一种污水处理工艺的优化方法

摘要

本发明公开了一种城市污水处理厂污水处理工艺的优化方法。该方法，包括：1)采用随机模拟的方法产生n个城市污水处理厂A2O工艺的运行条件；2)采用A2O工艺的活性污泥数学模型，模拟随机产生的n个工艺运行条件下的出水水质；3)采用支持向量机建立所述步骤1)所得运行条件和所述步骤2)所得出水水质之间的关系，得到支持向量机模型；4)采用加速遗传算法优化所述步骤3)所得支持向量机模型，获得所述污水处理工艺的最佳运行条件。该方法所得最佳的工艺运行条件降低了内回流比，同时缩短了缺氧池的水力停留时间，使得在满足出水水质的同时节约运行费用。

权利要求

1.一种优化的污水处理工艺，包括如下工艺运行条件：好氧池氧传质系数为32/h，固体停留时间为15天，内回流比为2.6，好氧池、厌氧池和缺氧池的水力停留时间分别为10.8小时、1.5小时和2.9小时。

2.支持向量机模型和加速遗传算法在污水处理工艺的优化方法中的应用。

2

3.一种污水处理AO工艺的优化方法，包括如下步骤：2

1)采用随机模拟的方法产生n个污水处理AO工艺的运行条件；

2 2

2)采用AO工艺的活性污泥数学模型，得到步骤1)所得每个污水处理AO工艺运行条件下的出水水质；

3)将步骤1)所得运行条件和步骤2)所得出水水质之间的关系进行优化，得到所述污2

水处理AO工艺的最佳运行条件。

4.根据权利要求3所述的方法，其特征在于：所述步骤1)中，所述运行条件包括厌氧池的水力停留时间、缺氧池的水力停留时间、好氧池的水力停留时间、内回流比、好氧池氧传质系数和固体停留时间。

5.根据权利要求3或4所述的方法，其特征在于：所述步骤2)中，所述出水水质的检+测指标包括出水COD值、NH4 的浓度、总氮的浓度和总磷的浓度。

6.根据权利要求3-5任一所述的方法，其特征在于：所述步骤2)中，所述污水处理工艺的活性污泥数学模型为下述数学模型中的任意一种或下述任意一种数学模型修正后的数学模型：活性污泥1号模型、活性污泥2号模型、活性污泥3号模型和活性污泥2d模型。

7.根据权利要求3-6任一所述的方法，其特征在于：所述步骤3)优化的方法包括如下步骤：

1)采用支持向量机建立所述步骤1)所得运行条件和步骤2)所得出水水质之间的关系，得到支持向量机模型；

2

2)采用加速遗传算法优化所述支持向量机模型，得到所述污水处理AO工艺的最佳运行条件。

说明书

一种污水处理工艺的优化方法

技术领域

[0001] 本发明属于废水生物处理技术领域，涉及一种污水处理A2O工艺的优化方法。

背景技术

[0002] A2O工艺(亦称A-A-O工艺，是英文Anaerobic-Anoxic-Oxic第一个字母的简称(生物脱氮除磷)，也称为厌氧-缺氧-好氧法)由于具有同时脱氮除磷的功能而成为目前2
城市污水处理厂广泛使用的废水生物处理工艺。由于AO工艺的出水水质和运行费用受到多个因素的影响，如内回流比、水力停留时间、污泥停留时间、曝气速率等，因此需要寻找优化的工艺运行条件，使在保证出水水质达标的同时又能降低运行费用。一般寻找最优条件
2
的方法是设计一系列不同工艺运行条件的实验，通过实验获得不同工艺运行条件下AO工
2 2
艺的出水水质，然后通过优化方法获得AO工艺的最佳运行条件。但是由于AO工艺比较复杂，如果通过实验设计的方法获得最佳运行条件，需要消耗大量的时间和费用。

