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转让专利
申请号 : CN202010219077.3
文献号 : CN111399455B
文献日 : 2021-06-04
发明人 : 侯莹 , 韩红桂 , 刘峥
申请人 : 北京工业大学
摘要 :
权利要求 :
1.一种基于运行过程信息的城市污水处理实时优化控制方法,其特征在于包括以下步骤:
(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,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
0 0
设定城市污水处理第t时刻的初始种群规模为NP(t),初始变异率为F(t),初始交叉率0
为Cr(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)n
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θ(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n
率Fi(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 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n
体,r1、r2和r3是1到NP (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0
到的经验值,θ(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
n
其中,fi(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 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
(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。
说明书 :
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
技术领域
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
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。
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。
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。
发明内容
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。
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;
叉率为Cr(t),种群最大进化代数为N,随机产生初始种群:
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θ(t):
n
变异率Fi(t):
变异操作,得到合成个体
个体,r1、r2和r3是1到NP (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
0
得到的经验值,θ(t)是初始种群的运行过程信息;
交叉率Cri(t):
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
硝态氮浓度的实际值。
性好等特点;
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。
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
具体实施方式
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:
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;
叉率为Cr(t),种群最大进化代数为N,随机产生初始种群:
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θ(t):
n
变异率Fi(t):
得到合成个体
个体,r1、r2和r3是1到NP (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
0
得到的经验值,θ(t)是初始种群的运行过程信息;
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
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。