport à la concentration en biomasse dans le réacteur. Par conséquent, on suppose que le
colmatage et la régénération de la membrane n'ont aucun effet sur la cinétique du système
biologique. Lors de l'opération de lavage, on suppose que les débits d’alimentation, de boues
évacuées et de perméat sont arrêtés.
Figure V-3 : Représentation schématique du modèle AM2b
65
V.2.2.2 Modèles de résistance et surface de la membrane

Le modèle AM2b est couplé au modèle de colmatage à deux paramètres qui tient compte du
colmatage par gâteau et du colmatage par blocage de pores tels que définis par Hermia
(1982) [35] :
-Le premier est causé par la masse m(t) de solides qui se fixent sur la surface de la membrane,
également appelé formation de gâteau ou encrassement du gâteau. Selon la taille des particules
et des pores, les plus grosses particules sont retenues, ce qui entraîne une diminution de la
surface filtrante de la membrane.
-Le second est dû aux particules Sp(t) retenues à l'intérieur des pores de la membrane sous
forme de SMP, appelée ici constriction des pores. Leur taille peut être inférieure à celle des
pores et elles sont connues pour obstruer progressivement les pores de la membrane. Ce
phénomène réduit généralement la surface poreuse de la membrane.
L’approche de modélisation proposée nous permet de découpler dynamiquement les différents

mécanismes du colmatage (solides fixés sur la membrane vs SMP bouchant les pores). En
utilisant le modèle de résistance en série basé sur la loi de Darcy, le modèle d'encrassement de
la membrane pour des installations fonctionnant à un flux de perméation (Jv) constant est donc
donné par :
𝑃𝑇𝑀 = 𝐽𝑣 ∗ 𝜇 ∗ (𝑅0 + 𝑅𝑡𝑜𝑡 (𝑡)) (Équation V-2)

Jv : Flux du perméat (LMH), PTM : Pression Transmembranaire (Pa), μ : viscosité dynamique
(Pa.s), R0 : Résistance propre de la membrane (m-1), R(t) :Résistance total due au colmatage
par gâteau et par blocage de pores (m-1).
Avec :
𝑅(𝑡) = 𝑅𝑔 (𝑚(𝑡)) + 𝑅𝑠 (𝑆𝑝 (𝑡)) (Équation V-3)
Rg : Résistance de la couche du gâteau (m-1), Rs : Résistance due au blocage des pores (m-1).
Les résistances Rg et Rs dépendent de la masse m(t) et de la concentration Sp(t)

𝑚(𝑡) 𝑉𝑝 𝑆𝑝 (𝑡)
𝑅𝑔 (𝑚(𝑡)) = 𝛼 ( 𝐴(𝑡) ) , 𝑅𝑠 (𝑆𝑝 (𝑡)) = 𝛼 ′ ( ) (Équation V-4)
𝜖𝐴(𝑡)
𝛼 : Résistances spécifiques (m.kg-1), α’ : Surface bloquée par unité de masse de colmatants (m2
.kg-1) Vp : le volume total des pores (m2), 𝜖𝐴(𝑡) : la surface poreuse qui est une fraction de la
surface utile totale.
La surface totale filtrante de la membrane est considérée variable durant le fonctionnement du

procédé. Une fonction possible pour décrire la surface A(t) est :
66
𝐴0
𝐴(𝑡) = 𝑚(𝑡) 𝑆𝑝 (𝑡)
(Équation V-5)
1+ + ′
𝜎 𝜎
A0 : La surface initiale de la membrane (m2) , 𝜎 et 𝜎 ′ : Paramètres pour normaliser les unités

(g-1 et L.g-1 respectivement).
Cependant, en pratique, après chaque rétro-lavage ou nettoyage de la membrane, il reste de

petites quantités de m(t) et de Sp(t) qui ne sont pas détachées, ce qui provoque progressivement
un effet d'encrassement irréversible. Sur le long terme, la surface A(t) diminue
continuellement, conduisant à la dégénérescence de la membrane.
V.2.2.3 Modèle couplé pour la phase de filtration

Les deux composants m(t) et Sp(t) ont leur propre dynamique : ils augmentent pendant la phase
de filtration et diminuent pendant la phase de rétro-lavage. La contribution de tous les
composants solubles (ST=S1+S2 et SMP) et les composants particulaires (XT=X1+X2), à des
degrés différents, à l'encrassement de la membrane par la formation du gâteau, a été supposée
puisque la liqueur mixte est supposée homogène. Ainsi, la dynamique de la masse m(t), au
cours de la phase de filtration, peut être décrite comme suit :
𝑚̇ = 𝛿𝑄𝑜𝑢𝑡 (∑ 𝐶𝑆𝑖 𝑆𝑖 + 𝐶𝑃𝑀𝑆 𝑃𝑀𝑆 + ∑ 𝐶𝑋𝑖 𝑋𝑖 ) (Équation V-6)
𝑆𝑝̇ = 𝛿′𝑄𝑜𝑢𝑡 (𝛽 ∗ 𝑃𝑀𝑆 + 𝛽′𝑆𝑇 ) (Équation V-7)
𝐶𝑆𝒊 : fraction de Si fixée sur la membrane à un moment donné (h-1).
𝐶𝑋𝑖 : fraction de Xi fixée sur la membrane à un moment donné (h-1).
𝐶𝑃𝑀𝑆 : fraction de PMS fixée sur la membrane à un moment donné (h-1).
𝛿 et 𝛿′ : Paramètres pour normaliser les unités.
𝛽 : Fraction de PMS quittant le bioréacteur.
𝛽′ : Fraction de ST bloquant les pores.
En partant des réactions biologiques et hypothèses précédentes, la dynamique des masses de

X1, X2, S1, S2 et SMP dans le bioréacteur lors de la phase de filtration peut être décrite comme
suit :
𝑄
𝑋̇1 = (𝜇1 (𝑆1 ) + 𝜇𝑃𝑀𝑆 (𝑃𝑀𝑆) − 𝑘𝑑1 − 𝑉𝑤 − 𝐶𝑥1 )𝑋1 (Équation V-8)
𝑄
𝑋̇2 = (𝜇2 (𝑆2 ) − 𝑘𝑑2 − 𝑉𝑤 − 𝐶𝑥2 )𝑋2 (Équation V-9)
𝑄 𝑄 𝑄
𝑆1̇ = 𝑉𝑖𝑛 𝑆1𝑖𝑛 − ( 𝑜𝑢𝑡
𝑉
+ 𝑉𝑤 ) 𝑆1 − 𝑘1 𝜇1 (𝑆1 )𝑋1 − 𝐶𝑠1 𝑆1 (Équation V-10)
67
𝑄 𝑄 𝑄𝑤
𝑆2̇ = 𝑉𝑖𝑛 𝑆2𝑖𝑛 − ( 𝑜𝑢𝑡 + ) 𝑆2 − 𝑘3 𝜇2 (𝑆2 )𝑋2 + (𝑘2 𝜇1 (𝑆1 ) + 𝑏2 𝜇𝑃𝑀𝑆 (𝑃𝑀𝑆))𝑋1 − 𝐶𝑠2 𝑆2
𝑉 𝑉
(Équation V-11)
̇ = −𝑀. 𝑃𝑀𝑆 + (𝑏3 𝜇1 (𝑆1 ) + 𝑘𝑑1 − 𝑏1 𝜇𝑃𝑀𝑆 (𝑃𝑀𝑆))𝑋1 + (𝑏4 𝜇2 (𝑆2 ) + 𝑘𝑑2 )𝑋2 − 𝐶𝑃𝑀𝑆 𝑃𝑀𝑆
𝑃𝑀𝑆
(Équation V-12)
𝑆1
𝜇1 (𝑆1 ) = 𝜇1𝑚𝑎𝑥 ∗ 𝐾 (Équation V-13)
1 +𝑆1
𝑆2
𝜇2 (𝑆2 ) = 𝜇1𝑚𝑎𝑥 ∗ 𝑆2 (Équation V-14)
𝐾2 +𝑆2 + 2
𝐾𝑖
𝑃𝑀𝑆
𝜇𝑃𝑀𝑆 (𝑃𝑀𝑆) = 𝜇𝑃𝑀𝑆𝑚𝑎𝑥 ∗ 𝐾 (Équation V-15)
3 +𝑃𝑀𝑆
𝑄𝑜𝑢𝑡 𝑄𝑤
𝑀=𝛽∗ + (1 − 𝛽) ∗ (Équation V-16)
𝑉 𝑉
Qin : Débit d’alimentation (L/h).
Qout : Débit de perméat (L/h).
μ1 : taux de croissance de la biomasse acidogène à partir de S1.
μPMS : taux de croissance de la biomasse acidogène à partir de PMS.
μ2 : taux de croissance de la biomasse méthanogène à partir S2.
μmax1 : taux de croissance maximal de la biomasse acidogène à partir de S1 (h-1).
μmax2 : taux de croissance maximal de la biomasse acidogène à partir de S2 (h-1).
μPMSmax : taux de croissance maximal de la biomasse acidogène à partir de PMS (h-1).
K3 : Constante de demi-saturation associée aux PMS.
Ki : Constante d'inhibition associée à S2.
V.2.2.4 Modèle couplé pour la phase de nettoyage physique

