一种基于运行过程信息的城市污水处理实时优化控制方法与流程

本发明针对城市污水处理过程的优化运行问题，设计了一种溶解氧浓度和硝态氮浓度的实时优化控制方法，使用污水处理实时运行数据，获得运行过程信息，设计基于运行过程信息的多目标差分进化算法，获得溶解氧浓度和硝态氮浓度的动态优化设定值，并对设定值进行跟踪。对城市污水处理过程溶解氧浓度和硝态氮浓度的实时优化控制，是减少能源消耗和排污费用的有效方法，既属于控制领域，又属于污水处理领域。

背景技术：

城市污水的再生回用能够减少人类对自然水的需求量，有效缓解水资源短缺对社会经济发展的影响。基于运行过程信息的城市污水处理实时优化控制方法，能够使用污水处理实时运行数据，基于运行过程信息，得到溶解氧浓度和硝态氮浓度的动态优化设定值，并对设定值进行跟踪，有效减少污水处理能源消耗和排污费用，具有显著的社会效益与经济效益。因此，本发明的研究成果具有广阔的应用前景。

城市污水处理优化控制的目标是减少能源消耗和排污费用，由污水处理过程的反应机理和物料平衡关系可知，可控量是溶解氧浓度和硝态氮浓度。在求取溶解氧浓度和硝态氮浓度的优化设定值时，传统优化方法没有考虑实时运行数据，无法体现运行过程对求取最优设定值的影响。但是，城市污水处理过程是一个典型的流程工业，运行数据实时变化，在优化过程中不考虑运行过程信息，将影响最优设定值的取值，最终影响节能减排的效果。因此，如何挖掘运行过程信息，对污水处理过程进行实时优化控制，已经成为城市污水处理优化控制过程中亟需解决的问题，具有重要的现实意义。

本发明提出一种基于运行过程信息的城市污水处理实时优化控制方法，将最小化能源消耗和排污费用作为优化目标，使用污水处理实时运行数据，获得运行过程信息，设计基于运行过程信息的多目标差分进化算法，得到溶解氧浓度和硝态氮浓度的动态优化设定值，以曝气量和内循环回流量为控制量，以氧传递系数和内回流量为操作量，实现对溶解氧浓度和硝态氮浓度最优设定值的跟踪，从而减少能源消耗和排污费用。

技术实现要素：

本发明获得了一种基于运行过程信息的城市污水处理实时优化控制方法，该方法以城市污水处理优化运行为目标，设计基于运行过程信息的多目标差分进化算法，获得溶解氧浓度和硝态氮浓度的动态最优设定值，操作氧传递系数和内回流量，完成对优化设定值的跟踪，实现节能减排的控制目标。

本发明采用了如下的技术方案及实现步骤：

(1)构建优化控制目标

由污水处理反应机理和物料平衡关系，构建优化控制目标：

其中，fe(t)为城市污水处理第t时刻的能源消耗，fq(t)为城市污水处理第t时刻的排污费用，t为城市污水处理过程中的时间点，wen(t)和wqn(t)为能源消耗和排污费用中第n个核函数的连接权值，ν(t)＝[so(t),sno(t),mlss(t)]，α(t)＝[so(t),sno(t),ss(t),snh(t)]，so(t)为溶解氧浓度，sno(t)为硝态氮浓度,mlss(t)为混合悬浮液的固体浓度,ss(t)为悬浮物浓度，snh(t)为氨氮浓度，cen(t)和cqn(t)为能源消耗和排污费用中第n个核函数的中心值，ben(t)和bqn(t)为能源消耗和排污费用中第n个核函数的宽度值，wen(t)，wqn(t)，cen(t)，cqn(t)，ben(t)和bqn(t)均可取0到1之间的任意值；

(2)设计实时优化方法

采用基于运行过程信息的多目标差分进化算法，求取城市污水处理第t时刻溶解氧浓度和硝态氮浓度的优化设定值，具体步骤为：

①随机产生初始种群

设定城市污水处理第t时刻的初始种群规模为np⁰(t)，初始变异率为f⁰(t)，初始交叉率为cr⁰(t)，种群最大进化代数为n，随机产生初始种群：

其中，为第t时刻初始种群中溶解氧浓度的第i个随机值，为第t时刻初始种群中硝态氮浓度的第i个随机值，

②基于运行过程信息的变异操作

使用城市污水处理第t时刻的运行数据so(t),sno(t),ss(t),snh(t)和mlss(t)，由式(1)和式(2)得到能源消耗和排污费用的数值，计算第n代种群的运行过程信息θⁿ(t)：

