[发明专利]用于造纸污水处理GHG减排的溶解氧分层优化控制方法

说明书

本发明公开了一种用于造纸污水处理GHG减排的溶解氧分层优化控制方法，步骤如下：在线采集进水数据，开环输入ASM1仿真模型，得到出水BOD、氨氮、总氮浓度和曝气过程溶解氧浓度；根据采集的进水数据和溶解氧浓度，采用自适应回归核函数，建立出水BOD、氨氮和总氮浓度的预测模型，作为出水约束层；采用遗传算法，求解在满足出水指标的前提下实现GHG减排的溶解氧浓度优化设定值，建立优化设定层；根据优化的溶解氧浓度设定值，采用BP神经网络优化PI控制器参数，对溶解氧浓度进行跟踪控制，并分析溶解氧浓度分层优化控制下的GHG减排效果。本发明通过溶解氧浓度分层优化控制，在出水指标未超限的情况下，实现了GHG的减排。

技术领域

本发明涉及造纸污水生化处理过程溶解氧浓度控制及GHG(Green House Gas，温室气体)排放的技术领域，具体涉及一种用于造纸污水处理GHG减排的溶解氧分层优化控制方法。

背景技术

造纸工业是重要的水资源消耗型行业，同时产生大量的工业污水。对造纸污水进行活性污泥法处理过程中，会产生大量的GHG，包括CO₂、CH₄和N₂O。GHG排放至大气，形成造纸工业“隐形”的二次污染。造纸工业正在面临巨大的GHG减排压力，对GHG的排放控制需求十分迫切。在污水处理过程实现GHG减排的研究中，常采用新的污水处理工艺代替活性污泥法处理工艺，但是这些新工艺具有处理成本较高和化学品残留的缺点，无法替代活性污泥法的大规模应用。利用自动控制系统实现GHG减排是可行的途径，但是由于缺乏GHG在线监测设备和对GHG排放机理的研究，目前污水处理过程的自动控制系统都没有包含对GHG排放的控制。

溶解氧浓度是污水活性污泥法处理过程中的主要工艺参数，对出水水质、运行成本和GHG排放都有较大的影响，是影响GHG排放的重要因素。过高的溶解氧浓度使得曝气机耗电产生的GHG增加，过低的溶解氧浓度又会引起反硝化过程大量产生N₂O。目前，溶解氧控制手段已经普遍应用于污水处理过程，其控制目标主要集中在降低运行成本和提高出水质量，将GHG排放量纳入控制系统作为控制目标，可以实现对GHG减排的优化控制。

因此，基于GHG排放量的在线监测模型，针对GHG排放量随着曝气量线性增加的特点，采用分层优化控制的思想，提出了一种基于溶解氧浓度的动态优化控制策略，以减少GHG的排放。通过建立回归核函数模型来描述出水质量与进水特征和溶解氧浓度之间的关系，为优化控制系统提供控制目标模型；采用遗传算法寻找溶解氧浓度的优化设定值；采用BP-PI(Back Propagation Neural Network-Proportional-Integral Control，反向传播神经网络比例积分控制)控制方案对优化设定值进行跟踪控制，以实现在出水质量达标的同时有效减少GHG的排放量。

发明内容

本发明的目的是为了解决现有技术中的上述缺陷，提供一种用于造纸污水处理GHG减排的溶解氧分层优化控制方法，目的在于将GHG减排纳入控制系统的优化目标，采用分层优化控制，通过调节造纸污水A/O(Anoxic/Oxic，厌氧/好氧)处理工艺过程的溶解氧浓度，在出水水质达标的基础上，实现GHG的减排。

本发明的目的可以通过采取如下技术方案达到：

一种用于造纸污水处理GHG减排的溶解氧分层优化控制方法，所述的方法包括以下步骤：

S1、在线采集进水数据，开环输入ASM1(Activated Sludge Model No.1，活性污泥1号模型)仿真模型，得到出水BOD、氨氮、总氮浓度和曝气过程溶解氧浓度；

S2、根据采集的进水数据和溶解氧浓度，采用自适应回归核函数，建立出水BOD(Biochemical Oxygen Demand，生化需氧量)、氨氮和总氮浓度的预测模型，作为出水约束层；

S3、采用遗传算法，求解在满足出水指标的前提下实现GHG减排的溶解氧浓度优化设定值，建立优化设定层；