Durant la phase du rétro-lavage (ou relaxation), la pression transmembranaire est inversée, de
sorte que le flux de perméat retourne dans l'alimentation, détachant la couche du colmatage des
pores et de la surface de la membrane. Pendant cette phase, le processus est modélisé par les
équations.
𝑋̇1 = (𝜇1 (𝑆1 ) + 𝜇𝑃𝑀𝑆 (𝑃𝑀𝑆) − 𝑘𝑑1 )𝑋1 (Équation V-17)
𝑋̇2 = (𝜇2 (𝑆2 ) − 𝑘𝑑2 )𝑋2 (Équation V-18)
𝑆1̇ = −𝑘1 𝜇1 (𝑆1 )𝑋1 (Équation V-19)
68
𝑆2̇ = −𝑘3 𝜇2 (𝑆2 )𝑋2 + (𝑘2 𝜇1 (𝑆1 ) + 𝑏2 𝜇𝑃𝑀𝑆 (𝑃𝑀𝑆))𝑋1 (Équation V-20)
̇ = (𝑏3 𝜇1 (𝑆1 ) + 𝑘𝑑1 − 𝑏1 𝜇𝑆𝑀𝑃 (𝑆𝑀𝑃))𝑋1 + (𝑏4 𝜇2 (𝑆2 ) + 𝑘𝑑2 )𝑋2
𝑆𝑀𝑃 (Équation V-21)
𝑚̇ = −𝑓𝑚 (𝑚) = −𝑤. 𝑚 (Équation V-22)
𝑆𝑝̇ = −𝑓𝑠 (𝑆𝑝 ) = −𝑤 ′ . 𝑆𝑝 (Équation V-23)
Avec w et w’ des constantes positives qui quantifie l’efficacité du nettoyage physique (s-1).
V.2.3 Simulation du modèle

La simulation du modèle couplé a été effectuée, sur 81 h, en mode temporisé avec des
fréquences et des durées de filtration et de rétro-lavage constant (tF = 36 minutes et tbw = 3
minutes).
Les paramètres du modèle utilisés pour la simulation sont ceux de la réf. de Benyahia et coll.
[84]. Benyahia et coll. ont validé le modèle couplé avec des données expérimentales obtenues
à partir d’un BRMAn en traitant des eaux usées municipales. Les valeurs des paramètres du
modèle (biologiques et ceux de la filtration) sont indiquées dans le Tableau IV.2,
La figure V-4 montre la variation des paramètres biologiques : la biomasses acidogènes X1(t),
et méthanogènes X2(t), la matière organique S1(t), les AGV S2(t) et les PMS S(t). Ces
variables atteignent un état d’équilibre à partir de 30 heures de fonctionnement. D’après la
figure V-5, la PTM augmente progressivement jusqu’à 28420 Pa à tf = 81h.
Tableau V-2 : Valeurs des paramètres du modèle utilisés pour la simulation tirées de la réf.
[84]
Paramètre Signification (unité) Valeur
S1in Concentration de la matière organique (g.L-1) 90
S2in Concentration des Acides Gras volatils (g.L-1) 20
k1 Coefficient de dégradation de S1 par X1 25
k2 Coefficient de production de S2 à partir de S1 15

Paramètres
k3 Coefficient de dégradation de S2 par X2 16.08
biologiques
b1 Coefficient de dégradation des PMS par X1 40
b2 Coefficient de production de S2 à partir de PMS. 0.6
b3 Coefficient de production de PMS à partir de S1. 3
b4 Coefficient de production de PMS à partir de S2. 1.30
69
kd1 Taux de décroissance des acidogènes 0.18

kd2 Taux de décroissance des méthanogènes 0.18
ꞵ Fraction de PMS quittant le bioréacteur 0.10
ꞵ’ Fraction de ST bloquant les pores 0.013
V Volume du réacteur (L) 0.050
Constante de demi-saturation associée au
K1 10
substrat S1
Constante de demi-saturation associée au
K2 5
substrat S2
K3 Constante de demi-saturation associée aux PMS 3
Ki Constante d'inhibition associée à S2 15
taux de croissance maximal de la biomasse
μmax1 1.2
acidogène à partir de S1.
μmax2 1.5
acidogène à partir de S2.
μPMSmax 0.14
acidogène à partir de PMS.
fraction de Si fixée sur la membrane à un
Csi 0.005
moment donné (h-1).
fraction de Xi fixée sur la membrane à un
Cxi 0.05
moment donné(h-1).
fraction de PMS fixée sur la membrane à un
CPMS 0.005
moment donné(h-1).
μ Viscosité (Pa.s) 0.001
w Efficacité du rétrolavage liée à la biomasse (s-1) 20
w' Efficacité du rétrolavage liée au subtrat (s-1) 2.5
R0 Résistance propre de la membrane (m-1) 1012
Paramètres Jv Flux volumique de filtration (LMH) 2.055×10-5
liés à la Jbw Flux volumique de rétro-lavage (LMH) 4.125×10-5
filtration α Résistance spécifique (m.kg-1) 1013
Surface bloquée par unité de masse de
α' 1013
colmatants (m2 .kg-1)
δ Paramètre pour normaliser les unités 0.1
δ' Paramètre pour normaliser les unités (L-1) 0.06
𝜖 Fraction de la surface poreuse 0.7
Qin Débit d’alimentation (L/h). 10
Qw Débit d’extraction des boues (L/h). 1.5
Vp Volume totale des pores (L) 1.4
70
Figure V-4 : Variation des paramètres biologiques en fonction du temps
Figure V-5 : évolution de la PTM en fonction du temps
71
V.3 Application de contrôle à boucle fermée

