针对污水出水水质目标寻优分析方法、系统、装置及介质

本发明涉及污水处理的，尤其涉及一种针对污水出水水质目标寻优分析方法、系统、装置及介质。

背景技术：

1、城市污水处理是提高淡水资源循环使用效率，保护水生态环境的重要举措。相关部门对污水处理的出水水质进行了严格限定，污水处理出水水质中关键污染物的含量要低于规定的上限，保障水资源的循环使用，减少污染物的排放对人民生产生活环境的影响；同时，污水处理厂需要根据排放污染物的种类和数量，支付相应的排污费用。污水处理过程优化控制要综合考虑由于出水水质指标引起的排污费用，通过优化控制提升污水处理能力，降低污水处理厂的支出。

2、城市污水处理过程优化控制，在保证污水处理过程稳定运行的前提下，关注污水处理的运行成本，尽量减少污水处理费用，提高污水处理厂的经济效益，促进污水处理厂的长足发展。以活性污泥法污水处理过程为例，污水处理过程的运行费用包括运转鼓风机的曝气能耗费用、输送回流污泥的泵送能耗费用、处理污泥的运送费用和污水处理厂日常运行的维护费用等。曝气能耗和泵送能耗是污水处理过程中能源消耗的主要组成部分，约占整个污水处理过程运行费用的80％，直接影响污水处理的成本和污水处理厂的运营效益。因此，对污水处理过程进行优化控制，需要平衡污水处理过程运行成本和运行水平。综上所述，污水处理的优化控制目标是保证污水处理出水水质达标，并降低污水处理过程的运行成本，但目前尚缺少一种针对该目标进行优化的技术方案。

技术实现思路

1、为至少一定程度上解决现有技术中存在的技术问题之一，本发明的目的在于提供一种针对污水出水水质目标寻优分析方法、系统、装置及介质。

2、本发明所采用的技术方案是：

3、一种针对污水出水水质目标寻优分析方法，包括以下步骤：

4、对污水处理系统建立数据模型，并训练模型；

5、确定进行优化设定值变量的个数m，确定各个设定值的优化范围；

6、将采样获得的现场数据输入训练后的模型，采用遗传算法进行迭代优化，输出控制量；

7、将控制量导入污水处理系统中，获取实际出水指标，根据实际出水指标判定优化结果。

8、进一步地，所述采用遗传算法进行迭代优化，包括：

9、a1、初始化各个遗传算法参数，其中参数包括进化代数maxgen、种群规模sizepop、交叉概率选择pcross、变异概率选择pmutation，以及每个变量的字串长度lenchrom和波动范围bound；将种群信息定义成一个结构体，所述结构体包含每一代种群的平均适应度avgfitness，最佳适应度bestfitness和适应度最好的染色体；

10、a2、初始化种群，随机产生一个种群，对种群内每一个个体根据字串长度lenchrom和波动范围bound进行进制编码，生成自变量x；

11、a3、将自变量x带入训练后的数据模型，计算染色体的适应度fitness，寻找最好的染色体，记录每一代中的最佳适应度bestfitness和平均适应度avgfitness；

12、a4、将最优个体导入bsm1模型，模拟污水处理系统的运行，计算水质参数；

13、a5、计算污水处理系统真实水质参数，作为参考标准；

14、a6、判断数据模型产生的水质参数与参考标准的水质结果相比是否下降，如果没有降低，更换样本，并重复步骤a1～a5；

15、a7、增加进化代数maxgen，并重复步骤a1～a6，直到达到迭代终止条件。

16、进一步地，所述初始化种群，包括：

17、初始的种群生成是随机的。在初始种群的赋值之前，尽量进行一个大概率的区间估计，以免初始种群分布在远离全局最优解的编码空间，导致遗传算法的搜索范围受到限制，同时也为算法减轻负担。虽然初始种群中的个体可以随机产生，但最好采用如下策略设定：(1)根据问题固有知识，设法把握最优解所占空间在整个问题空间中的分布范围，然后，在此分布范围内设定初始种群；(2)先随机产生一定数目的个体，然后从中挑选最好的个体加入到初始群体中。这种过程不断迭代，直到初始群体中个体数目达到了预先确定的规模。

18、进一步地，种群的规模为：群体规模太小，很明显会出现近亲交配，产生病态基因。而且造成有效等位基因先天缺失，即使采用较大概率的变异算子，生成具有竞争力高阶模式的可能性仍然核销，况且大概率变异算子对已有模式的破坏作用极大。同时，遗传算子存在随机误差(模式采样误差)，妨碍小群体中有效模式的正确传播，使得种群进化不能按照模式定理产生所预期的期望数量。群体规模太大，结果难以收敛且浪费资源，稳健性下降。

19、进一步地，变异概率如下：

20、变异概率太小，种群的多样性下降太快，容易导致有效基因的迅速丢失且不容易修补；变异概率太大，尽管种群的多样性可以得到保证，但是高阶模式被破坏的概率也随之增大。

21、进一步地，交配概率如下：

22、与变异概率类似，交配概率太大容易破坏已有的有利模式，随机性增大，容易错失最优个体；交配概率太小不能有效更新种群。

23、进一步地，进化代数如下：

24、进化代数太小，算法不容易收敛，种群还没有成熟；进化代数太大，算法已经熟练或者种群过于早熟不可能再收敛，继续进化没有意义，只会增加时间开支和资源浪费。

25、进一步地，所述bsm1模型中设有模糊控制器。

26、进一步地，所述数据模型为bp神经网络模型；

27、所述对污水处理系统建立数据模型，并训练模型，包括：

28、获取训练集，对训练集进行预处理；

29、采用预处理后的训练集与预设的损失函数对bp神经网络模型进行训练。

30、进一步地，所述对训练集进行预处理，包括：

31、对训练数据归一化处理，将从污水处理厂观测到的数据矩阵按照下式进行数据预处理：

32、

33、其中，x∈rm×n是原始的观测数据矩阵，rm×n表示m行n列的实矩阵，x的每一行代表一个观测样本，每一列代表一个观测变量，μx和σx表示x中各观测变量的样本均值和样本标准差，x'表示预处理后的训练集。

34、进一步地，所述bp神经网络模型的输入变量至少包括：五号池含氧量、内循环流量、5日生物需氧量，所述bp神经网络模型的输出变量至少包括：出水水质、出水总氮、氨根含量。

35、本发明所采用的另一技术方案是：

36、一种针对污水出水水质目标寻优分析系统，包括：

37、模型构建模块，用于对污水处理系统建立数据模型，并训练模型；

38、变量确定模块，用于确定进行优化设定值变量的个数，确定各个设定值的优化范围；

39、迭代优化模块，用于将采样获得的现场数据输入训练后的模型，采用遗传算法进行迭代优化，输出控制量；

40、优化验证模块，用于将控制量导入污水处理系统中，获取实际出水指标，根据实际出水指标判定优化结果。

41、本发明所采用的另一技术方案是：

42、一种针对污水出水水质目标寻优分析装置，包括：

43、至少一个处理器；

44、至少一个存储器，用于存储至少一个程序；

45、当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现上所述方法。

46、本发明所采用的另一技术方案是：

47、一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行如上所述方法。

48、本发明的有益效果是：本发明充分考虑污水控制过程中控制量多，通过对易控制量的优化控制，提高出水水质，优化控制效果。另外，通过遗传算法的进化迭代，寻优出在一定约束范围内的最佳设定值。