一种基于多目标差分进化算法的污水处理优化控制方法

摘要

本发明设计了一种基于多目标差分进化算法的污水处理过程优化控制方法，针对污水处理过程中溶解氧DO和硝态氮S_NO浓度难于同时优化控制的问题。城市污水处理系统在保证出水水质符合国家规定排放标准的前提下，力求降低能耗，其中溶解氧DO和硝态氮S_NO浓度的优化与控制是实现污水处理过程稳定运行和节能减排的重要环节。本发明将通风耗能AE，泵送耗能PE，以及向受纳水体排放污染物需要支付的费用EQ作为优化目标，利用改进型多目标差分进化算法求解溶解氧DO和硝态氮S_NO浓度的优化设定值，以曝气量和内循环回流量为控制量，进行精准的跟踪控制，从而保证出水水质达标，降低了污水处理过程的运行成本，提高了污水处理过程的效益。

主权项

一种基于多目标差分进化算法的污水处理优化控制方法，针对序批式间歇活性污泥系统中溶解氧浓度S_O和硝态氮浓度S_NO进行优化控制，以曝气量和内循环回流量为控制量，溶解氧浓度S_O和硝态氮浓度S_NO为被控量；其特征在于包括以下步骤：(1)设计用于污水处理过程中溶解氧浓度S_O和硝态氮浓度S_NO优化控制方法的多目标函数：$AE=\frac{24}{7}{\int }_{t=7}^{t=14}\underset{l=3}{\overset{5}{\Sigma }}[0.0007\times K_L{a}_l{\left(t\right)}^2\left(\frac{V_l}{1333}\right)+0.3267\times K_L{a}_l\left(t\right)\left(\frac{V_l}{1333}\right)]dt;$$PE=\frac{1}{T}\underset{t=7days}{\overset{t=14days}{\int }}(0.004·Q_a(t)+0.008·Q_r(t)+0.05·Q_W(t\left)\right)·dt;$$EQ=\frac{1}{T·1000}{\int }_{t=7days}^{t=14days}[2·{\mathrm{SS}}_e\left(t\right)+{\mathrm{COD}}_e\left(t\right)+30·S_{NK,e}\left(t\right)+10·S_{NO,e}\left(t\right)+2·{\mathrm{BOD}}_e\left(t\right)]·Q_e\left(t\right)dt;---\left(1\right)$其中，AE为通风耗能，PE为泵送耗能，EQ表示向受纳水体排放污染物需要支付的费用，各单元体积V₃＝V₄＝V₅＝1000m³；K_La_l(t)为t时刻好氧区第l个单元的氧气转换系数，Q_a(t)为t时刻内回流量，Q_r(t)为t时刻污泥回流量，Q_w(t)为t时刻污泥流量；T表示运行周期，SS_e(t)表示t时刻出水中的固体悬浮物浓度，COD_e(t)表示t时刻出水中的化学需氧量，S_NK,e(t)表示t时刻出水中的NH₄‑N和NH₃‑N的总浓度，S_NO,e(t)表示t时刻溶解性可生物降解有机氮浓度，，BOD_e(t)表示t时刻出水中的生物需氧量Q_e(t)是t时刻外回流量；(2)设计用于污水处理过程中溶解氧浓度S_O和硝态氮浓度S_NO优化控制的多目标优化方法，具体为：①多目标差分进化算法参数设置及种群初始化，设定多目标差分进化算法种群规模为NP，最大进化代数T_max，初始化变异率F，交叉率Cr，随机产生2维初始化种群：x_i(t)＝[x_1,i(t),x_2,i(t)],i＝[1,2,…,NP]；   (2)其中，x_i(t)为t时刻第i个种群值，x_1,i(t)为t时刻第i个种群的第一个分量，为t时刻溶解氧浓度S_O的随机初始值，x_1,i(t)∈(0,8]；x_2,i(t)为t时刻第i个种群的第二个分量，为硝态氮浓度S_NO的随机初始值，x_2,i(t)∈(0,5]；②多目标差分进化算法中的变异操作对随机产生的初始种群进行变异操作，公式如下：x_i(t+1)＝x_i(t)+F_i(t+1)·(x_r1(t)‑x_r2(t))；   (3)其中，x_i(t+1)为t+1时刻第i个种群值，x_r1(t)为t时刻第r1个种群值，x_r2(t)为t时刻第r2个种群值，r1和r2是在[1,NP]中随机选取的不同于i的两个互不相同的实数，F_i(t+1)为t+1时刻第i个种群的变异率F_i(t+1)＝F_i(t)[μ_L(t)+(μ_H(t)‑μ_L(t))(f_m(t)‑f_a(t))/(f_w(t)‑f_a(t))]；   (4)其中，F_i(t)为t时刻第i个种群的变异率，μ_L(t)为t时刻变异率下限，μ_H(t)为t时刻变异率上限，f_a(t)为t时刻种群的最优适应度值，f_m(t)为t时刻种群的平均适应度值，f_w(t)为t时刻种群的最差适应度值；③多目标差分进化算法中的交叉操作对变异产生的种群进行交叉操作，公式如下：其中，为交叉操作后t+1时刻第i个种群值的第j个分量，x_ji(t)为t时刻第i个种群值的第j个分量，x_ji(t+1)为t+1时刻第i个种群值的第j个分量，rand_ij[0,1]是[0,1]之间均匀分布的随机数，，Cr_i(t+1)为t+1时刻第i个种群的交叉率${\mathrm{Cr}}_i(t+1)=\left\{\begin{array}{c}C{r}_i\left(t\right),f_i\left(t\right)<f_m\left(t\right)\\ C{r}_i\left(t\right)\left[{\rho }_L\right(t)+({\rho }_H\left(t\right)-{\rho }_L\left(t\right)\left)\right(f_m\left(t\right)-f_a\left(t\right))/(f_w\left(t\right)-f_a\left(t\right)\left)\right],f\left(t\right)\ge f_m\left(t\right)\end{array}\right.;---\left(6\right)$其中，Cr_i(t)为t时刻第i个种群的变异率，ρ_L(t)为t时刻交叉率下限，ρ_H(t)为t时刻交叉率上限，f_i(t)为t时刻第i个种群的适应度值；④多目标差分进化算法选择操作以公式(1)为优化目标，从经过变异、交叉操作后产生的种群中，选择最优结果作为溶解氧浓度S_O和硝态氮浓度S_NO的优化设定值；⑤多目标差分进化算法终止条件判断若t<T_max，则返回步骤②继续寻优，否则终止计算，并输出溶解氧浓度S_O和硝态氮浓度S_NO优化设定值的结果；(3)根据求出的溶解氧浓度S_O和硝态氮浓度S_NO优化设定值对污水处理过程进行优化控制，利用比例积分PI控制对曝气量和内循环回流量进行调节，整个控制系统的输出为实际溶解氧浓度S_O和硝态氮浓度S_NO。