Pour évaluer l’efficacité du contrôle optimal en boucle fermée, la solution a été appliquée sur
un BRMAn modélisé par couplage en prenant les mêmes valeurs des paramètres du modèle
simulé dans la section V.2.3.
Pour déterminer l’instant de début de l’arc singulier (à partir duquel nous commençons le
contrôle en boucle fermée), nous appliquons l’approche du contrôle optimal en boucle ouverte
sur le système considéré.
Les résultats de simulation montrent que l’arc singulier commence après 3h30min de
fonctionnement de BRMAn en phase de filtration, en considérant que nous partons d’une
membrane propre (m0= 0 g/m2). Dans la phase de l’arc singulier, la figure V-6 montre que la
masse du gâteau a été maintenue au voisinage de ͞m égale à 3.01 g, ce que valide la capacité de
la stratégie à contrôler le colmatage réversible. L'évolution de la PTM en fonction du temps
augmente progressivement jusqu'à atteindre 0.2975 Bar (Figure V-8) et dans la phase de l'arc
singulier, elle suit l'allure de l'évolution de la masse de PMS bloquant les pores de la membrane
(colmatage irréversible) (Figure V-7). Donc, l'augmentation de la PTM due principalement au
colmatage irréversible.
Figure V-6 : évolution de la masse du gâteau

en fonction du temps Figure V-7 : évolution de la masse des
PMS bloquant les pores de la membrane
72
Figure V-8 :évolution de la PTM en fonction du temps

A l’aide des équations IV-10-12 et IV-15, nous avons pu calculer l’énergie hydraulique
consommée et le volume de perméat produit. Pour un fonctionnement du système sans contrôle
pendant 81 heures, le BRMAn a produit un volume d’eau traitée de 2.7 m3 et il a consommé
80.56 kW.s d’énergie hydraulique totale (Figure V-9).
Figure V-9 : Simulation de (a) : l’évolution de l’énergie consommée en fonction du temps, et

(b) : évolution de la productivité de l’eau en fonction du temps, pour un contrôle en mode
temporisé
73
Figure V-10 : Simulation de (x):l’évolution de l’énergie consommée en fonction du temps ;

(y) : l’évolution de la productivité de l’eau en fonction du temps, pour un contrôle optimal en
boucle fermée
D’après la figure V-10 (y), le même volume total de perméat (2.7 m3) a été produit pendant 70
heures et 30 minutes de fonctionnement du BRMAn contrôlé en boucle fermée. L’énergie
hydraulique consommée lors de fonctionnement du système est de 72.32 kW.s (Figure V-10
(x)).
L’application théorique de la stratégie de contrôle optimal en boucle fermée, pour produire 2.7
m3 de l’eau traitée, a permis de minimiser l’énergie totale consommée de 10.2%.
Conclusion
La stratégie optimale en boucle fermée développée dans ce chapitre est basé sur l’approche
analytique de contrôle optimal de F. Aichouche. Afin de comparer l’efficacité de la stratégie,
nous avons simulé un modèle couplé d’un BRMAn sans application de contrôle (mode
temporisé) et avec application de contrôle. Théoriquement, pour le même volume produit, les
résultats montrent que l’application de cette stratégie de contrôle a minimisé la consommation
de l’énergie totale de 10.2%
74
Conclusion générale
Le traitement des eaux usées municipales par les technologies de séparation membranaire tels
que l’ultrafiltration a été développé pour garantir une qualité d’eau traitée susceptible d’être
réutiliser dans plusieurs domaines. La technologie de BRM est relativement plus couteuse par
rapport aux systèmes conventionnels à boues activées, c’est pourquoi, pour la développer et
l’optimiser, des gros efforts ont été faits pour réduire ses coûts d'exploitation. En effet, le
problème majeur des BRM est le phénomène du colmatage membranaire.
Notre étude nous a permis d’évaluer les performances d’un système d’UF pour un traitement
secondaire des eaux issues des bassins d’aération (BRMIe) de la STEP de Charguia I. Nous
avons réalisé quatre expériences pour étudier l’effet des conditions opératoires (temps de
filtration, temps du nettoyage physique, rétrolavage/relaxation) sur le fonctionnement du
BRMIe. Pour l’optimisation de ce procédé, deux types de stratégie de contrôle ont été mis en
jeu, l’un est un contrôle à court terme appelé un contrôle optimal en boucle ouverte et l’autre
en boucle fermée pour le contrôle à une longue durée de fonctionnement. L’objectif de ces
stratégies est la minimisation de l’énergie total consommée par rapport au volume de perméat
produit.
La première partie de l’étude a été consacrée pour l’évaluation des performances du BRMIe et
la caractérisation du colmatage de la membrane. Pour cela, nous avons commencé par les
résultats d’analyse de la qualité de l’effluent du BRMIe. Les résultats d’analyse ont montré que
le traitement par BRMIe a permis d’avoir des performances d’élimination des polluants plus
important qu’avec le traitement conventionnel. De plus, le BRMIe nous a permis d’obtenir des
concentrations faibles de DCO (< 41 mgO2/L), de MES (≤ 1,25 mg/L), de l’azote total (≤ 59
mg/L) et du phosphore total (≤ 1 mg/L) et d’une turbidité (≤ 0,67 NTU). Ces valeurs obtenues
ont été conformes à la norme NT 106.02 relatives aux rejets d’effluents dans le milieu hydrique.
Dans la deuxième partie, nous avons testé le modèle de Charfi et coll. à reproduire les données
expérimentales de différentes expériences effectuées sur le BRMIe. Pour simplifier
mathématiquement le problème d’optimisation, seulement le colmatage du gâteau a été
modélisé. Les résultats de la simulation de ce modèle nous ont donné des bons ajustements
avec des coefficients de régression supérieur à 88.5%. En se basant sur les paramètres du
modèle de Charfi et coll. identifiés lors de la modélisation, nous avons appliqué théoriquement
75
le problème du contrôle optimal développé par F. Aichouche et coll. pour la minimisation de
l’énergie hydraulique totale pour un volume produit de perméat prédéfini. L’application
théorique de la stratégie optimale a permis de réduire l’énergie totale consommée du BRMIe
jusqu’à 11.16%, pour une production du volume de perméat prédéfini.
Dans la dernière partie, à l’aide de l’approche analytique de la solution optimal de F. Aichouche