其中，和分别是第t时刻第n代种群能源消耗和排污费用总和的最大值和最小值；基于运行过程信息，设计变异率的动态调整机制，计算第n代种群中第i个个体的变异率fiⁿ(t)：

其中，和分别是第n代种群中第i个个体变异率的上限和下限，和可取0到1之间的任意值，且设计变异策略的选择机制，对第n代种群中第i个个体进行变异操作，得到合成个体

其中，和是第n代三个不同的随机个体，是第n代的最优个体，r1、r2和r3是1到npⁿ(t)之间不同于i的互不相同的随机实数，参数是根据实验分析得到的经验值，θ⁰(t)是初始种群的运行过程信息；

③基于运行过程信息的交叉操作

基于运行过程信息，设计交叉率的动态调整机制，计算第n代种群中第i个个体的交叉率criⁿ(t)：

其中，fiⁿ(t)是第n代种群中第i个个体能源消耗和排污费用的总和，是第n代种群能源消耗和排污费用总和的平均值，和分别是第n代种群中第i个个体交叉率的上限和下限，和可取0到1之间的任意值，且对合成个体采用二项式交叉策略，进行交叉操作，得到试验个体

其中，rand[0,1]是[0,1]之间的随机数，qrand是随机选择的一个标志位，以保证在进化过程中算法能够从父代中继承至少一位元素；

④选择操作

对当前种群进行非占优排序，得到下一代种群个体；

⑤判断终止条件

若n<n，则返回步骤②，否则终止寻优，并输出城市污水处理第t时刻溶解氧浓度和硝态氮浓度的优化设定值；

(3)跟踪优化设定值

①计算系统的跟踪误差

其中，x(t)为第t时刻溶解氧浓度和硝态氮浓度的优化设定值，为第t时刻溶解氧浓度和硝态氮浓度的实际值，

②计算操作量的控制率u(t)：

其中，u(t)＝[kla(t),qa(t)]，kla(t)为氧传递系数，qa(t)为内回流量，kp为比例系数，ki为积分系数；

③控制污水处理过程的曝气量和内回流量，以操作氧传递系数和内回流量，实现对第t时刻溶解氧浓度和硝态氮浓度优化设定值的跟踪，系统输出为第t时刻溶解氧浓度和硝态氮浓度的实际值。

本发明的创造性主要体现在：

(1)本发明以城市污水处理优化运行为目标，设计基于运行过程信息的城市污水处理实时优化控制方法，实现溶解氧浓度和硝态氮浓度的优化控制，具有控制精度高、稳定性好等特点；

(2)本发明使用污水处理实时运行数据，获得运行过程信息，设计基于运行过程信息的多目标差分进化算法，自适应调整算法的变异率、交叉率、种群规模和变异策略，均衡算法的局部搜索能力和全局探索能力，获得溶解氧浓度和硝态氮浓度的动态优化设定值。

特别要注意：本发明以城市污水处理优化运行为目标，设计基于运行过程信息的多目标差分进化算法，获得溶解氧浓度和硝态氮浓度的动态优化设定值，操作氧传递系数和内回流量，对优化设定值进行跟踪，只要采用了本发明的优化目标及优化算法进行城市污水处理优化控制的研究都应属于本发明的范围。

附图说明

图1是本发明的优化控制方法结构图；

图2是本发明控制方法中溶解氧浓度so优化控制结果图

图3是本发明控制方法中硝态氮浓度sno优化控制结果图

具体实施方式

本发明以城市污水处理优化运行为目标，采用如下的技术方案及实现步骤。

对城市污水处理过程中溶解氧浓度和硝态氮浓度进行实时优化控制，以曝气量和内循环回流量为控制量，氧传递系数和内回流量为操作量，优化控制方式结构如图1。基于运行过程信息的城市污水处理实时优化控制方法包括以下步骤：

