[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

说明书

一种数据‑知识驱动的污水处理过程多目标优化控制方法属于污水处理领域。为了平衡污水处理过程中能耗和出水水质的关系，本发明建立基于数据驱动的污水处理过程能耗和出水水质模型，获得能耗、出水水质以及操作变量的关系，采用基于进化知识的多目标粒子群优化算法对硝态氮S_NO浓度和溶解氧S_O浓度进行优化，并使用PID控制器对硝态氮S_NO浓度和溶解氧S_O浓度进行跟踪控制，解决了污水处理过程中出水水质难以达标以及能耗高的问题，有利于污水处理过程高效稳定运行。

技术领域

本发明涉及一种基于数据-知识驱动的污水处理过程优化控制方法，首先，基于数据驱动建立污水处理能耗和出水水质模型，获得污水处理多目标优化函数，然后，采用基于进化知识的多目标粒子群优化算法对污水处理过程中溶解氧S_O和硝态氮S_NO浓度进行优化，以降低运行能耗并提高出水水质，最后，采用PID控制器对溶解氧S_O和硝态氮S_NO浓度进行跟踪控制，本发明可以降低污水处理能耗并提高出水水质，具有较高的实用价值。

背景技术

污水处理是通过一系列生化反应将污水的有机物去除，并将处理过的水排出的过程。污水处理过程是水资源重复利用不可或缺的环节，对节约水资源，维持水资源可持续发展都起到重要的作用。

污水处理过程机理复杂，非线性和强耦合特征明显，导致污水处理过程较难优化控制，而污水处理过程中能耗和出水水质是两个互相冲突又相互耦合的优化目标，因此，在污水处理过程中，平衡能耗和出水水质的关系是一种重要的研究问题，在污水处理优化控制能耗和出水水质目标模型的建立过程中，由于污水处理厂及其环境的不同，机理模型难以确定，因此，设计基于数据驱动的能耗和出水水质模型对精确描述污水处理优化目标具有重要的作用；另外，在污水处理过程中，污水数据的采集需要较长的时间，且采集的数据量有限，这对污水处理过程优化控制性能产生了一定的限制；因此，设计合理的优化方法，对溶解氧S_O和硝态氮S_NO浓度进行优化控制，不仅可以节约能源，保证水质达标排放，而且对污水处理过程的稳定高效运行起到了重要的作用。

本发明设计了一种基于数据-知识驱动的污水处理过程优化控制方法，主要建立了基于数据驱动的能耗和出水水质模型，并利用基于知识的多目标粒子群算法获得溶解氧S_O和硝态氮S_NO浓度的优化设定值，并利用PID控制方法实现溶解氧S_O和硝态氮S_NO浓度的跟踪控制。

发明内容

本发明采用了如下的技术方案及实现步骤：

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设计优化设定值跟踪控制方法，具体步骤为：

(1)建立基于数据驱动的污水处理目标模型

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：

min F(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：