Modélisation d'une filière de traitement des eaux usées - Chenal Algal à haut Rendement

Le Chenal Algal à Haut Rendement (CAHR) est un procédé de traitement des eaux usées qui constitue une alternative économique et efficace par rapport aux autres systèmes de traitement intensifs généralement trouvé en Europe (Boues activées, Lit bactérien, Biodisque…), semblant pallier à tous les problèmes cités précédemment. Il s’agit en fait d’une technique basée sur une symbiose entre les bactéries et les algues, dont le but est d’accélérer le processus d’épuration en favorisant la production algale.

Outre l’épuration et la réutilisation de l’eau épurée, le CAHR est donc destiné à la production d’une biomasse algale valorisable en extraits algaux à haute valeur ajoutée (destinés à l’industrie cosmétique) et en aliments pour les animaux. La preuve a été faite que, sous des climats adaptés, et quand ils sont bien intégrés, bien conçus et opérationnels, les CAHR permettent de produire un effluent de qualité égale, voire supérieure à d’autres procédés d’épuration, à un coût bien moindre en terme d’investissement et d’exploitation et avec un minimum de contraintes.
Le CAHR est un système néanmoins complexe car il fait intervenir de nombreuses composantes, qu’il faut maîtriser si l’on veut atteindre les objectifs multiples cités ci-dessus.
Dans ce contexte, la modélisation constitue un outil quasi incontournable en termes de gestion du système.
Dans cette thèse, nous avons abordé 3 axes importants pour une bonne gestion d’une station d’épuration en vue d’une optimisation des performances épuratoires et aussi une économie d’énergie. Il s’agit une étude hydrodynamique, une étude des transferts gazeux (O2, CO2…) et une étude de modélisation.

Ces résultats sont motivants pour la suite du travail. Dans une perspective de calage et de validation du modèle, il sera nécessaire de récolter le maximum de données (enregistrements en continues (O2, pH, turbidité, …) et analyses courantes sur le chenal de Saada (vraie grandeur) pour un meilleur ajustement des paramètres du modèle. Mais il sera utile de mener une analyse de sensibilité du modèle, dans le but d’identifier les paramètres les plus sensibles. Ce sont ces derniers qui peuvent guider l’utilisateur dans la collecte d’informations ciblées sur le terrain et dans le processus de calibrage du modèle.