首页 / 专利库 / 银行与财务事项 / 支付系统 / 一种基于多目标差分进化算法的污水处理优化控制方法

一种基于多目标差分进化算法的污处理优化控制方法

阅读:1036发布:2020-11-02

专利汇可以提供一种基于多目标差分进化算法的污处理优化控制方法专利检索,专利查询,专利分析的服务。并且本 发明 设计了一种基于多目标差分进化 算法 的污 水 处理 过程优化控制方法,针对 污水处理 过程中溶解 氧 DO和硝态氮SNO浓度难于同时优化控制的问题。城市污水处理系统在保证出水水质符合国家规定排放标准的前提下, 力 求降低能耗,其中溶解氧DO和硝态氮SNO浓度的优化与控制是实现污水处理过程稳定运行和节能减排的重要环节。本发明将通 风 耗能AE, 泵 送耗能PE,以及向受纳 水体 排放污染物需要支付的 费用 EQ作为优化目标,利用改进型多目标差分 进化算法 求解溶解氧DO和硝态氮SNO浓度的优化设定值,以曝气量和内循环回流量为控制量,进行精准的 跟踪 控制,从而保证出水水质达标,降低了污水处理过程的运行成本,提高了污水处理过程的效益。,下面是一种基于多目标差分进化算法的污处理优化控制方法专利的具体信息内容。

1.一种基于多目标差分进化算法的污处理优化控制方法,
针对序批式间歇活性污泥系统中溶解浓度SO和硝态氮浓度SNO进行优化控制,以曝气量和内循环回流量为控制量,溶解氧浓度SO和硝态氮浓度SNO为被控量;
其特征在于包括以下步骤:
(1)设计用于污水处理过程中溶解氧浓度SO和硝态氮浓度SNO优化控制方法的多目标函数:
其中,AE为通耗能,PE为送耗能,EQ表示向受纳水体排放污染物需要支付的费用,各单元体积V3=V4=V5=1000m3;KLal(t)为t时刻好氧区第l个单元的氧气转换系数,Qa(t)为t时刻内回流量,Qr(t)为t时刻污泥回流量,Qw(t)为t时刻污泥流量;T表示运行周期,SSe(t)表示t时刻出水中的固体悬浮物浓度,CODe(t)表示t时刻出水中的化学需氧量,SNK,e(t)表示t时刻出水中的NH4-N和NH3-N的总浓度,SNO,e(t)表示t时刻溶解性可生物降解有机氮浓度,BODe(t)表示t时刻出水中的生物需氧量,Qe(t)是t时刻外回流量;
(2)设计用于污水处理过程中溶解氧浓度SO和硝态氮浓度SNO优化控制的多目标优化方法,具体为:
①多目标差分进化算法参数设置及种群初始化,设定多目标差分进化算法种群规模为NP,最大进化代数Tmax,初始化变异率F,交叉率Cr,随机产生2维初始化种群:
xi(t)=[x1,i(t),x2,i(t)],i=[1,2,…,NP];  (2)
其中,xi(t)为t时刻第i个种群值,x1,i(t)为t时刻第i个种群的第一个分量,为t时刻溶解氧浓度SO的随机初始值,x1,i(t)∈(0,8];x2,i(t)为t时刻第i个种群的第二个分量,为硝态氮浓度SNO的随机初始值,x2,i(t)∈(0,5];
②多目标差分进化算法中的变异操作
对随机产生的初始种群进行变异操作,公式如下:
xi(t+1)=xi(t)+Fi(t+1)·(xr1(t)-xr2(t));  (3)
其中,xi(t+1)为t+1时刻第i个种群值,xr1(t)为t时刻第r1个种群值,xr2(t)为t时刻第r2个种群值,r1和r2是在[1,NP]中随机选取的不同于i的两个互不相同的实数,Fi(t+1)为t+1时刻第i个种群的变异率
Fi(t+1)=Fi(t)[μL(t)+(μH(t)-μL(t))(fm(t)-fa(t))/(fw(t)-fa(t))];  (4)其中,Fi(t)为t时刻第i个种群的变异率,μL(t)为t时刻变异率下限,μH(t)为t时刻变异率上限,fa(t)为t时刻种群的最优适应度值,fm(t)为t时刻种群的平均适应度值,fw(t)为t时刻种群的最差适应度值;
③多目标差分进化算法中的交叉操作
对变异产生的种群进行交叉操作,公式如下:
其中, 为交叉操作后t+1时刻第i个种群值的第j个分量,xji(t)为t时刻第i个种群值的第j个分量,xji(t+1)为t+1时刻第i个种群值的第j个分量,randij[0,1]是[0,1]之间均匀分布的随机数,Cri(t+1)为t+1时刻第i个种群的交叉率
其中,Cri(t)为t时刻第i个种群的变异率,ρL(t)为t时刻交叉率下限,ρH(t)为t时刻交叉率上限,fi(t)为t时刻第i个种群的适应度值;
④多目标差分进化算法选择操作
以公式(1)为优化目标,从经过变异、交叉操作后产生的种群中,选择最优结果作为溶解氧浓度SO和硝态氮浓度SNO的优化设定值;
⑤多目标差分进化算法终止条件判断
若t(3)根据求出的溶解氧浓度SO和硝态氮浓度SNO优化设定值对污水处理过程进行优化控制,利用比例积分PI控制对曝气量和内循环回流量进行调节,整个控制系统的输出为实际溶解氧浓度SO和硝态氮浓度SNO。

