[发明专利]一种基于动态多目标粒子群算法的污水处理过程优化控制方法

说明书

本发明提出一种基于动态多目标粒子群算法的污水处理过程优化控制方法，同时满足污水处理过程中出水水质达标和降低运行能耗的需求。首先，通过一个综合的优化框架提取污水处理过程中复杂和时变的特性，建立了数据驱动的出水水质、曝气能耗和泵送能耗模型；其次，针对动态数据驱动模型的特点，提出一种动态多目标粒子群算法用于解决多目标优化问题；然后，多变量PID控制器对溶解氧S_O和硝态氮S_NO的优化设定值实现跟踪控制；最后，将该动态优化控制方法应用于实际污水处理过程，实验结果表明该方法能够在保证出水水质的前提下降低能耗，有利于污水处理过程的优化控制性能。

技术领域

本发明依据污水处理生化反应过程的动态特性，设计一种综合的优化框架用于提取污水处理过程的动态特性，从而建立动态的能耗和水质模型，利用一种基于动态多目标粒子群算法的优化控制方法实现污水处理过程中同时优化三个动态模型，通过获取的优化设定值实现溶解氧S_O和硝态氮S_NO浓度的跟踪控制；该优化控制方法在保证出水水质的同时节约投资和运行成本，保证污水处理厂的平稳高效运行，既属于控制领域，又属于水处理领域。

背景技术

随着我国经济社会的发展和人民生活水平的提高，水资源的消耗和污水排放量日益加剧。为了减少水污染造成的影响，国民经济的增长和人民环保意识的增强，使污水处理过程自动化技术的发展迎来了新的机遇。然而，污水处理过程中的能量消耗巨大、运行成本高，使得众多污水处理厂存在建得起、养不起的问题，研究污水处理过程的动态优化控制方法实现节能降耗的意义重大，是未来污水处理行业必然的发展趋势。因此，本发明的研究成果具有广阔的应用前景。

活性污泥法工艺中，污水处理生化反应是活性污泥微生物对污水中的有机物和无机物的降解过程。溶解氧S_O和硝态氮S_NO浓度的高低变化会直接影响硝化过程和反硝化过程的进行，进而影响污水处理过程的能量消耗和运行成本。因此，污水处理过程中主要的控制变量是溶解氧S_O和硝态氮S_NO浓度。

传统的多目标优化控制方法其原理大多采用转化法，通过权重系数法将多目标问题转化为单目标问题，但是由于污水处理过程本身是一个互相冲突的多目标问题，具有高度非线性、时变性和不确定性等特点，因此，该方法获得的优化设定值存在精度不高的缺点。近年来，国内外也有基于智能优化控制方法的研究，能够解决传统多目标优化控制方法所得优化设定值精度不高的问题。但是仍然不能适应动态的污水处理过程，首先，以上的智能优化控制方法在不同的污水处理过程中没有统一的多目标函数表达式，这就使得该方法所得优化设定值和实际污水处理厂存在不匹配现象，其多目标函数表达式具有时变特性；其次，以上的智能优化控制方法多属于静态优化，稳态优化，难以根据进水水质水量的变化进行动态实时调整，没有采用动态的优化方法，无法获得准确时变的动态优化设定值。因此，建立动态的能耗和水质模型，同时利用动态的优化算法获取动态优化设定值，实现溶解氧S_O和硝态氮S_NO浓度的优化控制，降低运行成本，具有很好的实际应用价值。

本发明设计了一种基于动态多目标粒子群算法的污水处理过程优化控制方法，主要通过设计一种综合的优化框架用于提取污水处理过程的动态特性，从而建立动态的能耗和水质模型，利用设计的动态多目标粒子群算法获取溶解氧S_O和硝态氮S_NO浓度的优化设定值，并实现准确的跟踪控制。

发明内容

本发明获得了一种基于动态多目标粒子群算法的优化控制方法，通过一种综合的优化框架被设计用于提取污水处理过程的动态特性，并建立曝气能耗模型、泵送能耗模型和出水水质模型，基于动态多目标粒子群算法同时优化模型获得优化设定值，实现了溶解氧S_O和硝态氮S_NO浓度的跟踪控制，解决了污水处理过程难以实现动态优化控制的问题，提高了污水处理过程的优化控制性能，在保障出水水质的同时节约投资和运行成本，保证污水处理厂的平稳高效运行；

本发明采用了如下的技术方案及实现步骤：