et coll., nous avons développé une stratégie de contrôle optimal en boucle fermée d’un système
de filtration membranaire. En appliquant cette stratégie, une minimisation de l’énergie
hydraulique totale consommée de 10.2%, a été obtenue.
76
Références biobliographiques
[1] Seyhi, B., Droguil, P., Buelna, G., Blais, J.-F. & Heran, M.. État actuel des connaissances
des procédés de bioréacteur à membrane pour le traitement et la réutilisation des eaux usées
industrielles et urbaines. Revue des sciences de l’eau / Journal of Water Science,
24(3), 283–310, 2011.
[2] MARTIN-LAGARDETTE Jean-Luc. L'eau Potable et l'assainissement Éditions Johanet,
p.154, 2004.
[3] OUNOKI S.1,2, ACHOUR S.1, évaluation de la qualité physicochimique et bactériologique
des eaux usées brutes et épurées de la ville d’Ouargla. Possibilité de leur valorisation en
irrigation Larhyss/Journal n° 20, 2014.
[4] Henri A, collet L, Graziella D, Yves G, Martine P et Frédéric C : « Le traitement des eaux
usées », Guide ED5026 Institut national de recherche et de sécurité (INRS), 2004.
[5] Matehri M S, 2012 : « élimination simultanée de la pollution azotée et phosphatée des eaux
usées traitées, par des procédés mixtes. Cas de la STEP est de la ville de Tizi-Ouzou », thèse
de doctorat département des sciences agronomiques, université Mouloud Mammeri de Tizi-
Ouzou.
[6] DEGREMONT. Mémento technique de l’eau. Tome 1 & 2, Collection Degrémont, ISBN
2-9503984-0-5, 1459 p, 1989.
[7] MAUREL, A., AIMAR, P., BACCHIN, P., MAUREL, A., 2013a. Filtration membranaire
(OI, NF, UF, MFT) Aspects théoriques : mécanismes de transfert. Tech. Ing. Procédés Trait.
Eaux Potables Ind. Urbaines base documentaire : TIB318DUO
[8] XING C.H., E. TARDIEU, Y. QIAN et X.H.WEN. Ultrafiltration membrane bioreactor for
urban wastewater reclamation. Journal Membrane Science, 177, 73-82, 2000.
[9] STEPHENSON T., S. J JUD, B. JEFFERSON et K. BRINDLE. Membrane bioreactors
for wastewater treatment. IWA (Éditeur), Londres, Royaume-Uni, 192 p, 2000.
[10] LE-CLECH P., V. CHEN et A.G. FANE TONY. Fouling in membrane bioreactors used
in wastewater treatment (review). Journal of Membrane Science, 28, 17-53, 2006.
[11] LESJEAN B. et E.H. HUISJES. Survey of the European BRM market : trends and
perspectives. Desalination, 231, 71-81, 2008.
[12] MELIN T., B. JEFFERSON, D. BIXIO, C. THOEYE, W. DE WILDE,
J. DE KONING, J. VAN DER GRAAF et T. WINTGENS. Membrane bioreactor technology
for wastewater treatment and reuse. Desalination, 187, 271-282, 2006.
[13] Yamamoto, K., Hiasa, M., Mahmood, T., Matsuo, T. Direct solid-liquid separation using
hollow fiber membrane in an activated-sludge aeration tank. Water Science and
technology, 21, 43-54, 1989.
[14] Chang, 1., Le-Clech, P., Jefferson, B., Judd, S. Membrane fouling in membrane
bioreactors for wastewater treatment. Journal of Environmental Engineering, 128, 1018-
1029, 2002.
[15] K. Xie, H.J. Lin, M. Basuvaraj, D.M. Bagley, K.T. Leung, S.N. Liss, B.Q. Liao,
Performance and fouling characteristics of a submerged anaerobic membrane bioreactor for
kraft evaporator condensate treatment, Environ. Technol. 31 (5) 511–52, 2010.
77
[16] S. Christian, S. Grant, D. Wilson, P. Mccarthy, D. Mills, M. Kolakowski, The first two
years of full-scale anaerobic membrane bioreactor (AnMBR) operation treating a high strength
industrial wastewater at kens foods inc., Proceedings of the Water Environment Federation
2010 (13) 4019–4033, 2010.
[17] R.K. Dereli, D.R. Urban, B. Heffernan, J.A. Jordan, J. Ewing, G.T. Rosenberger, T.I.
Dunaev, Performance evaluation of a pilot-scale anaerobic membrane bioreactor (AnMBR)
treating ethanol thin stillage, Environ. Technol. 33 (13) 1–6, 2012.
[18] W.J. Gaoa, M.N. Hana, Chunbao (Charles) Xub, B.Q. Liaoa,∗, Y. Hongc, J. Cuminc, M.
Dagnewc. Performance of submerged anaerobic membrane bioreactor for thermomechanical
pulping wastewater treatment. Journal of Water Process Engineering, 11, 70–78, 2016.
[19] AQUAREL 2018 Recueil-de-fiches techniques.pdf », http://www.actalia.eu/wp
content/uploads/2018/10/AQUAREL 2018 Recueil-de-fiches techniques. Consulté le 24 juinn
2021.
[20] Pontié M. et coll., Les techniques séparatives à membranes – Théorie, applications et
perspectives, Paris : Union Internationale pour les applications de l’électricité, 212 p, 2001.
[21] CARDOT C.. Les traitements de l’eau : Procédés physico-chimiques et biologiques.
Cours et problèmes résolus, ELLIPSES MARKETING (Éditeur), Technosup, Paris, France,
256 p, 1999.
[22] Grasmick, A, Cabassud, C., Spérandio, M., Wisniewski, C. Bioréacteurs à membranes et
traitement des eaux usées. Les techniques de l'ingénieur, W4140, 2007.
[23] BARRIOS-MARTINEZ A., E. BARBOT, B. MARROT, P. MOULIN et N. ROCHE.
Degradation of synthetic phenol-containing wastewaters by BRM. J. Membr. Sci., 28, 288-
296, 2006.
[24] COMEAU Y.. Traitement tertiaire (polissage) du lisier de porc par un bioréacteur à
membranes(BRM) immergées. Rapport N° 703035, École Polytechnique de Montréal,
Montréal, QC, Canada, 142 p, 2006.
[25] VERA L., R. VILLAROEL-LOPEZ, S. DELGADO et S. ELMALEH. Cross-flow
microfiltration of biologically treated wastewater. Desalination, 114, 65-75, 1997.
[26] Minami K., Okamura O., Ogawa S. and Naritomi T.. Continuous anaerobic treatment of
wastewater from a kraft pulp mill. J. Ferm. Bioeng. 71, 270-274, 1991.
[27] Zhao, T.. Study on the performance of anaerobic self-forming dynamic membrane
(AnSFDM) for wastewater treatment and mechanism of AnSFDM formation and fouling.
Dissertation, Shandong University, China. 2012.
[28] Xie, Z., Wang, Z., Wang, Q., Zhu, C., . An anaerobic dynamic membrane bioreactor
(AnDMBR) for landfill leachate treatment: Performance and microbial community
identification. Bioresource Technol. 14(3), 29-39, 2014.
[29] Ma, J., Wang, Z., Zou, X., Feng, J., Wu, Z.. Microbial communities in an anaerobic
dynamic membrane bioreactor (AnDMBR) for municipal wastewater treatment: Comparison
of bulk sludge and cake layer. Process Biochem. 3(2), 510-516, 2013a.
[30] Tardieu, E. Caractérisation du colmatage dans un bio réacteur à membrane recirculé
appliqué au traitement d’eau résiduaire urbaine. Thèse. Université Montpellier II. France,
1997.
[31] Kwon, D.Y., Vigneswaran, S., Fane, A.G., Ben Aim, R. Experimental determination of
critical flux in cross flow microfiltration. Separation and Purification. 19, 169- 181, 2000.
78
[32] Le-Clech, P., Jefferson, B., Judd, S.J. Impact of aeration, solids concentration and
membrane characteristics on the hydraulic performance of a membrane bioreactor. Journal
of Membrane Science. 218, 117-129, 2003.
[33] Hermia J.. Constant pressure blocking filtration laws-Application to power-law non-
newtonian fluids. Trans. I. Chem. E 60, 183-187, 1982.
[34] BATTISTONI P., F. FATONE, D. BOLZONELLA et P. PAVAN. Full scale
application of coupled alternate cycles-membrane bioreactor (AC-BRM) process for
wastewater reclamation and reuse. Water Pract. Technol., IWA Publishing, 2006.
[35] CHOI H., D.D. DIONYSIOS, D.B. OERTHER et G.A. SORIAL (2005). Influence of
cross flow velocity on membrane performance during filtration of biological suspension. J.
Membr. Sci., 248, 189-199.
[36] KAAM R.V., D. ANNE-ARCHARD, M. ALLIET, S. LOPEZ et C. ALBASI. Aeration
mode, shear stress and sludge rheology in a submerged membrane bioreactor: some keys of
energy saving. Desalination, 199, 482-484, 2006.
[37] LI X., F. GAO, Z. HUA, G. DU et J. CHEN. Treatment of synthetic wastewater by a novel
MBR with granular sludge developed for controlling membrane fouling. Separation and
Purification Technology., 46, 19-25, 2005.
[38] Defrance L., Jaffrin M.Y., Comparison between filtrations at fixed transmembrane
pressure and fixed permeate flux : application to a membrane bioreactor used for wastewater
treatment, Journal of Membrane Science 152 203-210, 1999.
[39] Bouhabila E.H., Ben Aïm R., Buisson H., Fouling characterisation in membrane
bioreactors, Separation and Purification Technology, 22-23, 123-132, 2001.
[40] Field R.W., Wu D., Howell J.A., Gupta B.B., Critical flux concept for microfiltration
fouling, Journal of Membrane Science, 100, 259-272, 1995.
[41] Choo K.H., Lee C.H., Hydrodynamic behavior of anaerobic biosolids during crossflow
filtration in the membrane anaerobic bioreactor, Water Research 32, 3387-3397, 1998.
[42] MOULIN C.. Potabilisation d’une eau de surface par filtration tangentielle sur membrane
minérale : étude de traitements physico-chimiques associés. Thèse de doctorat,
Université Montpellier, Montpellier, France, p 180, 1990.
[43] LESAGE N., M. SPÉRANDIO et C. CABASSUD. Performances of a hybrid
adsorption/submerged membrane biological process for toxic waste removal. Water Science
Technology, 51, 173-180, 2005.
[44] Cui, Z.F., Chang, S., Fane, A.G. The use of gas bubbling to enhance membrane processes.
Journal of Membrane Science. 221, 1-35, 2003.
[45] Wicaksana, F., Fane, A.G., Chen, V. Fibre movement induced by bubbling using
submerged hollow fibre membranes. Journal of Membrane Science, 2005.
[46] Changwon Suh, Seokheon Lee, and Jinwoo Cho. Investigation of the effects of membrane
fouling control strategies with the integrated membrane bioreactor model. Journal of