说明书全文

一种基于多目标差分进化算法的污处理优化控制方法

技术领域

[0001] 本发明针对城市污水处理过程特性,利用改进型多目标差分进化算法设计了一种污水处理优化控制方法,实现了污水处理过程中溶解DO和硝态氮SNO浓度的优化控制;溶解氧DO和硝态氮SNO浓度的优化与控制是实现污水处理过程稳定安全运行和节能减排的重要环节,是流程工业技术领域的重要分支,既属于控制领域,又属于污水处理领域。

背景技术

[0002] 城市污水处理的目的是在保证出水水质符合国家规定排放标准的前提下,尽可能降低能耗,达到稳定运行、节能减排的最佳状态。然而,溶解氧DO和硝态氮SNO浓度的优化控制受多方面因素的影响,且关系复杂,难以进行同时优化,影响了污水处理过程的节能减排效果。基于改进型多目标差分进化算法的污水处理优化控制方法有利于提高城市污水处理效果,确保污水处理出水水质达到排放标准,保证污水处理过程稳定运行,节约能源,降低运行成本,具有明显的环境与社会效益。因此,本发明的研究成果具有广阔的应用前景。
[0003] 随着我国城市化发展进程的提速,污水的排放量也不断提升,城市污水处理厂的建立在一定程度上缓解了污水对环境的影响,保护了水环境。城市污水处理旨在保证出水水质(包括出水总氮TN、化学需氧量COD、出水悬浮物浓度SS、氮NH3-N、生化需氧量BOD和总磷TP等)达标的情况下,降低系统运行能耗。城市污水处理过程稳定运行过程中,通耗能AE,送耗能PE,以及向受纳水体排放污染物需要支付的费用EQ为其主要支出。据统计,以上三部分费用之和约占污水处理厂总支出的一半以上,而此部分费用中有一大部分是用在控制溶解氧DO和硝态氮SNO浓度过程中。为了对污水处理过程进行多目标优化,降低运行能耗,传统的污水处理过程将通风耗能AE和泵送耗能PE作为主要优化目标,在一定程度上优化了污水处理过程的运行参数。但是由于污水处理过程运行参数的优化往往是多方面的,不将表征处理效果的EQ放入优化目标,将影响整体优化效果,直接导致污水处理过程不能达到全流程优化。因此,多方位考虑污水处理过程节能减排的问题,已经成为污水处理过程亟需解决的问题,具有重要的现实意义。
[0004] 本发明提出一种基于改进型多目标差分进化算法的污水处理优化控制方法,主要通过将通风耗能AE,泵送耗能PE,以及向受纳水体排放污染物需要支付的费用EQ同时作为优化目标,对溶解氧DO和硝态氮SNO浓度进行优化控制。该方法对溶解氧DO和硝态氮SNO浓度进行优化,并以曝气量和内循环回流量为控制量,进行精准的跟踪控制,从而保证出水水质达标,降低了污水处理过程的运行成本。

