Iste éditions
-
-
Disponible - 573.4 BIO
Niveau 2 - Sciences
Biofixation de CO2 par les microalgues : modélisation, estimation et commande
Résumé
La biofixation de CO2 par utilisation de microalgues est une voie prometteuse pour réduire au maximum l'impact de la concentration des gaz à effet de serre. Afin d'obtenir une séquestration optimale du CO2, la culture des microalgues doit être réalisée dans des conditions idéales. L'ouvrage décrit un modèle de système permettant d'en identifier les paramètres et d'optimiser le bioprocédé.
- Éditeur(s)
-
Date
- 2014
-
Notes
- Bibliogr. index
-
Langues
- Français
-
Description matérielle
- 1 vol. (156 p.) : illustrations en noir et blanc ; 24 x 16 cm
- Collections
- Sujet(s)
-
ISBN
- 978-1-78405-040-5
-
Indice
- 573.4 Pollution atmosphérique
-
Quatrième de couverture
-
Les émissions de gaz à effet de serre sont responsables du réchauffement climatique. Leurs conséquences sur l'environnement peuvent être atténuées par l'utilisation des microalgues, capables de fixer des taux élevés de CO2 via la photosynthèse.
Afin d'obtenir une séquestration optimale du CO2 par les microalgues, leur culture doit être réalisée dans des conditions idéales de fonctionnement en température, nutriments, pH, lumière et concentrations de substrat ou de biomasse.
Cet ouvrage présente une démarche en trois étapes basée sur les outils théoriques les plus récents et les plus performants de l'automatique. Elle consiste à établir un modèle du système et identifier ses paramètres, puis à élaborer des estimateurs pour reconstruire les variables non mesurées en ligne. Enfin, cette méthode permet de concevoir des lois de commande avancées qui maintiennent le système dans ses conditions optimales.
-
-
Tables des matières
-
Biofixation de CO2 par les microalgues
modélisation, estimation et commande
Sihem Tebbani
Filipa Lopes
Rayen Filali
Didier Dumur
Dominique Pareau
Iste
- Introduction9
- Chapitre 1. Les microalgues13
- 1.1. Définition13
- 1.2. Caractéristiques14
- 1.3. Applications des microalgues15
- 1.3.1. Domaine alimentaire15
- 1.3.2. Domaine pharmaceutique15
- 1.3.3. Domaine cosmétique15
- 1.3.4. Domaine énergétique16
- 1.3.4.1. Production de biométhane16
- 1.3.4.2. Production de biocarburant16
- 1.3.4.3. Production de biohydrogène17
- 1.3.5. Domaine environnemental17
- 1.3.5.1. Traitement des eaux usées17
- 1.3.5.2. Agriculture18
- 1.3.5.3. Systèmes de support de vie18
- 1.3.5.4. Séquestration de CO218
- 1.4. Système de culture de microalgues20
- 1.4.1. Systèmes ouverts20
- 1.4.2. Systèmes fermés « photobioréacteurs »22
- 1.4.2.1. Les photobioréacteurs tubulaires22
- 1.4.2.2. Les photobioréacteurs plats23
- 1.5. Facteurs influençant la culture algale24
- 1.5.1. La lumière24
- 1.5.2. La température25
- 1.5.3. Le pH26
- 1.5.4. Les nutriments26
- 1.5.4.1. Le carbone26
- 1.5.4.2. L'azote27
- 1.5.4.3. Le phosphore27
- 1.5.4.4. Les microéléments27
- 1.5.5. Salinité du milieu28
- 1.5.6. Agitation28
- 1.5.7. Transfert gaz-liquide29
- 1.6. Conclusion29
- Chapitre 2. La biofixation de CO231
