一种I-MOEAD算法的污水处理过程优化控制方法技术

本发明专利技术公开了一种I

【技术实现步骤摘要】
一种I
‑
MOEAD算法的污水处理过程优化控制方法


[0001]本专利技术涉及污水处理过程优化控制的
，尤其涉及一种I
‑
MOEAD算法的污水处理过程优化控制方法。

技术介绍

[0002]近几年，国家对污水出水水质的要求把控越来越严并且出台一系列节能政策，使得各污水处理厂在追求降低能耗保证水质的同时其运行成本也在不断增加。因此，保证各项出水参数达标的前提下，如何有效降低污水处理过程中的成本消耗，对污水处理过程实现优化控制成为一个亟待解决的问题。从生化反应机理来看，曝气量(K
Lai
)影响着好氧区的溶解氧浓度(S
O
)，而厌氧区的硝态氮浓度(S
NO
)由内回流量(Q
a
)决定，因此S
O
对S
NO
的影响较大，同时，厌氧区的硝态氮又会流向好氧区，导致整个污水处理过程中出现各变量之间强耦合现象。其中能耗和出水水质两个指标具有强烈的制约特性，因为S
O
和S
NO
是决定出水水质的两个关键因素，可以通过鼓风机和回流泵分别对两者进行调节，但其运行会产生大量能耗。所以，能耗和出水水质的优化问题最终是一个多目标优化问题。因此，以能耗和出水水质作为优化目标建立多目标优化模型，对S
O
和S
NO
的设定值进行寻优能够在保证出水水质达标的情况下有效的降低能耗。
[0003]由于单目标优化控制很难做到同时兼顾能耗和出水水质这两个指标，一般会侧重于考虑能耗指标，从而导致出水水质提升较少。而多目标优化控制则能够在优化一个指标的同时兼顾另一个指标，在对S
O
和S
NO
设定值寻优的过程中，会综合考虑降低能耗和提升出水水质，达到同时优化的目的。因此，过去十年里，在污水处理过程优化控制领域中，多目标优化控制渐渐成为研究的主流。多目标进化算法的收敛性和分布性是评估算法优劣的关键因素，目前还有一些算法的收敛性和分布性稍有不足，虽然多目标优化控制方法能够同时优化能耗和出水水质，但是算法的优劣直接决定优化的程度。

