Optimisation des paramètres opératoires de la codigestion anaérobie en voie sèche et validation du modèle par « bootstrapping »

La méthanisation en voie sèche est une voie de recherche novatrice qui fait l’objet de peu de recherches en comparaison avec la méthanisation liquide, particulièrement en ce qui concerne l’optimisation. L’optimisation des procédés industriels est aujourd’hui un incontournable pour toute entreprise souhaitant maximiser la rentabilité et le respect de l’environnement [7] [8]. L’outil le plus utilisé pour optimiser les paramètres opératoires ou la composition [2] [3] [6] d’un procédé est le plan d’expériences. Il permet de fournir une surface de réponse fournissant le plus de résultats possibles tout en minimisant le nombre de points d’expériences nécessaires [5]. Aujourd’hui les travaux de recherches sur l’optimisation du procédé de méthanisation en voie sèche par l’utilisation de plans d’expériences ou plans de mélange existent mais sont peu nombreux et souvent spécialisés dans un domaine particulier du procédé : recirculation de l’inoculum [1], composition d’un mélange [2] etc. De plus, la vérification de la validité du modèle utilisé nécessite des expériences supplémentaires [1] [4], ce qui peut engendrer un coût en matériel ou un temps d’expérimentation supérieur. Ces contraintes se ressentent en particulier dans le domaine de la méthanisation, où chaque expérience peut durer entre 3 et 8 semaines.

L’objectif de cette étude est décliné sur plusieurs niveaux. Le premier point concerne la mise en place d’un matériel optimisé en coût, en compacité et adaptable aux paramètres opératoires étudiés. Les schémas sont illustrés sur la Fig. 1. Ce matériel fournit une optimisation par plans d’expériences [7] [8], permettant de mêler optimisation de paramètres opératoires et optimisation de composition de substrats comme illustré sur le Tableau 1. Cette optimisation est menée sur 3 paramètres opératoires concernant les caractéristiques hydriques de la méthanisation, et 3 substrats représentatifs des substrats territoriaux des hauts-de-France en codigestion. Les paramètres hydriques sont le taux de compression du massif, le volume de recirculation de l’inoculum ainsi que le taux d’immersion du massif solide au sein de l’inoculum. Les substrats utilisés sont le fumier bovin, la tonte d’herbe et les déchets de repas.

Enfin, la validité de ces résultats est vérifiée par un outil appelé « bootstrapping » [9] permettant d’approcher par simulation la distribution des points expérimentaux et donc la répétabilité expérimentale. Le but est de fournir à l’expérimentateur un outil robuste et pratique permettant une optimisation rapide de l’ensemble des paramètres considérés influents. Pour le moment les expériences sont en cours afin des valider les modèles établis et les premiers résultats devraient être étudiés en codigestion pour cet été.

Références

[1]             Degueurce, A., 2016. La méthanisation par voie sèche agricole appliquée aux fumiers de bovins: optimisation de la recirculation des lixiviats (PhD Thesis). Rennes 1.

[2]             Bassard, D., 2015. Méthodologie de prédiction et d’optimisation du potentiel méthane de mélanges complexes en co-digestion (PhD Thesis). UTC.

[3]             Rakotoniaina, V.A., 2012. Co-méthanisation des déchets fermiers et alimentaires: expérimentation et modélisation (PhD Thesis). La Réunion.

[4]             Mortezaei,Y., 2018. High-rate anaerobic digestion of yogurt wastewater in a hybrid EGSB and fixed-bed reactor: Optimizing through response surface methodology. Process Safety and Environmental Protection 113 255–263.

[5]             Safari, M. 2018. Optimization of biogas productivity in lab-scale by response surface methodology. Renewable Energy 136, 118 368-375.

[6]             Kaintholaa, J., 2019. Optimization of methane production during anaerobic co-digestion of rice straw and hydrilla verticillata using response surface methodology. Fuel 235 92-99.

[7]             Goupy, J., Creighton, L., 2006. Introduction aux plans d’expériences. Dunod : L’Usine nouvelle, Paris.

[8]             Goupy, J.,1999. Plans d’expériences pour surfaces de réponse. Dunod : Industries techniques, Paris.

[9]             Palm, R., 2002. Utilisation du bootstrap pour les problèmes statistiques liés à l’estimation des paramètres. Biotechnologie, agronomie, société et environnement 6, 143–153.