[发明专利]基于不确定参数和双目标方法的污水处理网络设计方法

说明书

本发明涉及一种基于不确定参数和双目标方法的污水处理网络设计方法，包括步骤：设计污水处理网络；基于不确定参数建立鲁棒性优化模型；分别对数据集、模型参数和决策性参数进行定义。本发明的有益效果是：本发明涉及一种基于多个不确定参数的鲁棒性网络优化模型，以及基于风险约束法和多重迭代法的双目标控制方法；本发明基于风险约束法将单目标数学模型扩展为双目标数学模型，以减少压裂作业和运输过程中产生的CO₂排放量；本发明还提出基于多重迭代法计算双目标模型的非支配解，分析污水处理网络的经济性和鲁棒性。本发明提出鲁棒性优化模型，解决设备选择中的不确定参数问题，根据不确定参数类型建立不同的优化模型。

技术领域

本发明属于工业污水处理领域，尤其涉及一种基于不确定参数和双目标方法的污水处理网络设计方法。

背景技术

页岩气生产过程中，通过水力压裂作业获得气体储量，大流量液体回流地面，造成严重的环境问题，其中水资源的污染导致工业和城市用水减少。因此，设计优化的污水处理网络和污水处理方法可以解决上述问题，如节约水资源的问题。

由于压裂作业不同时段所需液体量和液体回流率的不确定性，配置液体回流存储设备存在许多挑战，因此，基于确定性参数的污水处理网络设计实用性不强。

当某些或全部参数为随机变量时，目前有学者提出常用的确定性参数数学训练模型为概率性数学训练模型(possibilistic programming models,MPMs)，该模型适用于求解已知参数问题；但是，当不确定参数范围较大时，MPMs模型不适用，仍需要建立鲁棒性数学模型。

发明内容

本发明的目的是克服现有技术中的不足，提供一种基于不确定参数和双目标方法的污水处理网络设计方法。

这种基于不确定参数和双目标方法的污水处理网络设计方法，包括以下步骤：

步骤1、设计污水处理网络；

步骤2、基于不确定参数建立鲁棒性优化模型；

步骤2.1、分别对数据集、模型参数和决策性参数进行定义；

步骤2.2、建立鲁棒性优化模型；

步骤3、采用风险约束法(robust flexible chance-constrained model,RFCCM)来计算不确定参数；

步骤4、优化基于双目标方法的污水处理网络模型，将步骤2中的鲁棒性优化模型从单目标数学模型扩展为双目标优化模型；采用多重迭代法来计算双目标参数引入标准正态分布的累积分布函数(cdf)，建立污水处理网络最优化控制模型；将与水力压裂作业相关的污水处理网络的总成本和二氧化碳排放量最小化。

作为优选，步骤1中污水处理网络包括污水处理厂、处理井和水源地。

作为优选，步骤2.1中对数据集、模型参数和决策变量的定义具体为：

对数据集进行定义：L表示一组水源地，l∈L；M表示压裂搅拌机组，m∈M；N表示井场集，n∈N；O表示回流储液池组，o∈O；P表示设备集，p∈P；Q表示污水处理厂集，q∈Q；R表示处理井组，r∈R；T表示时段集，t∈T；