membrane science, 429 :268-281, 2013.
79
[47] L. De Temmerman, T. Maere, H. Temmink, A. Zwijnenburg, I. Nopens. The effect of fine
bubble aeration intensity on membrane bioreactor sludge characteristics and fouling. Water
Research, 76, 99-109, 2015.
[48] Meijia Zhang, Kam-Tin Leung, Hongjun Lin, Bao-Qiang Liao. Characterization of
foaming and non-foaming sludge relating to aeration and the implications for membrane
fouling control in submerged membrane bioreactors. Journal of Water Process
Engineering, 28, 250-259, 2019.
[49] T Zsirai, P Buzatu, P Aerts, and S Judd. E-cacy of relaxation, backflushing, chemical
cleaning and clogging removal for an immersed hollow fibre membrane bioreactor. Water
research, 46(14) :4499-4507, 2012.
[50] Zhiwei Wang, Jinxing Ma, Chuyang Y Tang, Katsuki Kimura, Qiaoying Wang, and
Xiaomeng Han. Membrane cleaning in membrane bioreactors : a review. Journal of
Membrane Science, 468 :276-307, 2014.
[51] X Huang and XH Wen. Principles and applications of MBR for water treatment,
Bioresourse Technology 117, 333-340, 2012.
[52] A Robles, MV Ruano, J Ribes, and J Ferrer. Factors that affect the permeability of
commercial hollow-fibre membranes in a submerged anaerobic mbr (hf-sanmbr) system.
Water research, 47(3) :1277-1288, 2013.
[53] Wang, Z., Ma, J., Tang, C.Y., Kimura, K., Wang, Q., Han, X. . Membrane cleaning in
membrane bioreactors: a review. Journal of Membrane Science 468, 276-287, 2014.
[54] Nesrine Kalboussi. Détection précoce et contrôle de colmatage d’une membrane de
filtration. Génie chimique. Institut National des Sciences Appliquées et de
Technologie Tunis, 2018.
[55] NG Cogan and Shankararaman Chellam. A method for determining the optimal back-
washing frequency and duration for dead-end microfiltration. Journal of Membrane
Science, 469 :410-417, 2014.
[56] NG Cogan, Jian Li, Appala Raju Badireddy, and Shankararaman Chellam. Optimal
backwashing in dead-end bacterial microfiltration with irreversible attachment mediated by
extracellular polymeric substances production. Journal of Membrane Science, 520 :337-
344, 2016.
[57] N.Kalboussi, A.Rapaport, T.Bayen, N.Ben Amar, F.Ellouze, J.Harmand. « Optimal
Control of Membrane-Filtration Systems », FAC PapersOnLine, 50(1), 8704–8709, 2017.
[58] B.Benyahia, T.Sari, B.Cherki, J.Harmand. Anaerobic membrane bioreactor modeling in
the presence of Soluble Microbial Products (SMP) – the Anaerobic Model AM2b. Chemical
Engineering Journal, 228, 1011-1022, 2013.
[59] Farouk Aichouche, Nesrine Kalboussi, Alain Rapaport, Jérome Harmand. Modeling and
optimal control for production-regeneration systems - preliminary results. IEE - European
Control Conference (ECC), 564-569, 2020.
[60] C. Jean-Pierre. Commande des procédés (3e ed.). Lavoisier, 2012.
80
[61] Thang Nguyen, Felicity A. Roddick and Linhua Fan . Biofouling of Water Treatment
Membranes: A Review of the Underlying Causes, Monitoring Techniques and Control
Measures . Journal of Membrane Science 2(4), 804-840 , 2012.
[62] Paul James Smith, Saravanamuth Vigneswaran, Huu Hao Ngo, Roger Ben-Aim, and Hung
Nguyen. A new approach to backwash initiation in membrane systems. Journal of
Membrane Science, 278(1) :381-389, 2006.
[63] Alejandro Vargas, Iván Moreno-Andrade, and Germán Buitrón. Controlled backwashing
in a membrane sequencing batch reactor used for toxic wastewater treatment. Journal of
Membrane Science, 320(1) :185-190, 2008.
[64] Rafael Villarroel, Sebastián Delgado, Enrique González, and Míriam Morales. Physical
cleaning initiation controlled by transmembrane pressure set-point in a submerged membrane
bioreactor. Separation and Purification Technology, 104 :55-63, 2013.
[65] Luisa Vera, Enrique González, Oliver Díaz, and Sebastián Delgado. Application of a
backwashing strategy based on transmembrane pressure set-point in a tertiary submerged
membrane bioreactor. Journal of Membrane Science, 470 :504-512, 2014.
[66] A Robles, MV Ruano, J Ribes, A Seco, and J Ferrer. Model-based automatic tuning of a
filtration control system for submerged anaerobic membrane bioreactors (anmbr). Journal of
Membrane Science, 465 :14-26, 2014.
[67] Enrique González, Oliver Díaz, Luisa Vera, Luis E. Rodríguez-Gómez, Juan Rodríguez-
Sevilla. Feedback control system for filtration optimisation based on a simple fouling model
dynamically applied to membrane bioreactors. Journal of Membrane Science, 525 : 243-
252, 2018.
[68] Giuliana Ferrero, Hector Monclús, Gianluigi Buttiglieri, Joaquim Comas, Ignasi
Rodriguez-Roda. Automatic control system for energy optimization in membrane bioreactors.
Desalination, 268 : 276–280, 2011.
[69] G. Ferrero, H. Monclus, G. Buttiglieri, S. Gabarron, J. Comas, I. Rodriguez-Roda.
Development of an algorithm for air-scour optimization in membrane bioreactors. Journal of
Chemical Technology and Biotechnology, 86(6) :784-789, 2011.
[70] Giorgio Mannina, Alida Cosenza, Taise Ferreira Rebouças. Aeration control in membrane
bioreactor for sustainable environmental footprint. Bioresource Technology, 301, 122734,
2020.
[71] Office National d’Assainissement -ONAS- Tunisie.
http://www.onas.nat.tn/Fr/index.php?code=3, consulté le 10 aout 2022.
[72] R.W.Field, D.Wu, J.A.Howell, B.B.Gupta. Critical Flux Concept for Microfiltration
Fouling, Journal of Membrane Science 100 (3), 259-272, 1995.
[73] Vera, L., González, E., Díaz, O., & Delgado, S.. Performance of a tertiary submerged
membrane bioreactor operated at supra-critical fluxes. Journal of Membrane Science, 457,
1–8, 2014.
[74] Simon Judd. The MBR Book : Principles and Applications of Membrane Bioreactors in
Water and Wastewater Treatment, Elsevier, 2010.
[75] GRASMICK A., C. CABASSUD, M. SPÉRANDIO et C. WISNIEWSKI. Les
bioréacteurs à membrane appliqués au traitement des eaux usées. Les techniques de l'ingénieur,
81
2009. Réf. W4140, Service Relations Clients, Éditions Techniques de l'ingénieur, Paris,
France.
[76] V. Diez, D. Ezquerra, J.L. Cabezas, A. García, C. Ramos, A modified method for
evaluation of critical flux, fouling rate and in situ determination of resistance and
compressibility in MBR under different fouling conditions, Journal of Membrane Science,
453, 1–11, 2014.
[77] S. Delgado, R. Villarroel, E. González, Effect of the shear intensity on fouling in
submerged membrane bioreactor for wastewater treatment, Journal of Membrane Science,
311 173–181, 2008.
[78] M. Salgot et coll., « Wastewater Reuse and Risk: Definition of Key Objectives »,
Integrated Concepts in Water Recycling, Desalination, 187 (1), pp.29-40, 2006.
[79] CICEK N., H. WINNEN, M.T. SUIDAN, B.E. WRENN, V. URBAIN et J. MANEM.
Effectiveness of the membrane bioreactor in the degradation of high molecular weight
compounds. Water Research, 32, 1553-1563, 1998.
[80] HOLAKOO L., G. NAKHLA, A.S. BASSI et E.K. YANFUL. Long term performance of
BRM for biological nitrogen removal from synthetic municipal wastewater. Chemosphere,
66, 849-857, 2007.
[81] WHO Scientific Group on Health Aspects of Use of Treated Wastewater for Agriculture
and Aquaculture et World Health Organization. Health guidelines for the use of wastewater in
agriculture and aquaculture: report of a WHO scientific group meeting held in Geneva from 18
to 23 November 1987) (World Health Organization 1989).
[82] Amine Charfi, Hoseok Jang, et Jeonghwan Kim. Modelling Tool to Assess Membrane
Regeneration by Periodical Hydraulic Cleaning and Fouling Control in Pressurized Membrane
Process for Surface Water Treatment. Environmental Earth Sciences 78, n°1, p 21, 2019.
[83] Amine Charfi, « Etude d'un procédé membranaire de traitement des eaux usées : effet des
paramètres biotiques et abiotiques sur le colmatage de la membrane » (Thèses, Université
de Carthage, 2014).
[84] B. Benyahia, A. Charfi, A. Saddoud', N. Ben Amar, M. Heran, B. Cherki", J. Harmand,
N. Kalboussi. Coupling a simple and generic membrane fouling model with biological
dynamics: application to the modeling of an Anaerobic Membrane BioReactor (AnMBR),
2016.
[85] G. Mannina, M. Alliet, C. Brepols, J. Comas, J. Harmand, M. Heran, N. Kalboussi, J.
Makinia, ́A. Robles, T.F. Rebouças, B.-J. Ni, I. Rodriguez-Roda, M. Victoria Ruano, G.
Bertanza, I. Smets, Integrated membrane bioreactors modelling: a review on new
comprehensive modelling framework, Bioresource Technology. 329, 124828, 2021.
[86] Y. Lee, J. Cho, Y. Seo, J.W. Lee, K.-H. Ahn, Modeling of submerged membrane
bioreactor process for wastewater treatment, Desalination 146 (1), 451–457, 2002.
[87] S.G. Lu, T. Imai, M. Ukita, M. Sekine, T. Higuchi, M. Fukagawa, A model for membrane
bioreactor process based on the concept of formation and degradation of soluble microbial
products, Water Research. 35 (8), 2038–2048, 2001.
[88] ] A. Zarragoitia-Gonz ́alez, S. Schetrite, M. Alliet, U. J ́auregui-Haza, C. Albasi,
Modelling of submerged membrane bioreactor: conceptual study about link between activated
slugde biokinetics, aeration and fouling process, Journal of Membrane Science, 325 (2),
612–624, 2008.
82
[89] Bastin, G., Dochain, D.. On-line estimation and adaptive control of bioreactors. Elsevier,
1990.
83
ANNEXE
i
ANNEXE
ANNEXE 1 : Normes Tunisienne NT 106.02 (1989)