发明内容

[0005] 本发明获得了一种基于改进型多目标差分进化算法的污水处理优化控制方法,该方法深入分析污水处理特点,考虑通风耗能AE,泵送耗能PE,以及向受纳水体排放污染物需要支付的费用EQ三个目标,确定用于污水处理过程中溶解氧DO和硝态氮SNO浓度优化控制方法的多目标函数,采用改进的多目标差分进化算法进行优化,根据求解出的溶解氧DO和硝态氮SNO浓度优化设定值,利用比例积分PI控制对曝气量和内循环回流量进行调节,从而完成对污水处理过程的优化控制,实现节能减排的目标。
[0006] 本发明采用了如下的技术方案及实现步骤:
[0007] 一种基于多目标差分进化算法的污水处理优化控制方法,
[0008] 针对序批式间歇活性污泥系统中溶解氧浓度SO和硝态氮浓度SNO进行优化控制,以曝气量和内循环回流量为控制量,溶解氧浓度SO和硝态氮浓度SNO为被控量;
[0009] 其特征在于包括以下步骤:
[0010] (1)设计用于污水处理过程中溶解氧浓度SO和硝态氮浓度SNO优化控制方法的多目标函数:
[0011]
[0012]
[0013]
[0014] 其中,AE为通风耗能,PE为泵送耗能,EQ表示向受纳水体排放污染物需要支付的费3
用,各单元体积V3=V4=V5=1000m ;KLal(t)为t时刻好氧区第l个单元的氧气转换系数,Qa(t)为t时刻内回流量,Qr(t)为t时刻污泥回流量,Qw(t)为t时刻污泥流量;T表示运行周期,SSe(t)表示t时刻出水中的固体悬浮物浓度,CODe(t)表示t时刻出水中的化学需氧量,SNK,e(t)表示t时刻出水中的NH4-N和NH3-N的总浓度,SNO,e(t)表示t时刻溶解性可生物降解有机氮浓度,BODe(t)表示t时刻出水中的生物需氧量,Qe(t)是t时刻外回流量;
[0015] (2)设计用于污水处理过程中溶解氧浓度SO和硝态氮浓度SNO优化控制的多目标优化方法,具体为:
[0016] ①多目标差分进化算法参数设置及种群初始化,设定多目标差分进化算法种群规模为NP,最大进化代数Tmax,初始化变异率F,交叉率Cr,随机产生2维初始化种群:
[0017] xi(t)=[x1,i(t),x2,i(t)],i=[1,2,L,NP];  (2)
[0018] 其中,xi(t)为t时刻第i个种群值,x1,i(t)为t时刻第i个种群的第一个分量,为t时刻溶解氧浓度SO的随机初始值,x1,i(t)∈(0,8];x2,i(t)为t时刻第i个种群的第二个分量,为硝态氮浓度SNO的随机初始值,x2,i(t)∈(0,5];
[0019] ②多目标差分进化算法中的变异操作
[0020] 对随机产生的初始种群进行变异操作,公式如下:
[0021] xi(t+1)=xi(t)+Fi(t+1)·(xr1(t)-xr2(t));  (3)
[0022] 其中,xi(t+1)为t+1时刻第i个种群值,xr1(t)为t时刻第r1个种群值,xr2(t)为t时刻第r2个种群值,r1和r2是在[1,NP]中随机选取的不同于i的两个互不相同的实数,Fi(t+1)为t+1时刻第i个种群的变异率
[0023] Fi(t+1)=Fi(t)[μL(t)+(μH(t)-μL(t))(fm(t)-fa(t))/(fw(t)-fa(t))];  (4)[0024] 其中,Fi(t)为t时刻第i个种群的变异率,μL(t)为t时刻变异率下限,μH(t)为t时刻变异率上限,fa(t)为t时刻种群的最优适应度值,fm(t)为t时刻种群的平均适应度值,fw(t)为t时刻种群的最差适应度值;
[0025] ③多目标差分进化算法中的交叉操作
[0026] 对变异产生的种群进行交叉操作,公式如下:
[0027]
[0028] 其中, 为交叉操作后t+1时刻第i个种群值的第j个分量,xji(t)为t时刻第i个种群值的第j个分量,xji(t+1)为t+1时刻第i个种群值的第j个分量,randij[0,1]是[0,1]之间均匀分布的随机数,Cri(t+1)为t+1时刻第i个种群的交叉率
[0029]
[0030] 其中,Cri(t)为t时刻第i个种群的变异率,ρL(t)为t时刻交叉率下限,ρH(t)为t时刻交叉率上限,fi(t)为t时刻第i个种群的适应度值;
[0031] ④多目标差分进化算法选择操作
[0032] 以公式(1)为优化目标,从经过变异、交叉操作后产生的种群中,选择最优结果作为溶解氧浓度SO和硝态氮浓度SNO的优化设定值;
[0033] ⑤多目标差分进化算法终止条件判断
[0034] 若t
[0035] (3)根据求出的溶解氧浓度SO和硝态氮浓度SNO优化设定值对污水处理过程进行优化控制,利用比例积分PI控制对曝气量和内循环回流量进行调节,整个控制系统的输出为实际溶解氧浓度SO和硝态氮浓度SNO。
[0036] 本发明的创造性主要体现在:
[0037] (1)本发明以城市污水处理过程稳定运行、节能减排为目标,采用基于改进型多目标差分进化算法的污水处理优化控制方法实现了溶解氧DO和硝态氮SNO浓度的实时优化控制,具有控制精度高、稳定性好等特点;
[0038] (2)本发明依据多目标差分进化算法中个体进化程度和群体进化状态等算法中的过程信息,自动调整变异率F和交叉率Cr,提高了优化控制方法的局部搜索能和全局探索能力,获得了收敛性、多样性和均匀性较好的最优解,具有较好的优化控制效果特点。
[0039] 特别要注意:本发明以通风耗能AE,泵送耗能PE,以及向受纳水体排放污染物需要支付的费用EQ为优化目标,采用改进的多目标差分进化算法对污水处理过程中的溶解氧DO和硝态氮SNO浓度设定值进行优化,并通过控制曝气量和内循环回流量完成跟踪控制,只要采用了本发明的优化目标及优化算法进行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
[0040] 图1是本发明的控制器结构图;
[0041] 图2是本发明控制方法溶解氧DO浓度优化控制结果图
[0042] 图3是本发明控制方法硝态氮SNO浓度优化控制结果图

