Cet article présente notre travail de recherche réalisé au Laboratoire GEPEA UMR 6144 CNRS – Nantes Université, dans le cadre d’une thèse de doctorat cofinancée par l’ADEME et la Région Pays de la Loire. Cette thèse avait pour objectif l’optimisation du fonctionnement des systèmes de production de biomasse microalgale, notamment en conditions d’exploitation solaire.

Intérêts des microalgues

Les microalgues et les cyanobactéries, les cellules végétales photosynthétiques qui sont à l’origine de l’apparition de l’oxygène atmosphérique sur Terre, représentent une alternative durable pour de nombreuses applications visant à produire de l’énergie renouvelable, à valoriser le CO₂ et à traiter les eaux usées. En effet, la biomasse microalgale peut notamment être valorisée pour la production de biocarburants ou de molécules d’intérêt pour la cosmétique et/ou la santé. La spiruline (espèce Arthrospira platensis), qui est consommée depuis longtemps dans certaines contrées d’Afrique en raison de ses vertus nutritives, peut se retrouver aujourd’hui couramment dans le commerce.

Exemples de microalgues et applications communes

Problématiques rencontrées et approche méthodologique

Des freins subsistent pour que la production des microalgues soit compétitive par rapport aux ressources agricoles traditionnelles. Ces freins concernent principalement les coûts et les capacités de production. C’est en particulier le cas dès lors qu’on vise la production de vecteurs énergétiques à partir de la biomasse microalgale. Par principe, celle-ci sera à très grande échelle et devra viser des coûts bas pour être considérée comme une alternative pertinente. Pour ces raisons, mais aussi pour minimiser l’empreinte environnementale, il est alors nécessaire d’exploiter la ressource solaire, gratuite et renouvelable.

L’optimisation de la production solaire se heurte à la fois à des enjeux technologiques, comme la conception de systèmes de culture dédiés (dits « photobioréacteurs »), mais aussi méthodologiques, pour notamment disposer d’outils de pilotage tenant compte des changements de conditions météorologiques (ensoleillement, température) et de leurs impacts sur la croissance photosynthétique des microalgues en culture. Pour remédier à ce dernier point, des stratégies de contrôle optimisées, appliquées à l’opération en conditions réelles de fonctionnement du système, doivent être en mesure de répondre aux objectifs de maximisation de la production, tout en cherchant à assurer sa stabilité, avec des coûts d’opération les plus faibles possibles. La réduction de l’empreinte environnementale de production peut aussi être recherchée (notamment en réduisant l’énergie nécessaire pour assurer la régulation de température).

La modélisation et la simulation numérique du comportement dynamique des cultures microalgales en photobioréacteurs solaires (modélisation prédictive) permet de quantifier plusieurs critères essentiels liés à une culture de microalgues : la production de biomasse, la consommation de ressources, la perte en productivité induite par des conditions de stress biologique subi par les cellules, etc... Le modèle global utilisé dans nos travaux est issu de modèles de connaissance développés depuis plusieurs années par les chercheurs de l’équipe « Bioprocédés Appliqués aux Microalgues », du Laboratoire GEPEA de Saint-Nazaire (https://www.gepea.fr). Ce modèle parvient, à partir de données météorologiques, des paramètres caractéristiques de l’espèce microalgale et du mode opératoire de production, à décrire l’évolution dans le temps de l’état de la culture ainsi que les performances de production et les consommations associées. Ici, l’objectif est de s’en servir afin d’élaborer des stratégies de contrôle associées à l’opération du procédé, afin de maintenir la culture dans un état favorable à une augmentation de production de biomasse.

Le contrôle consiste à réguler le niveau de biomasse dans le système de culture par renouvellement du milieu (par action de soutirage d’une partie du milieu de culture du réacteur - pour la récolte des microalgues, et d’alimentation en milieu de culture frais chargé en nutriments minéraux), tout en assurant une régulation thermique de ce même milieu par échange thermique indirect, à l’aide d’un fluide caloporteur (apport de « chaud » ou de « froid » suivant les besoins). Le renouvellement du milieu provoque une diminution de la concentration en biomasse microalgale au sein du milieu par dilution, tandis que l’exposition à la lumière aura tendance à faire augmenter cette concentration. Pour des stratégies de contrôle simples, un taux de renouvellement constant peut-être prédéfini à partir du modèle global. Pour des stratégies de contrôle plus complexes, lors d’une phase de culture, des mesures en temps réel peuvent être nécessaires pour « alimenter » en continu le modèle global et actualiser le taux de renouvellement en fonction des prédictions de ce modèle.

Schématisation du modèle global (gauche) et du procédé (droite)

Différentes stratégies de contrôle ont été mises en place, avec pour objectif commun de maximiser la production de biomasse sur le long terme :

• une stratégie dite « laboratoire » : élaborée à partir des résultats de laboratoire obtenus en lumière artificielle, soit un renouvellement constant appliqué 24h/24
• une stratégie dite « sobre » : stratégie visant la réduction des coûts d’opération, par un renouvellement court et quotidien du milieu en fin de journée
• une stratégie dite « optimale » : stratégie maximisant en dynamique les performances de production en biomasse microalgale en conditions solaires variables, avec renouvellement actualisé à partir de mesures répétées chaque heure.