发明内容

[0003] 本发明的目的是提供一种污水处理A2O工艺的优化方法。

[0004] 本发明提供的污水处理A2O工艺的优化方法，包括如下步骤：

[0005] 1)采用随机模拟的方法产生n个污水处理A2O工艺的运行条件；

[0006] 2)采用A2O工艺的活性污泥数学模型，得到步骤1)所得每个污水处理A2O工艺运行条件下的出水水质；

[0007] 3)将步骤1)所得运行条件和步骤2)所得出水水质之间的关系进行优化，得到所2
述污水处理AO工艺的最佳运行条件。

[0008] 所述步骤1)中，由于通过一系列优化实验获得城市污水处理厂A2O工艺的最佳运行条件难以实现，因此采用计算机模拟的方法寻找最佳工艺运行条件。该步骤中，所述运行条件包括厌氧池的水力停留时间(HRT)、缺氧池的水力停留时间、好氧池的水力停留时间、内回流比、好氧池氧传质系数和固体停留时间(SRT)。在所述随机模拟步骤中，可根据不同城市污水处理厂的实际处理能力设定上述运行条件的不同范围，以使优化后的运行条件在合理处理范围之内。

[0009] 所述步骤2)中，所述污水处理工艺的活性污泥数学模型为下述数学模型中的任意一种或下述任意一种数学模型修正后的数学模型：活性污泥1号模型、活性污泥2号模型、活性污泥3号模型和活性污泥2d模型。上述四种模型均为常规活性污泥数学模型，参见《活性污泥数学模型》，国际水协废水生物处理设计与运行数学模型课题组著，张亚雷，李咏梅译。在实际应用中，可根据具体处理的污水工艺的不同情况，对上述四种数学模型进行修+正，各种常用的修正方法均适用于本发明。所述出水水质的检测指标包括出水COD值、NH4的浓度、总氮(TN)的浓度和总磷(TP)的浓度。该步骤具体为：将上述n个不同的工艺运行
2
条件分别代入所用AO工艺的活性污泥数学模型，通过相应的数学模型获得不同工艺运行
2
条件下AO工艺的出水水质。

[0010] 所述步骤3)中，优化的方法包括如下步骤：

[0011] 1)采用支持向量机建立所述步骤1)所得运行条件和步骤2)所得出水水质之间的关系，得到支持向量机模型；

[0012] 2)采用加速遗传算法优化所述支持向量机模型，得到所述污水处理A2O工艺的最佳运行条件。

[0013] 所述步骤1)所得运行条件和所述步骤2)所得出水水质之间的关系为非线性函数关系；在支持向量机中，建立输入变量和输出变量之间的非线性函数关系为解决回归问题，2
针对该AO工艺的优化方法，输入变量即为步骤1)所得运行条件，输出变量即为步骤2)所得出水水质。

[0014] 通过引入松弛变量ξi和ξi*，可将回归问题转化为式(1)：

[0015]

[0016] 约束条件为：

[0017] 将Lagrange函数面引入到上述的凸二次优化问题，则式(1)变为：

[0018]

[0019] 约束条件为：

[0020] 其中：K(xi，xj)＝φ(xi)·φ(xj)为核函数，一般取多项式核函数或RBF核函数等。

[0021] 通过求解式(2)，即可得到支持向量机建立的不同工艺运行条件和出水水质的之间的非线性函数关系。

[0022] 本发明还提供了一种优化的污水处理工艺，包括如下工艺运行条件：好氧池氧传质系数为32/h，固体停留时间为15天，内回流比为2.6，好氧池、厌氧池和缺氧池的水力停留时间分别为10.8小时、1.5小时和2.9小时。

[0023] 另外，支持向量机模型和加速遗传算法在污水处理工艺的优化方法中的应用，也属于本发明的保护范围。

[0024] 本发明通过数学模型和计算机模拟的方法，得到城市污水处理厂A2O工艺的最佳工艺运行条件。所得最佳的工艺运行条件降低了内回流比，同时缩短了缺氧池的水力停留时间，使得在满足出水水质的同时节约运行费用。该方法具有重要的实用价值。

附图说明

[0025] 图1为城市污水处理厂A2O工艺进出水水质(原工艺条件)，(A)-(D)依次为进水+和出水的COD值、NH4 的浓度、总氮(TN)的浓度和总磷(TP)的浓度随污水处理厂的运行时间的变化关系图。

[0026] 图2为支持向量机建立的不同工艺运行条件和出水水质的之间的非线性函数关+系，(A)为出水COD值，(B)为NH4 的浓度，(C)为总氮(TN)的浓度，(D)为总磷(TP)的浓度。

具体实施方式

[0027] 下面结合具体实施例对本发明作进一步说明，但本发明并不限于以下实施例。下述实施例中所用活性污泥数学模型3号参见《活性污泥数学模型》，国际水协废水生物处理设计与运行数学模型课题组著，张亚雷，李咏梅译；EAWAG生物磷模型参见Rieger L，Koch G，Kuhni M，Gujer W，Siegrist H.The EAWAG Bio-P module for activated sludge model No.3.Water Research 35(2001)3887-3903。