Relative aux rejets d’effluents dans le milieu hydrique
(Protection de l’environnement)
Paramètres Expression Domaine public Domaine public Canalisations
des résultats maritime MER hydraulique ODED publiques ONAS
Azote organique et mg/l 30 1 100
ammoniacal
Bioxyde de chlore : ClO2 mg/l 0.05 0.05 0.05
Calcium : Ca mg/l Sans exigence 500 Fixé selon le cas
Chlore actif : Cl2 mg Cl2/l 0.05 0.05 1
Chlorures : Cl mg/l Sans exigence 600 700
Couleur mg / l Echelle 100 70 Fixé selon le cas
au platine
cobalt
Demande Biochimique mg O²/ l (en 30 30 400
en Oxygène : DBO5 moyenne: de
24 H
Demande Chimique en mg O2/l 90 sur un 90 sur un 1000

Oxygène DCO échantillon échantillon moyen
moyen de 24 H de 24 H
(pour la mer à
l'exclusion des
zones de
baignade et
d'aquaculture)
Détergent mg/l 2 0.5 5
anioniques du
type alkyl
Benzène
sulfanate (ABS)
Fluorures dissous : F mg/l 5 3 3
Graisses et huiles mg/l 20 10 30
saponifiables
Magnésium : Mg mg/l 2000 200 300
Matières décantables mg/l après 2 0.3 0.3
heures
Matières en suspension mg/l 30 30 400
MES
Nitrates :NO3 mg/l 90 50 90
Nitrites : NO2 mg/l 5 0.5 10
Azote total mg N/l 51.5 12.5
pH 6,5 < PH < 8,5 6,5 < PH < 8,5 6,5 < PH < 9
Phosphore PO4 ou P mg/l 0.1 0.05 10
total
ii
ANNEXE

