Cette étude de maîtrise (M$.$Sc.) examine la mise en œuvre pratique de stratégies de commande tolérantes aux fautes (FTC) pour optimiser la commande des stations de récupération des ressources de l'eau (StaRRE). Elle couvre les étapes clés de la chaine de traitement de données, notamment la collecte efficace des données, leur traitement et validation, ainsi que l'extraction des connaissances et la mise en œuvre d'actions de commande fiables. À mesure que les stations d'épuration des eaux usées sont transformées en StaRRE, le besoin de systèmes de commande fiables devient de plus en plus crucial. Cependant, atteindre une commande fiable est un défi en raison de la nature variable des eaux usées et des dysfonctionnements fréquents des capteurs dans les conditions de mesure difficiles des StaRRE. La stratégie FTC aborde ces problèmes en intégrant des méthodes de détection de fautes qui identifient les défaillances des capteurs et ajustent les actions de commande, garantissant que le système reste dans des niveaux de performance acceptables, même lorsque les données des capteurs sont compromises. L'étude adopte une approche systématique, en commençant par la collecte et la validation de données fiables grâce à l'utilisation de cartes de contrôle. Elle passe ensuite au prétraitement des données, en proposant un algorithme d'imputation basé sur des modèles de prévision de séries temporelles pour traiter les valeurs manquantes dans les données des capteurs. Les résultats ont montré que le modèle de prévision à lissage exponentiel de Holt-Winters a comblé efficacement les lacunes du jeu de données en capturant la saisonnalité des séries temporelles. Pour raffiner davantage les données, une méthode intégrée de détection des valeurs aberrantes, de lissage du bruit, et de détection univariée des fautes est employée. Ces techniques ont été développées jusqu'à leur application dans la mise en œuvre réussie d'actions de commande tolérantes aux fautes dans une station pilote de récupération des ressources en eau à l'échelle industrielle (pil*EAU*te) traitant deux types de fautes courantes, le biais et la dérive. De plus, l'étude souligne l'importance de stratégies de commande avancées, telles que la commande Ammonium *versus* NOx-N (AvN), pour atteindre une élimination efficace de l'azote par raccourci dans la gestion des eaux usées riches en nutriments. / This M$.$Sc. study investigates the practical implementation of Fault-Tolerant Control (FTC) strategies to optimize control of Water Resource Recovery Facilities (WRRFs). It covers key stages of the data pipeline, including effective data collection, treatment, and validation, as well as knowledge extraction and the implementation of reliable control actions. As wastewater treatment plants evolve into WRRFs, the need for dependable control systems becomes increasingly critical. However, achieving reliable control is challenging due to the variable nature of wastewater and the frequent malfunction of sensors in the harsh measurement conditions of WRRFs. The FTC strategy tackles these issues by integrating fault detection methods that identify sensor faults and adjust control actions, ensuring the system remains within acceptable performance levels, even when sensor data is compromised. The study adopts a systematic approach, beginning with the collection and validation of reliable data through the use of control charts. It then moves to data pre-processing, proposing a gap-filling algorithm based on time series forecasting models to address missing values in sensor data. Results showed that the Holt-Winters exponentially smoothing forecasting model filled the gaps in the dataset effectively by capturing the seasonality in the time series. To further refine the data, an integrated method for outlier detection, noise smoothing, and univariate fault detection is employed. These techniques were developed, building up to their application in successfully implementing fault-tolerant control actions in an industrial-scale water resource recovery pilot plant (pil*EAU*te) addressing two types of common faults, bias and drift. Additionally, the research emphasizes the importance of advanced control strategies, such as Ammonium versus NOx-N (AvN) control, in achieving efficient short-cut nitrogen removal for managing nutrient-rich wastewater.
| Identifer | oai:union.ndltd.org:LAVAL/oai:corpus.ulaval.ca:20.500.11794/153666 |
| Date | 05 November 2024 |
| Creators | Mohebali, Sanaz |
| Contributors | Vanrolleghem, Peter A. |
| Source Sets | Université Laval |
| Language | French |
| Detected Language | French |
| Type | COAR1_1::Texte::Thèse::Mémoire de maîtrise |
| Format | 1 ressource en ligne (xiv, 128 pages), application/pdf |
| Rights | http://purl.org/coar/access_right/c_abf2 |
Page generated in 0.0025 seconds