[0028] 实施例1

[0029] 城市污水处理厂A2O工艺中厌氧池、缺氧池和好氧池的水力停留时间分别为1.5小时、3.2小时和10.8小时，固体停留时间为13天，外回流比(污泥回流比)为80％，内回流比(混合液回流比)为3.0。污水处理厂的进出水水质如图1所示(图1中横坐标时间2
是污水处理厂的运行时间)。城市污水处理厂AO工艺优化技术的步骤如下：

[0030] 步骤1：采用随机模拟的方法产生100组不同的城市污水处理厂A2O工艺的运行条件(表2)，工艺运行条件包括好氧池氧传质系数、固体停留时间(SRT)、内回流比、好氧池、厌氧池以及缺氧池的水力停留时间(HRT)，其中，好氧池氧传质系数的设定范围为10-60/h，固体停留时间(SRT)的设定范围为5-50天，内回流比的设定范围为0.5-5，好氧池、厌氧池以及缺氧池的水力停留时间(HRT)的设定范围分别为1.5-10.5小时、0.5-1.5小时、1.5-3小时。

[0031] 步骤2：将步骤1)随机产生的100组不同工艺运行条件分别代入活性污泥数学模2
型3号和EAWAG生物磷模型，通过该数学模型获得每一个工艺运行条件下AO工艺的出水+
水质，包括出水COD、NH4、TN和TP的浓度(如表3所示)。

[0032] 在该活性污泥数学模型3号中，考虑4种活性微生物：普通异养菌(XH)、氨氧化细菌(XAOB)、亚硝酸盐氧化细菌(XNOB)和聚磷菌(XPAO)。此外，该模型还包括普通异养菌胞内存储物(XSTO)、聚磷菌胞内存储物(XPHA)和多聚磷酸盐(XPP)，以及由于微生物内源呼吸产生的惰性颗粒性有机物(XI)。该模型包含32个生化反应动力学过程。由于污水处理厂进水成分复杂，首先考虑水解过程(1个过程)；对于异养菌(XH)，模型中包含11个过程；对于氨氧化细菌(XAOB)和亚硝酸盐氧化细菌(XNOB)，模型中共包含6个过程；对于聚磷菌(XPAO)，模型中包含14个过程。模型中4种活性微生物以及水解过程的动力学方程见表1。

[0033] 步骤3：采用支持向量机建立工艺运行条件(好氧池氧传质系数、固体停留时间(SRT)、内回流比、好氧池、厌氧池以及缺氧池的水力停留时间(HRT))和出水水质(出水+COD、NH4、TN和TP的浓度)之间的非线性函数关系，获得支持向量机模型。

[0034] 在支持向量机中，建立输入变量和输出变量之间的非线性函数关系为解决回归问题。此处，输入变量为工艺运行条件(好氧池氧传质系数、固体停留时间(SRT)、内回流比、好氧池、厌氧池以及缺氧池的水力停留时间(HRT))，共计6个输入变量；输出变量为出水水+质(出水COD、NH4、TN和TP的浓度)，共计4个输出变量。

[0035] 通过引入松弛变量ξi和ξi*，可将回归问题转化为式(1)：

[0036]

[0037] 约束条件为：

[0038] 其中，C为惩罚系数，取10，xi为输入量，zi为输出量，ε、w和b为系数。将Lagrange函数面引入到上述的凸二次优化问题，则式(1)变为：

[0039]

[0040] 约束条件为：

[0041] 其中，αi和 为拉格朗日乘数；K(xi，xj)＝φ(xi)·φ(xj)为核函数，此处选用RBF核函数。

[0042] 通过求解式(2)，即可得到支持向量机建立的不同工艺运行条件和出水水质的之间的4个非线性函数关系，如图2所示，其中，Training指用于建立支持向量机模型采用的数据，Testing指用于测试支持向量机所采用的数据，Stimulated Values指采用前述的活性污泥数学模型获得的出水水质，Predicted Values指采用建立的支持向量机模型获得的出水水质。由图2可知，支持向量机模型可以较好的建立工艺运行条件和出水水质之间的相关关系。