Potassium : K mg/l 1000 50 50
Sodium : Na mg/l Sans exigence 300 1000
Sulfates : SO4 mg/l 1000 600 400
Sulfures : S mg/l 2 0.1 3
Température : mesure en degré Température du doit être doit être
au moment du Celsius °C rejet ne doit pas inférieure à inférieure à
prélévement dépasser 35°C 25 °C 35 °C
Aluminium : Al mg/l 5 5 10
Antimoine : Sb mg/l 0.1 0.1 0.2
Argent : Ag mg/l 0.1 0.05 0.1
Arsenic : As mg/l 0.1 0.05 0.1
Baryum : Ba mg/l 10 0.5 10
Berylium : Be mg/l 0.05 0.01 0.05
Bore : B mg/l 20 2 2
Brome actif : Br2 mg/l 0.1 0.05 0.1
Cadmium : Cd mg/l 0.005 0.005 0.1
Chrome Cr6 mg/l 0.5 0.01 0.5
Chrome Cr3 mg/l 2 0.5 2
Cobalt : Co mg/l 0.5 0.1 0.5
Cuivre : Cu mg/l 1.5 0.5 1
Cyanures : CN mg/l 0.05 0.05 0.5
Etain : Sn mg/l 2 2 2
Fer : Fe mg/l 1 1 5
Hydrocarbures mg/l 10 2 10
aliphatiques totaux
Manganèse : Mn mg/l 1 0.5 1
Mercure : Hg mg/l 0.001 0.001 0.01
Molybdène : Mo mg/l 5 0.5 5
Nickel : Ni mg/l 2 0.2 2
Phénols mg/l 0.05 0.002 1
Plomb : Pb mg/l 0.5 0.1 1
Sélénium : Se mg/l 0.5 0.05 1
Solvants chlorés mg/l 0.05 0 0.1
Titane : Ti mg/l 0.001 0.001 0.01
Zinc : Zn mg/l 10 5 5
Coliformes fécaux Par 100 ml 2000 2000
Salmonelles Par 5000 ml Absence Absence
Streptocoques fécaux Par 100 ml 1000 1000
Vibrions cholériques Par 5000 ml Absence Absence
a
Source : INNORPI (1989 )
iii
ANNEXE
Selon l’arrêté conjoint du ministre des affaires locales et de l’environnement et du ministre de

l’industrie et des petites et moyennes entreprises du 26 mars 2018, certaines valeurs limites
d'émissions vers le milieu récepteur ont été modifiées et fixées.
Paramètres Arrêté du 26 Mars 2018
Domaine public Domaine public

maritime hydraulique
MES (mg/l) 30 30
DBO5 (mg O2/l) 30 30
DCO (mg O2/l) 125 125
Phosphore total (mg/l) 2 2
Azote organique et ammoniacal NTK 30 5

(mg N/l)
Azote total (mg N/l) 51.5 16.5
iv
ANNEXE
ANNEXE2 : Problème de contrôle optimal d’un système

de filtration membranaire
1. Les hypothèses de modélisation
Pour générer une solution optimale, nous considérons le modèle de Charfi et coll. comme
modèle qui décrit les dynamiques de la masse déposée sur la surface de la membrane. Ainsi,
nous négligeons le blocage des pores et nous considérons que le colmatage est dû
principalement à l'accumulation de la matière à la surface de la membrane. Aussi, la PTM, lors
de la phase de filtration, augmente avec la masse attachée à la surface m.
La dynamique de la masse attachée à la membrane est représentée par une fonction positive
décroissante :
𝑚̇ = 𝑓1 (𝑚) > 0 (1)

Lors de la phase de nettoyage physique, la couche de gâteau est détruite et la perméabilité est
augmenté de nouveau. Par suite, le détachement de la masse de dépôt est représenté par une
dynamique décrite par une fonction négative croissante :
𝑚̇ = 𝑓2 (𝑚) < 0 (2)

A flux de perméat constant, la variation de la PTM est décrite par une fonction positive
croissante de la masse déposée sur la surface membranaire représentée par l’équation :
𝑃𝑇𝑀(𝑚) > 0 (3)
2. Stratégie d’optimisation
En appliquant le PMP et suivant le problème d’optimisation développé par F. Aichouche et
coll., nous pouvons calculer la masse singulier « ͞m » en vérifiant plusieurs conditions. Une fois
la masse de l’arc singulier « ͞m » est calculée, nous pouvons déterminer le contrôle singulier
« ͞u » donnée par l’équation suivante :
−(𝑑+𝑎)∗𝑚̅ +𝑏
𝑢̅ = (𝑎−𝑑)∗𝑚̅ +𝑏
(4)
Ainsi, le calcul de volume de commutation ͞V peut être obtenu en intégrant vers l'arrière la
dynamique de filtration f1 entre le volume final prédéfini et le volume ͞V produit par le flux de
filtration, ce qui revient à écrire :
̅ 𝑑𝑚
𝑚
𝑉̅ = 𝑉 ∗ − 𝐽𝑣 ∫𝑚̅ 𝑓 𝑓 (𝑚) (5)
1
v
ANNEXE
Aussi, le volume Ve est calculé pour le commencement du contrôle en arc singulier par
l’équation suivante :
̅
𝑚 𝑑𝑚
𝑉𝑒 = 𝐽𝑣 ∫𝑚 (6)
0 𝑓1 (𝑚)
Ainsi, afin de contrôler le système en termes du temps au lieu de volume , nous utilisons
l’équation IV-14 dans la section IV.
vi
Titre : Traitement des eaux usées municipales par Bioréacteur à Membrane (BRM):
Optimisation du nettoyage physique par contrôle optimale
Résumé : Ce travail porte sur l’optimisation des procédés de filtration membranaire afin de
limiter le phénomène du colmatage. Ce phénomène est l’inconvénient majeur des procédés
de filtration membranaire qui induit des pertes de performances des BRM. Cette étude
constitue de trois parties : l’évaluation des performances de BRMIe et l’étude du colmatage
en changeant les paramètres de filtration, ainsi application d’un contrôle optimal en boucle
ouverte sur un BRMIe et nous terminons par la simulation d’un contrôle en boucle fermée
appliqué sur un BRMAn modélisé par couplage. Le système de filtration par BRMIe est
considéré plus efficace que le traitement conventionnel en comparant la qualité des effluents
de deux systèmes. Pour l’étude de colmatage, la stratégie du nettoyage par le rétro-lavage
est estimée plus efficace que la relaxation en terme de limitation du colmatage réversible et
résiduel. Alors, pour le contrôle des BRM, l’application d’une stratégie de contrôle optimal
pour le BRMIe en se basant sur des outils de modélisation par Matlab est réalisée pour
minimiser la consommation énergétique. Théoriquement, cette stratégie a permis de
minimiser 11,16% de l’énergie totale consommée. Finalement, en utilisant un modèle
couplé et l’approche analytique de contrôle optimal, l’application d’une stratégie de
contrôle à boucle fermée sur le plan théorique a permis de minimiser l’énergie totale
consommée et le temps de fonctionnement de BRMAn nécessaire pour produire un volume
de perméat bien déterminé.
Mots clés : performances, ultrafiltration, BRMIe, colmatage, filtration, nettoyage physique,

contrôle optimal, boucle ouverte, boucle fermé, couplage.
Title : Municipal wastewater treatment by Membrane Bioreactor (MBR): Optimization