(1)构建优化控制目标

由污水处理反应机理和物料平衡关系，构建优化控制目标：

其中，fe(t)为城市污水处理第t时刻的能源消耗，fq(t)为城市污水处理第t时刻的排污费用，t为城市污水处理过程中的时间点，wen(t)和wqn(t)为能源消耗和排污费用中第n个核函数的连接权值，wen(t)＝0.45，wqn(t)＝0.55，ν(t)＝[so(t),sno(t),mlss(t)]，α(t)＝[so(t),sno(t),ss(t),snh(t)]，so(t)为溶解氧浓度，sno(t)为硝态氮浓度,mlss(t)为混合悬浮液的固体浓度,ss(t)为悬浮物浓度，snh(t)为氨氮浓度，cen(t)和cqn(t)为能源消耗和排污费用中第n个核函数的中心值，cen(t)＝0.35，cqn(t)＝0.65，ben(t)和bqn(t)为能源消耗和排污费用中第n个核函数的宽度值，ben＝0.70，bqn(t)＝0.40；

(2)设计实时优化方法

采用基于运行过程信息的多目标差分进化算法，求取城市污水处理第t时刻溶解氧浓度和硝态氮浓度的优化设定值，具体步骤为：

①随机产生初始种群

设定城市污水处理第t时刻的初始种群规模为np⁰(t)，初始变异率为f⁰(t)，初始交叉率为cr⁰(t)，种群最大进化代数为n，随机产生初始种群：

其中，为第t时刻初始种群中溶解氧浓度的第i个随机值，为第t时刻初始种群中硝态氮浓度的第i个随机值，

②基于运行过程信息的变异操作

使用城市污水处理第t时刻的运行数据so(t),sno(t),ss(t),snh(t)和mlss(t)，由式(1)和式(2)得到能源消耗和排污费用的数值，计算第n代种群的运行过程信息θⁿ(t)：

其中，和分别是第t时刻第n代种群能源消耗和排污费用总和的最大值和最小值；基于运行过程信息，设计变异率的动态调整机制，计算第n代种群中第i个个体的变异率fiⁿ(t)：

其中，和分别是第n代种群中第i个个体变异率的上限和下限，设计变异策略的选择机制，对第n代种群中第i个个体进行变异操作，得到合成个体

其中，和是第n代三个不同的随机个体，是第n代的最优个体，r1、r2和r3是1到npⁿ(t)之间不同于i的互不相同的随机实数，参数是根据实验分析得到的经验值，θ⁰(t)是初始种群的运行过程信息；

③基于运行过程信息的交叉操作

基于运行过程信息，设计交叉率的动态调整机制，计算第n代种群中第i个个体的交叉率

其中，fiⁿ(t)是第n代种群中第i个个体能源消耗和排污费用的总和，是第n代种群能源消耗和排污费用总和的平均值，和分别是第n代种群中第i个个体交叉率的上限和下限，对合成个体采用二项式交叉策略，进行交叉操作，得到试验个体

其中，rand[0,1]是[0,1]之间的随机数，qrand是随机选择的一个标志位，以保证在进化过程中算法能够从父代中继承至少一位元素；

④选择操作

对当前种群进行非占优排序，得到下一代种群个体；

⑤判断终止条件

若n<n，则返回步骤②，否则终止寻优，并输出城市污水处理第t时刻溶解氧浓度和硝态氮浓度的优化设定值；

(3)跟踪优化设定值

①计算系统的跟踪误差

其中，x(t)为第t时刻溶解氧浓度和硝态氮浓度的优化设定值，为第t时刻溶解氧浓度和硝态氮浓度的实际值，

②计算操作量的控制率u(t)：

其中，u(t)＝[kla(t),qa(t)]，kla(t)为氧传递系数，qa(t)为内回流量，kp＝200，ki＝50；

③控制污水处理过程的曝气量和内回流量，以操作氧传递系数和内回流量，实现对第t时刻溶解氧浓度和硝态氮浓度优化设定值的跟踪，系统输出为第t时刻溶解氧浓度和硝态氮浓度的实际值；图2显示系统的溶解氧浓度优化设定值和跟踪控制结果，x轴：时间，单位是天，y轴：溶解氧浓度，单位是毫克/升，实线为溶解氧浓度实时优化设定值，虚线是溶解氧浓度跟踪控制值；图3显示系统的硝态氮浓度优化设定值和跟踪控制结果，x轴：时间，单位是天，y轴：硝态氮浓度，单位是毫克/升，实线为硝态氮浓度实时优化设定值，虚线是硝态氮浓度跟踪控制值；结果证明该方法的有效性。