[0043] 步骤4：采用加速遗传算法优化上述步骤3)建立的4个支持向量机模型，以获得2
城市污水处理厂AO工艺的最佳工艺运行条件。

[0044] 采用加速遗传算法优化步骤中，参数设定如下：群体规模400，优秀个体数目20个，加速循环次数100次。该加速遗传算法的优化步骤如下：

[0045] 1)编码。利用公式把初始变化区间为[a(j)，b(j)]区间的第j个优化变量x(j)对应到[0，1]区间上的实数y(j)。经过编码，所有的优化变量的取值范围都统一为[0，1]区间。

[0046] x(j)＝a(j)+y(j)[b(j)-a(j)] (3)

[0047] 2)父代群体的初始化。设群体规模为n，生成n组[0，1]区间上的均匀随机数，每组有p个，即{u(j，i)}(j＝1～p，i＝1～n)，把各{u(j，i)}作为初始群体的父代个体值y(j，i)。把y(j，i)代入式(3)得到优化变量值x(j，i)，再代入优化目标函数得到相应的目标函数值f(i)。把{f(i)，i＝1～n}从小到大排序，对应的个体y(j，i)也跟着排序。称排序后最前面的ns个个体为优秀个体。

[0048] 3)父代群体的适应度评价。目标函数值f(i)值越小表示该个体的适应度值越高，反之亦然。基于此，定义排序后第i个父代个体的适应度函数值F(i)为：

[0049] F(i)＝1/[f(i)×f(i)+0.001] (4)

[0050] 其中分母中0.001是经验设置的，以避免f(i)值为0的情况。

[0051] 4)选择。第一个子代群体{y1(j，i)|j＝1～p，i＝1～n}通过选择操作产生。取比例选择方式，则父代个体y(j，i)的选择概率ps(i)为：

[0052]p(2)]，...，[p(n-1)，p(n)]，这些子区间与n个父代个体y(j，i)建立一一对应关系。

[0053] 5)交叉。第二个子代群体{y2(j，i)|j＝1～p，i＝1～n}通过选择操作产生。交叉的目的是寻找父代双亲已有的但未能合理利用的基因信息。标准的GA，其交叉操作是在一对父代双亲染色体链上随机分成几段，然后相互交换而成的。但是在AGA中，为了保持群体的多样性，其交叉操作是根据式(5)的选择概率随机选择一对父代个体y2(j，i1)和y2(j，i2)作为双亲，并进行如下随机组合，产生一个子代个体y2(j，i)：

[0054]

[0055] 其中：u1，u2和u3都为随机数。

[0056] 6)变异。第三个子代群体{y3(j，i)|j＝1～p，i＝1～n}通过变异操作产生。变异的目的是为了引进新的基因，增强群体的多样性。标准的GA，其变异操作是对每个父代个体的染色体上的任意1位或者任意2位的基因值以一小概率pm(即变异概率)进行翻转。而在AGA中，任意一个父代个体y(j，i)，若其适应度函数值F(i)越小，即其选择概率ps(i)越小，则对该个体进行变异的概率pm(i)越大。变异概率由式(7)计算得到：

[0057] pm(i)＝1-pS(i) (7)[0058] 采用p个随机数以pm(i)的概率来代替个体y(j，i)，从而得到第三个子代个体，也即：

[0059]

[0060] 其中：u(j)(j＝1～p)和um均为随机数。

[0061] 7)演化迭代。由前面的步骤4至步骤6得到的3n个子代个体，按照其适应度函数值从大到小进行排序，取排在最前面的n个子代个体作为新的父代群体。算法转入步骤3，进行下一轮演化迭代，重新对父代群体进行评价、选择、杂交和变异，如此反复演化。

[0062] 8)加速循环。加速循环是将第一次、第二次演化迭代所产生的优秀个体这一子群体所对应的变量变化区间，作为变量新的初始变化区间，而后算法转入步骤1。如此加速循环，优秀个体的变化区间将逐步调整和收缩，与最优点的距离将越来越近，直至最优个体的目标函数值小于某一设定值或者算法运行达到预定加速(循环)次数，结束整个算法的运行，并把当前群体中最佳个体或者优秀个体的平均值定为AGA的优化结果。