of physical cleaning by optimal control
Abstract : This work focuses on the optimisation of membrane filtration processes in order
to limit the clogging phenomenon. This phenomenon is the major drawback of membrane
filtration processes that can reduce the performance of BRMs. This study consists of three
parts : the evaluation of the performance of BRMIe and the study of fouling by changing the
filtration parameters, the application of an optimal open-loop control on a BRMIe and the
simulation of a closed-loop control applied to a BRMAn modelled by coupling. The BRMIe
filtration system is considered more efficient than conventional treatment by comparing the
effluent quality of two systems. For the fouling study, the backwash cleaning strategy is
considered more effective than relaxation in terms of limiting reversible and residual fouling.
Then, for the control of BRMs, the application of an optimal control strategy for the BRMIe
based on Matlab modelling tools is realised to minimise the energy consumption.
Theoretically, this strategy minimised 11.16% of the total energy consumed. Finally, using a
coupled model and the analytical approach of optimal control, the application of a closed-
loop control strategy on the theoretical plan allowed to minimize the total energy consumed
and the running time of BRMAn necessary to produce a well-defined permeate volume.
Key words: performance, ultrafiltration, BRMIe, fouling, filtration, physical cleaning,

optimal control, open loop, closed loop, coupling.
‫ تحسين التنظيف الفيزيائي عن طريق التحكم‬:‫ معالجة مياه الصرف الصحي البلدية بواسطة مفاعل حيوي غشائي‬:‫العنوان‬
‫األمثل‬
‫ هذه الظاهرة هي العيب‬.‫ يركز هذا العمل على تحسين عمليات الترشيح الغشائي للحد من ظاهرة االنسداد‬: ‫مل ّخص‬
‫ تتكون هذه الدراسة من‬.‫الرئيسي لعمليات الترشيح الغشائي التي تؤدي إلى فقدان األداء في المفاعالت الحيوية الغشائية‬
، ‫ تقييم أداء المفاعل الحيوي الغشائي المغمور خارجيًا ودراسة االنسداد عن طريق تغيير معامالت الترشيح‬:‫ثالثة أجزاء‬
‫ مع محاكاة عنصر تحكم‬.‫وكذلك تطبيق التحكم األمثل في الحلقة المفتوحة على مفاعل حيوي غشائي مغمور خارجيًا‬
‫ يعتبر نظام ترشيح المفاعل الحيوي‬.‫الحلقة المغلقة المطبق على مفاعل حيوي غشاء الهوائي على غرار االقتران‬
‫ بالنسبة‬.‫الغشائي الخارجي المغمور أكثر كفاءة من المعالجة التقليدية من خالل مقارنة جودة النفايات السائلة للنظامين‬
‫ تعتبر استراتيجية التنظيف عن طريق الغسيل العكسي أكثر فاعلية من االسترخاء من حيث الحد من‬، ‫لدراسة االنسداد‬
‫ يتم تنفيذ إستراتيجية تحكم مثالية‬، ‫ للتحكم في المفاعل الحيوي الغشائي‬، ‫ بعد ذلك‬.‫االنسداد القابل لالنعكاس والمتبقي‬
، ‫ من الناحية النظرية‬.‫للمفاعل الحيوي الغشائي المغمور خارجيًا استنادًا إلى أدوات النمذجة لتقليل استهالك الطاقة‬
‫ باستخدام نموذج مقترن والنهج‬، ‫أخيرا‬
ً .‫ من إجمالي الطاقة المستهلكة‬٪11.16 ‫جعلت هذه االستراتيجية من الممكن تقليل‬
‫ أتاح تطبيق استراتيجية التحكم في الحلقة المغلقة على المستوى النظري تقليل إجمالي الطاقة‬، ‫التحليلي للتحكم األمثل‬
.‫ حجم محدد جيدا من تتخلل‬.‫المستهلكة ووقت تشغيل المفاعل الحيوي الغشائي‬
‫ التنظيف‬، ‫ الترشيح‬، ‫ االنسداد‬، ‫ المفاعل الحيوي الغشائي المغمور خارجيًا‬، ‫ الترشيح الفائق‬، ‫ األداء‬: ‫المفاتيح‬
.‫ االقتران‬، ‫ الحلقة المغلقة‬، ‫ الحلقة المفتوحة‬، ‫ التحكم األمثل‬، ‫الفيزيائي‬

Rapport de Stage Version Finale

Transféré par

Droits d'auteur :

Formats disponibles

Rapport de Stage Version Finale

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Rapport de Stage Version Finale

Transféré par

Droits d'auteur :

Formats disponibles

REPUBLIQUE TUNISIENNE

Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

Projet de Fin d’Etudes

Diplôme National d’Ingénieur

Traitement des eaux usées municipales par

Réalisé au sein de l’ONAS

Soutenu le 04/10/2021 devant le jury composé de :

Mme Souhir ABDELMOUMEN Présidente du jury

Année Universitaire : 2021 / 2022

Projet de Fin d’Etudes

Diplôme National d’Ingénieur

Traitement des eaux usées municipales par

Réalisé au sein de l’ONAS

Responsable à l’entreprise Responsable à l’INSAT

Année Universitaire : 2021 / 2022

Je dédie ce travail à tous ceux qui me sont chers :

qui n’ont jamais cessé, de me soutenir et de m’épauler pour que je puisse

atteindre mes objectifs.

A ma chère sœur Meriem et mes chers frères Mongi et Hamdi,

Qui m’ont aidé et supporté dans les moments difficiles

Que Dieu vous protège et vous garde pour moi

Qui je souhaite une bonne santé.

A tous les membres de ma famille,

A tous mes amis

Pour leurs aides et supports dans les moments difficiles.

A tous ceux que j’aime.

aussi en émotions fortes, en rencontres.

connaissances et m’adonnée la force pour survivre.

qui m’ont aidée lors de la rédaction de ce mémoire.

Je voudrais remercier ma chère professeure Mme Fatma Ellouze, ma responsable de

stage à l’INSAT, pour sa patience, sa disponibilité et surtout ses judicieux conseils,

qui ont contribué à alimenter ma réflexion. Et grâce à son accompagnement précieux,

j’ai pu m’accomplir totalement mes missions.

Je tiens à remercier Mr. Jérôme HARMAND, directeur de recherche au LBE-INRA,

qui m’a facilité beaucoup l’accueil à Narbonne et en LBE. Monsieur Jérôme

HARMAND m'a formé sur la modélisation, l'optimisation et surtout le contrôle des

Je remercie également Mr. Samir NASR, chef de département épuration de

l’entreprise, qui m’a permis d’avoir réalisé ce projet de fin d’études.

l'INSAT, pour son aide précieuse et ses conseils judicieux.

membres de jury, en particulier Mr. Houssam Binouss et Mme. Souhir Abdelmoumen

pour l’évaluation de ce projet.

NOMENCLATURE .............................................................................................................. viii

INTRODUCTION GENERALE ............................................................................................... 1

I. Etude bibliographique ........................................................................................................ 4

I.1 Les eaux usées municipales......................................................................................... 4

I.1.1 Paramètres de la pollution des eaux usées municipales ....................................... 4

I.2 Bioréacteur à membrane.............................................................................................. 7

I.2.1 Bioréacteur à membrane aérobie ......................................................................... 7

I.2.2 Bioréacteur à membrane anaérobie ...................................................................... 8

I.2.3 Grandeurs caractéristiques ................................................................................... 9

I.2.4 Performances des bioréacteurs à membrane ...................................................... 12

I.3 Le colmatage membranaire ....................................................................................... 14

I.3.1 Les types et les mécanismes du colmatage ........................................................ 14

I.3.2 Paramètres affectant le colmatage membranaire ............................................... 16

I.3.3 Les moyens pour lutter contre le colmatage membranaire ................................ 17

I.4 Contrôle du colmatage dans les Bioréacteurs à membrane ....................................... 19

I.4.1 Contrôle optimal ................................................................................................ 19

I.4.2 Contrôle automatique ......................................................................................... 21

II. Matériel et méthodes ........................................................................................................ 25