[发明专利]一种基于数据-知识驱动的污水处理过程优化控制方法

权利要求书

1.一种基于数据-知识驱动的污水处理过程优化控制方法，其特征包括建立基于数据驱动的污水处理多目标优化模型、设计基于进化知识的多目标粒子群优化方法和优化设定值跟踪控制，具体步骤为：

(1)建立基于数据驱动的污水处理多目标优化模型

①以污水处理能耗和出水水质为目标，建立污水处理多目标优化模型：

minF(t)＝[f₁(t),f₂(t)] (1)

其中，F(t)是多目标优化模型，f₁(t)是t时刻的能耗模型，f₂(t)是t时刻的出水水质模型；

②以二级处理过程厌氧末段硝态氮S_NO和好氧末段溶解氧S_O、出水混合固体悬浮物MLSS、出水氨氮S_NH为输入变量，建立基于数据驱动的污水处理能耗和出水水质模型：

其中，I₁是能耗模型中径向基核函数的数量，I₂是出水水质模型中径向基核函数的数量，W₁₀(t)是能耗模型f₁(t)的输出偏移，W₂₀(t)是出水水质模型f₂(t)的输出偏移，W_1i(t)是能耗模型中径向基核函数的权值，W_2i(t)是出水水质模型中径向基核函数的权值，B_1i(t)是与能耗模型相关的径向基核函数，B_2i(t)是与出水水质模型相关的径向基核函数：

其中，σ(t)＝[S_NO(t)，S_O(t)，MLSS(t)，S_NH(t)]为输入变量，c_1i(t)是能耗模型中径向基核函数的中心，c_2i(t)是出水水质模型中径向基核函数的中心，σ_1i(t)是能耗模型中径向基核函数的宽度，σ_2i(t)是出水水质模型中径向基核函数的宽度；

(2)设计基于进化知识的多目标粒子群优化方法：

①设置多目标粒子群优化的总迭代次数K，设置粒子群规模N，k₀是粒子信息的迭代次数，初始化外部档案库A(0)＝[]；

②建立多目标粒子群优化算法的优化目标：min F(t)＝[f₁(t)，f₂(t)]；

③对F(t)进行求解，在迭代过程中，记录每个粒子的收敛性分布状态和多样性分布状态，

其中，CS_n(k)是第n个粒子在第k次迭代的收敛性分布状态，f_n,m(k)是第n个粒子的第m个目标值，x_n(k)是第n个粒子的位置向量，DS_n(k)是多样性分布状态，|·|表示绝对值；

④分别建立个体和种群的收敛性和多样性指标：

其中，IC_n(k)是个体收敛性指标，PC(k)是种群收敛性指标，ID_n(k)是个体多样性指标，PD(k)是种群多样性指标，u∈[k-k₀，k]是迭代次数；

⑤选择种群进化策略：

情况1：当PC(k)PC(k-1)且PD(k)PD(k-1)时，速度和位置更新公式为

v_n,d(k+1)＝ωv_n,d(k)+c₁r₁(p_n,d(k)-x_n,d(k))+c₂r₂(g_d(k)-x_i,d(k)) (12)

x_n,d(k+1)＝x_n,d(k)+v_n,d(k+1) (13)

其中，ω是惯性权重，v_n,d(k)是第n个粒子速度的第d个维度，x_n,d(k)是粒子位置，p_n,d(k)是个体最优位置，g_d(k)是种群最优位置，r₁和r₂是分布在[0，1]的随机值，c₁是个体最优加速因子，c₂是全局最优加速因子；

情况2：当PC(k)PC(k-1)且PD(k)PD(k-1)时，速度和位置更新公式为

x_n,d(k+1)＝x_n,d(k)+v_n,d(k+1) (15)

其中，r₃是分布在[0，1]的随机值，c₃是收敛性方向加速因子，C_d(k)是种群中具有最大收敛性的粒子飞行方向；

情况3：当PC(k)PC(k-1)且PD(k)PD(k-1)时，速度和位置更新公式为

x_n,d(k+1)＝x_n,d(k)+v_n,d(k+1) (17)

其中，r₄是分布在[0,1]的随机值，c₄是多样性方向加速因子，D_d(k)是种群中具有最大多样性的粒子飞行方向；

情况4：当PC(k)PC(k-1)且PD(k)PD(k-1)时，速度和位置更新公式为

x_n,d(k+1)＝x_n,d(k)+v_n,d(k+1) (19)

情况5：当PC(k)＝PC(k-1)或PD(k)＝PD(k-1)时，速度和位置更新公式为

v_n,d(k+1)＝ωv_n,d(k)+c₁r₁(p_n,d(k)-x_n,d(k))+c₂r₂(g_d(k)-x_i,d(k)) (20)

其中，U(0，1)是服从均匀分布的随机值，x_d,min是第d维粒子位置的边界最小值，x_d,max是第d维粒子位置的边界最大值，r₅是分布在[0,1]的随机值，p_b是突变概率

⑥将第k次迭代产生的种群和档案库A(k-1)进行合并，获得J(k)，然后在J(k)中选择非支配解建立A(k)；

⑦判断当前的迭代k是否大于或等于K，若大于或等于K，则转到步骤⑧，若小于K，则转到步骤③；

⑧在档案库A(K)中随机选择一个非支配解作为优化设定值a^*(t)＝a_h(K)，且a_h(K)＝[S_NO^*(K)，S_O^*(K)，MLSS^*(K)，S_NH^*(K)]，其中，S_NO^*(K)，S_O^*(K)，MLSS^*(K)和S_NH^*(K)分别为硝态氮优化设定值，溶解氧优化设定值，混合固体悬浮物优化设定值和氨氮优化设定值，保存优化设定值；

(3)优化设定值跟踪控制

①采用PID控制器对硝态氮优化设定值S_NO^*(K)与溶解氧优化设定值S_O^*(K)进行跟踪控制，PID控制器表达方式为：

其中，Δz(t)＝[ΔQ_a(t)，ΔK_La5(t)]^T为操作变量矩阵，ΔQ_a(t)是污水处理内循环流量的变化量，ΔK_La5(t)是第5分区氧传递系数的变化量；K_p是比例系数矩阵，H_l是积分系数矩阵，H_d是微分系数矩阵；e(t)＝y^*(t)^T-y(t)^T为控制误差，y^*(t)＝[S_NO^*(t)，S_O^*(t)]是t时刻的优化设定值，y(t)＝[S_NO(t)，S_O(t)]是实际输出矩阵；

②以第5分区氧传递系数的变化量和内循环回流量作为的变化量作为PID控制器的输出；

③将第5分区氧传递系数的变化量ΔK_La5(t)和内循环回流量的变化量ΔQ_a(t)作为污水处理控制系统的输入量，对硝态氮S_NO浓度和溶解氧S_O浓度进行控制。