La digestion anaérobie est un moyen de traitement des déchets solides produisant de l'énergie sous forme de biogaz (méthane et dioxyde de carbone). L'optimisation de la production de méthane passe par une sélection des déchets à fort potentiel méthane. Actuellement, la mesure du potentiel méthane est réalisée par le test BMP (Biochemical Methane Potential), qui repose sur une fermentation pouvant durer plus de 30 jours, ce qui est trop long pour une installation industrielle. Une méthode rapide de détermination du potentiel méthane est donc nécessaire. Le BMP est lié uniquement à la quantité et à la qualité de la matière organique. Cette méthode doit donc réaliser une analyse globale et rapide de la matière organique. L'objectif de la thèse a été d'identifier et d'étudier une méthode rapide d'analyse de la matière organique de déchets solides permettent de prédire le potentiel méthane. Suite au travail bibliographique, la spectroscopie proche infrarouge s'est révélée la méthode la plus appropriée: analyse globale et rapide, non destructive, préparation d'échantillon réduite, possibilité d'utiliser des fibres optiques pour déporter la mesure. Nous avons ensuite étudié des étalonnages pour prédire le potentiel méthane d'un ensemble homogène de 74 déchets. Un coefficient de corrélation de 0,76 et un écart standard de prédiction (RMSEP) de 28 ml CH4.g-1 MV ont été obtenus. Ensuite, les coefficients du modèle ont été analysés par rapport aux molécules présentes et rapprochés des variables sélectionnées par algorithme génétique afin de valider ce modèle d'un point de vue chimique. Enfin, la robustesse de ce modèle vis à vis de l'origine des échantillons et de l'humidité a été testée. Les résultats montrent clairement le fort potentiel de la spectroscopie proche infrarouge pour la prédiction du potentiel méthane. Pour une utilisation industrielle, il ressort qu'une attention particulière doit être portée sur l'ensemble d'étalonnage, qui doit être le plus exhaustif possible. / Anaerobic digestion is a solution to process solid waste, while producing energy by biogas production (methane and carbon dioxide). Methane production could be optimized by selecting only wastes with high methane potential. Currently, the BMP (Biochemical Methane Potential) test is conducted to predict the methane potential. This test is based on a fermentation process. It is time consuming, sometimes, lasting over 30 days, which is too long from an industrial point of view. A rapid method for determining the methane potential is therefore urgently needed. The BMP value depends only on the quantity and the quality of the organic matter, so a method capable of determining the quality and quantity of organic matter is searched for. The objective of this thesis was to identify and study such a method. First, a bibliographic study led us to chose the near infrared (NIR) spectroscopy method: fast and global analysis of the organic matter, non-destructive method, few or no sample preparation, and remote monitoring by use of fiber optics. Second, a calibration for predicting the BMP of and homogenous sample set has been built based on a 74-waste sample set. A correlation coefficient of R² = 0,76 and a standard error of prediction (RMSEP = 28 ml CH4.g-1 VS). Then, the regression coefficients (called b coefficients) were analysed with regard to the molecules in the waste and were compared to the variables selected from the spectrum, in order to validate the model from a chemical point of view. Finally, the robustness of the model, regarding the waste origins and the moisture was tested with heterogeneous samples set. Results show the potential of the near infrared spectroscopy to predict the methane potential quickly, but attention must be paid on the calibration data set when an industrial implementation is dealt with..
| Identifer | oai:union.ndltd.org:theses.fr/2010MON20237 |
| Date | 07 December 2010 |
| Creators | Lesteur, Mathieu |
| Contributors | Montpellier 2, Bellon-Maurel, Véronique |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0023 seconds