La stratégie optimale, basée sur une prédiction temporelle du procédé en fonction du climat et du mode opératoire, n’est efficace que si l’horizon de prédiction dans le futur (horizon de temps où s’arrête la prédiction) est suffisamment grand. Si l’horizon est trop faible, une perte de la culture par une dilution du milieu plus forte que la croissance microalgale peut être observée. Des simulations sur des scénarios solaires idéaux (au profil sinusoïdal) ont permis de déterminer un horizon de prédiction optimal de 48 heures, tel qu’il correspond à un compromis entre maximisation de la production et réduction du temps de calcul. En collaboration avec le laboratoire PROMES de Perpignan, un modèle de prédiction météorologique a donc été mis en place afin de prédire le comportement solaire sur cet horizon optimal. Ce modèle est un réseau neuronal entraîné à partir de mesures locales obtenues sur la plateforme Algosolis de Saint-Nazaire (https://algosolis.com), où a été évaluée expérimentalement la stratégie optimale.

Résultats de simulations

Les simulations ont été réalisées dans des conditions météorologiques représentatives de Nantes (à partir de données satellitaires de Meteonorm écoulées sur un an), et les performances (production, consommation) ont été comparées à une pratique usuelle de production à grande échelle (renouvellement de la moitié du milieu deux fois par semaine).

Il s’est avéré que chercher à maximiser la production de biomasse microalgale à l’échelle d’une année amène nécessairement à une culture stable. De plus, toutes les stratégies, sous-optimales et optimales, sont en mesure de limiter le stress biologique si celui-ci provoque des pertes de performances. Les résultats ont montré que la production annuelle de biomasse est systématiquement augmentée par rapport à la pratique usuelle, qui correspond à une stratégie non optimisée. Les gains de production peuvent par exemple être doublés si les conditions d’application de la stratégie « optimale » sont réunies, à savoir des mesures et des modèles prédictifs parfaits.

L’augmentation de la production s’accompagne d’une augmentation de la quantité de CO₂ consommée par les microalgues. En quantifiant la consommation énergétique du procédé durant la phase de culture (notamment pour la régulation thermique, l’envoi de CO₂ gazeux et la consommation de nutriments), l’empreinte carbone a pu être évaluée (sur la base du mix énergétique français). Par l’étude de cas d’un photobioréacteur plan incliné de la plateforme Algosolis, les résultats sur la période d’été montrent qu’un choix stratégique adéquat peut amener à une empreinte carbone positive, tout en doublant la production par rapport à la pratique usuelle.

Synthèse des résultats de simulations

Vers l’implémentation en conditions réelles expérimentales

Des essais réalisés sur photobioréacteurs solaires pilotes en conditions réelles sur la plateforme AlgoSolis ont permis de mieux appréhender les intérêts et enjeux d’une implémentation pratique des stratégies de contrôle développées. Ainsi, des études en simulation des stratégies optimales en conditions réalistes d’opération ont permis de quantifier la dégradation des performances de la stratégie optimale, en présence d’incertitudes de modélisation, de prédiction et de mesure. Cela a mis en avant l’importance de l’instrumentation du système de culture et de l’implémentation de méthodes d’estimation adaptative des paramètres clés impliqués dans la modélisation afin à terme de fournir des estimations fiables nécessaires au maintien des performances proches de ce qui est obtenu en simulation. De plus, l’outil de contrôle développé dans le cadre de ce travail a permis d’intégrer un ensemble de règles de bonne pratique pour au final augmenter la productivité du système de culture, tout en garantissant une conduite robuste au regard des perturbations induites par la variation des conditions climatiques.

Remerciements :

Ces travaux ont été réalisés dans le cadre d’une thèse menée au laboratoire GEPEA de Saint-Nazaire (équipe BAM : Bioprocédés Appliqués aux Microalgues), encadrée par Pr. Jérémy Pruvost, MCF Mariana Titica, Pr. Stéphane Grieu (laboratoire PROMES) et financée par l’ADEME et la Région Pays de la Loire

Sources des photographies :

Plateforme Algosolis : algosolis.com
Application « Alimentation humaine » : inhaircare.co
Application « Cosmétique, pharmaceutique » : cosmetiqueobs.com
Application « Alimentation animale » : pisciculturekohler.fr
Application « Traitement des eaux usées » : seagrasstech.com
Application « Biocarburants » : latribune.fr
Application « Valorisation du CO2 » : franceenvironnement.com
Microalgue « Arthrospira platensis » : Ali Choopani
Microalgue « Porphyridium purpureum » : Culture Collection of Autotrophic Organism
Microalgue « Nannochloropsis oceanica » : Los Alamos National Laboratory