- 2.1. Sélection de l'espèce de microalgue32
- 2.1.1. Activité photosynthétique33
- 2.1.2. Mécanisme de concentration de CO2 « MCC »33
- 2.1.3. Choix de l'espèce algle34
- 2.2. Optimisation de la conception du photobioréacteur37
- 2.3. Conclusion38
- Chapitre 3. Modélisation du bioprocédé41
- 3.1. Modes de fonctionnement41
- 3.1.1. Le mode batch41
- 3.1.2. Le mode fed-batch43
- 3.1.3. Le mode continu43
- 3.2. Modélisation de la vitesse de croissance45
- 3.2.1. Modèles généraux45
- 3.2.1.1. Modèle de Monod45
- 3.2.1.2. Modèle de Haldane46
- 3.2.1.3. Modèle de Contois46
- 3.2.2. Modèle de Droop47
- 3.2.3. Modèle portant sur l'influence de la lumière47
- 3.2.4. Modèle portant sur l'influence du carbone48
- 3.2.5. Modèles portant sur l'influence simultanée de plusieurs paramètres49
- 3.2.6. Choix du modèle de croissance53
- 3.3. Modèles de bilan de matière54
- 3.4. Identification des paramètres du modèle55
- 3.5. Exemple : culture de Chlorella vulgaris57
- 3.5.1. Dispositif expérimental57
- 3.5.2. Modélisation60
- 3.5.3. Identification paramétrique62
- 3.5.3.1. Identification du coefficient KLa62
- 3.5.3.2. Identification du rendement de conversion YX/CIT63
- 3.5.3.3. Identification des paramètres du modèle de croissance64
- 3.6. Conclusion68
- Chapitre 4. Estimation de la concentration cellulaire69
- 4.1. Généralités sur l'estimation69
- 4.2. Etat de l'art72
- 4.3. Filtre de Kalman74
- 4.3.1. Principe74
- 4.3.2. Filtre de Kalman discret75
- 4.3.3. Filtre de Kalman étendu discret77
- 4.3.4. Réglage du filtre de Kalman78
- 4.3.5. Exemple de mise en oeuvre79
- 4.4. Observateur asymptotique81
- 4.4.1. Principe81
- 4.4.2. Exemple de mise en oeuvre82
- 4.5. Observateur par intervalles84
- 4.5.1. Principe84
- 4.5.2. Exemple de mise en oeuvre86
- 4.5.2.1. Conception de l'observateur87
- 4.5.2.2. Stabilité de l'observateur89
- 4.5.2.3. Choix des gains de l'observateur92
- 4.6. Application à la culture de Chlorella vulgaris95
- 4.7. Conclusion98
- Chapitre 5. Commande du bioprocédé101
- 5.1. Détermination des conditions opitimales de fonctionnement101
- 5.1.1. Conditions opératoires optimales102
- 5.1.2. Point de fonctionnement optimal102
- 5.2. Généralités sur la commande de systèmes103
- 5.3. Etat de l'art105
- 5.4. Commande par modèle générique (GMC)107
- 5.4.1. Principe107
- 5.4.2. Avantages et inconvénients108
- 5.4.3. Exemple de mise en oeuvre109
- 5.5. Commande linéarisante entrée/sortie110
- 5.5.1. Principe110
- 5.5.2. Avantages et inconvénients112
- 5.5.3. Exemple de mise en oeuvre112
- 5.6. Commande prédictive non linéaire114
- 5.6.1. Principe114
- 5.6.2. Commande prédictive non linéaire (CPNL)116
- 5.6.2.1. Formulation du problème117
- 5.6.2.2. Résolution119
- 5.6.3. Avantages et inconvénients120
- 5.6.4. Exemple de mise en oeuvre120
- 5.7. Application à la culture de Chlorella vulgaris126
- 5.7.1. Performances de la commande GMC127
- 5.7.2. Performances de la commande prédictive130
- 5.8. Conclusion135
- Conclusion137
- Bibliographie141
- Index155
-
-
Origine de la notice:
- Electre
-
Disponible - 573.4 BIO
Niveau 2 - Sciences