[0063] 所解得的最佳工艺运行条件为：好氧池氧传质系数为32/h，固体停留时间(SRT)为15d，内回流比为2.6，好氧池、厌氧池和缺氧池的水力停留时间分别为10.8h、1.5h和2.9h。将该工艺运行条件代入所用活性污泥数学模型3号中，得到在该最佳工艺运行条件
2 +
下AO工艺的出水水质为：出水COD、NH4、TN和TP浓度分别为23.1mg/L，4.75mg/L，5.95mg/L和0.04mg/L。与原工艺运行条件相比，利用本发明提供的优化方法得到的最佳的工艺运行条件，降低了内回流比，同时缩短了缺氧池的水力停留时间，使得在满足出水水质的同时节约运行费用。

[0064] 表1、反应动力学方程

[0065]

[0066]

[0067]

[0068] 参数说明：

[0069] SS：易生物降解有机物浓度

[0070] SO：氧气的浓度

[0071] SNH4：氨氮的浓度

[0072] SNO2：亚硝酸盐的浓度

[0073] SNO3：硝酸盐的浓度

[0074] SPO4：磷酸盐的浓度

[0075] XH：异养菌的浓度

[0076] XAOB：亚硝化细菌的浓度

[0077] XNOB：硝化细菌的浓度

[0078] XPAO：聚磷菌的浓度

[0079] XSTO：异养菌中胞内贮存物的浓度

[0080] XPHA：聚磷菌中胞内PHA的浓度

[0081] XPP：聚磷菌中胞内PP的浓度

[0082] kSTO：XSTO的存储速率

[0083] KH，S：SS的半饱和常数(对XH)

[0084] KH，O：SO的半饱和常数(对XH)

[0085] ηH，NOx：XH的缺氧校正因子

[0086] KNOx：SNOx的半饱和常数(对XH)

[0087] KH，NO2：SNO2的半饱和常数(对XH)

[0088] KH，NO3：SNO3的半饱和常数(对XH)

[0089] KH，NH4：SNH4的半饱和常数(对XH)

[0090] KH，PO4：SPO4的半饱和常数(对XH)

[0091] μH：XH的最大比生长速率

[0092] bH，O：XH好氧条件下的衰减速率

[0093] bH，NOx：XH缺氧条件下的衰减速率

[0094] bSTO，O：XSTO好氧条件下的衰减速率

[0095] bSTO，NOx：XSTO缺氧条件下的衰减速率

[0096] μAOB：XAOB的最大比生长速率

[0097] μNOB：XNOB的最大比生长速率

[0098] KAOB，O：SO的半饱和常数(对XAOB)

[0099] KNOB，O：SO的半饱和常数(对XNOB)

[0100] KAOB，NH4：SNH4的半饱和常数(对XAOB)

[0101] KAOB，NO2：SNO2的半饱和常数(对XAOB)

[0102] KNOB，NO2：SNO2的半饱和常数(对XNOB)

[0103] KNOB，NO3：SNO3的半饱和常数(对XNOB)

[0104] KAOB，PO4：SPO4的半饱和常数(对XAOB)

[0105] KNOB，PO4：SPO4的半饱和常数(对XNOB)

[0106] bAOB，O：XAOB好氧条件下的衰减速率

[0107] bAOB，NO2：XAOB缺氧条件下的衰减速率

[0108] bNOB，O：XNOB好氧条件下的衰减速率

[0109] bNOB，NO3：XNOB缺氧条件下的衰减速率

[0110] qPHA：XPHA的存储速率常数

[0111] qPP：XPP的存储速率常数

[0112] μPAO：XPAO的最大比生长速率

[0113] ηPAO，NOx：XPAO的缺氧校正因子

[0114] bPAO：XPAO的衰减速率

[0115] bPP：XPP的衰减速率

[0116] bPHA：XPHA的衰减速率

[0117] KPAO，S：SS的半饱和常数(对XPAO)

[0118] KPAO，O：SO的半饱和常数(对XPAO)

[0119] KPAO，PP：XPP/XPAO的半饱和常数

[0120] Kmax，PAO：XPP/XPAO的最大值

[0121] KiPP，PAO：(kmax，PAO-XPP/XPAO)的半饱和常数

[0122] KPHA：XPHA/XPAO的半饱和常数

[0123] KPAO，NH4：SNH4的半饱和常数(对XPAO)

[0124] KPAO，NOx：SNOx的半饱和常数(对XPAO)

[0125] KPAO，PO4：SPO4的半饱和常数(对XPAO)

[0126] 表2、100组不同的城市污水处理厂A2O工艺的运行条件

[0127]

[0128]

[0129]2

[0130] 表3、每一个工艺运行条件下AO工艺的出水水质

[0131]

[0132]

[0133]