NEPTUNE

En raison de la demande grandissante envers un traitement plus efficace, la plupart des stations d’épuration actuelles ont besoin d’être optimisées, modernisées ou mises à niveau. Les concepts de mesure et de contrôle sont des alternatives économes et écologiques à l'augmentation des volumes des réacteurs et sont d’excellentes solutions pour adapter l'usine à différentes charges et pour libérer de la capacité existante mais mal utilisée. L'un des inconvénients est le fait qu'une usine sous contrôle est limitée par sa capacité et par les pannes d'équipements. Des changements imprévus de l'affluent ou des conditions environnementales peuvent causer des dépassements de normes importants si des stratégies de contrôle inadéquates sont utilisées. Les concepts de détection de fautes n’existent pas et sont inefficaces dans les opérations quotidiennes malgré le fait que les mesures sont les entrées des boucles de contrôle et qu’elles sont à la base d’une exploitation rentable d’une station d’épuration. Pour ces raisons, il y a une demande importante pour le développement de nouveaux outils et de nouvelles stratégies pour augmenter la fiabilité et la tolérance aux fautes des systèmes de contrôle dans le traitement des eaux. Ce projet de recherche permettra de collecter les connaissances et l’expérience de plusieurs disciplines afin de les rendre applicables dans la pratique de l’ingénierie. Le travail se divise en six parties :

A) Définition de la « meilleure technologie disponible » pour les capteurs nécessaires en tenant compte du contrôle de procédé.

B) Détection de fautes : sélection des algorithmes les plus robustes.

C) Revue des stratégies de contrôle existantes pour l’enlèvement des nutriments et développement de stratégies innovatrices.

D) Développement de systèmes de contrôle efficace et de tolérance aux fautes avec des stratégies de rechange qui dépendent de la qualité des données et du comportement du procédé.

E) Évaluation des stratégies de contrôle dans le benchmark sur le contrôle de l’IWA et avec des données à échelle réelle. 

F) Mise en oeuvre de concepts à l’échelle pilote et réelle.