技术实现思路

[0004]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0005]鉴于上述现有存在的问题，提出了本专利技术。
[0006]为解决上述技术问题，本专利技术提供如下技术方案：
[0007]作为本专利技术所述的I
‑
MOEAD算法的污水处理过程优化控制方法的一种优选方案，其中：利用最小二乘支持向量机对第五分区溶解氧浓度S
O5
、第二分区硝态氮浓度S
NO2
与出水总能耗OCI、出水水质EQI建立多目标优化模型；基于多邻域策略优化所述多目标优化模型，通优化后的多目标优化模型对第五分区溶解氧浓度S
O5
、第二分区硝态氮浓度S
NO2
的设定值进行寻优，达到出水总能耗OCI和出水水质EQI之间的最佳平衡；通过PID控制器对第五分区溶解氧浓度S
O5
、第二分区硝态氮浓度S
NO2
的最优值进行实时跟踪控制。
[0008]作为本专利技术所述的I
‑
MOEAD算法的污水处理过程优化控制方法的一种优选方案，其中：建立多目标优化模型包括，
[0009]minF(x)＝{f
OCI
(x),f
EQI
(x)}
[0010]其不等式约束为：
[0011][0012]其中，minF(x)为所述多目标优化模型，x＝[S
O5
,S
NO2
]为第五分区溶解氧浓度S
O5
和第二分区硝态氮浓度S
NO2
组成的向量，f
OCI
(x)和f
EQI
(x)分别为OCI和EQI的优化目标函数表达式，S
Nh,e,avg
和S
Ntot,e,avg
分别为氨氮的平均浓度和总氮的平均浓度；TSS
e,avg
为固体悬浮物平均浓度，COD
e,avg
为平均化学需氧量，BOD
5,e,avg
为5日平均生化需氧量。
[0013]作为本专利技术所述的I
‑
MOEAD算法的污水处理过程优化控制方法的一种优选方案，其中：出水总能耗OCI包括，
[0014]OCI＝AE+PE
[0015]其中，AE表示曝气能耗，PE表示泵送能耗。
[0016]作为本专利技术所述的I
‑
MOEAD算法的污水处理过程优化控制方法的一种优选方案，其中：包括，
[0017][0018][0019]其中，t为时间，S
O.sat
为溶解氧的饱和浓度，T为采样周期，t0和t
f
分别表示开始时间和结束时间；V
i
和K
Lai
分别表示第i个生化反应池的体积和曝气量，Q
a
、Q
r
和Q
w
分别表示内回流量、外回流量和剩余污泥流量。
[0020]作为本专利技术所述的I
‑
MOEAD算法的污水处理过程优化控制方法的一种优选方案，其中：出水水质EQI包括，
[0021][0022]其中，TSS表示固体悬浮物浓度，COD表示化学需氧量，S
NKj
表示凯氏氮浓度，S
NO
表示硝态氮浓度，BOD5表示5日生化需氧量，Q
e
表示清水排出量。
[0023]作为本专利技术所述的I
‑
MOEAD算法的污水处理过程优化控制方法的一种优选方案，其中：优化所述多目标优化模型包括，将多目标优化模型分解为N个子问题，并将每个子问题的最优解构成种群；将种群分为三个初始子种群I1、I2、I3，分别为每个初始子种群分配进化变异策略，并通过子代进化率对初始子种群的规模进行动态调整，以适应不同进化时期对进化变异策略的需求；分析种群在迭代过程中的进化状态并结合各进化变异策略搜索的
范围，为每种进化变异策略分配一个邻域，使各进化变异策略能够在当前阶段适合的邻域内进行种群优化；其中，三个初始子种群I1、I2、I3的大小分别为u1、u2、u3，优化开始阶段使u1＝u2＝u3＝N/3。
[0024]作为本专利技术所述的I
‑
MOEAD算法的污水处理过程优化控制方法的一种优选方案，其中：进化变异策略包括，DE/rand/1进化变异策略，其公式为：
[0025][0026]DE/best/1进化变异策略，其公式为：
[0027][002本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种I
‑
MOEAD算法的污水处理过程优化控制方法，其特征在于，包括：利用最小二乘支持向量机对第五分区溶解氧浓度S
O5
、第二分区硝态氮浓度S
NO2
与出水总能耗OCI、出水水质EQI建立多目标优化模型；基于多邻域策略优化所述多目标优化模型，通优化后的多目标优化模型对第五分区溶解氧浓度S
O5
、第二分区硝态氮浓度S
NO2
的设定值进行寻优，达到出水总能耗OCI和出水水质EQI之间的最佳平衡；通过PID控制器对第五分区溶解氧浓度S
O5
、第二分区硝态氮浓度S
NO2
的最优值进行实时跟踪控制。2.如权利要求1所述的I
‑
MOEAD算法的污水处理过程优化控制方法，其特征在于：建立多目标优化模型包括，minF(x)＝{f
OCI
(x),f
EQI
(x)}其不等式约束为：其中，minF(x)为所述多目标优化模型，x＝[S
O5
,S
NO2
]为第五分区溶解氧浓度S
O5
和第二分区硝态氮浓度S
NO2
组成的向量，f
OCI
(x)和f
EQI
(x)分别为OCI和EQI的优化目标函数表达式，S
Nh,e,avg
和S
Ntot,e,avg
分别为氨氮的平均浓度和总氮的平均浓度；TSS
e,avg
为固体悬浮物平均浓度，COD
e,avg
为平均化学需氧量，BOD
5,e,avg
为5日平均生化需氧量。3.如权利要求1或2所述的I
‑
MOEAD算法的污水处理过程优化控制方法，其特征在于：出水总能耗OCI包括，OCI＝AE+PE其中，AE表示曝气能耗，PE表示泵送能耗。4.如权利要求3所述的I
‑
MOEAD算法的污水处理过程优化控制方法，其特征在于：包括，MOEAD算法的污水处理过程优化控制方法，其特征在于：包括，其中，t为时间，S
O.sat
为溶解氧的饱和浓度，T为采样周期，t0和t
f
分别表示开始时间和结束时间；V
i
和K
Lai
分别表示第i个生化反应池的体积和曝气量，Q
a
、Q
r
和Q
w
分别表示内回流量、外回流量和剩余污泥流量。5.如权利要求4所述的I
‑
MOEAD算法的污水处理过程优化控制方法，其特征在于：出水水质EQI包括，
其中，TSS表示固体悬浮物浓度，COD表示化学需氧量，S
NKj
表示凯氏氮浓度，S
NO
表示硝态氮浓度，BOD5表示5日生化需氧量，Q

【专利技术属性】
技术研发人员：熊伟丽，刘传玉，
申请(专利权)人：江南大学，
类型：发明
国别省市：