具体实施方式

[0043] 本发明选取通风耗能AE,泵送耗能PE,以及向受纳水体排放污染物需要支付的费用EQ为优化目标;采用了如下的技术方案及实现步骤。
[0044] 基于多目标差分进化算法的污水处理优化控制方法具体步骤如下:
[0045] 1.一种基于多目标差分进化算法的污水处理优化控制方法包括以下步骤:
[0046] 针对城市污水处理中溶解氧DO和硝态氮SNO进行控制,以曝气量和内循环回流量为控制量,溶解氧DO和硝态氮SNO浓度为被控量,控制结构如图1;
[0047] (1)设计用于污水处理过程中溶解氧DO和硝态氮SNO浓度优化控制方法的多目标函数:
[0048]
[0049]
[0050]
[0051] 其中,AE为通风耗能,PE为泵送耗能,EQ表示向受纳水体排放污染物需要支付的费用,好氧区三个单元的体积V3=V4=V5=1000m3;KLal(t)为t时刻好氧区第l个单元的氧气转换系数,Qe(t)是t时刻外回流量,Qa(t)为t时刻内回流量,Qr(t)为t时刻污泥回流量,Qw(t)为t时刻污泥流量;SSe(t)表示t时刻出水中的固体悬浮物浓度,CODe(t)表示t时刻出水中的化学需氧量,BODe(t)表示t时刻出水中的生物需氧量,SNK,e(t)表示t时刻出水中的NH4-N和NH3-N的总浓度,SNO,e(t)表示t时刻溶解性可生物降解有机氮浓度,T表示运行周期,T=7天;
[0052] (2)设计用于污水处理过程中溶解氧DO和硝态氮SNO浓度预测控制的多目标优化方法,具体为:
[0053] ①多目标差分进化算法参数设置及种群初始化,设定多目标差分进化算法种群规模为NP=200,最大进化代数Tmax=20000,初始化变异率F=0.8,交叉率Cr=0.5,随机产生D=3维初始化种群:
[0054] xi(t)=[x1,i(t),x2,i(t),…,xD,i(t)],i=[1,2,…,NP];  (8)
[0055] 其中,xi(t)为t时刻第i个种群值,x1,i(t)为t时刻第i个种群值的第1个分量,xD,i(t)为t时刻第i个种群值的第D个分量;
[0056] ②多目标差分进化算法变异操作:
[0057] xi(t+1)=xi(t)+Fi(t+1)·(xr1(t)-xr2(t));  (9)
[0058] 其中,xi(t+1)为t+1时刻第i个种群值,xr1(t)为t时刻第r1个种群值,xr2(t)为t时刻第r2个种群值,r1和r2是在[1,NP]中随机选取的不同于i的两个互不相同的实数,Fi(t+1)为t+1时刻第i个种群的变异率
[0059] Fi(t+1)=Fi(t)[μL(t)+(μH(t)-μL(t))(fm(t)-fa(t))/(fw(t)-fa(t))];  (10)[0060] 其中,Fi(t)为t时刻第i个种群的变异率,μL(t)为t时刻变异率下限,μH(t)为t时刻变异率上限,fa(t)为t时刻种群的最优适应度值,fm(t)为t时刻种群的平均适应度值,fw(t)为t时刻种群的最差适应度值;
[0061] ③多目标差分进化算法交叉操作:
[0062]
[0063] 其中,randij[0,1]是[0,1]之间均匀分布的随机数,xji(t)为t时刻第i个种群值的第j个分量,xji(t+1)为t+1时刻第i个种群值的第j个分量, 为交叉操作后t+1时刻第i个种群值的第j个分量,Cri(t+1)为t+1时刻第i个种群的交叉率
[0064]
[0065] 其中,Cri(t)为t时刻第i个种群的变异率,ρL(t)为t时刻交叉率下限,ρH(t)为t时刻交叉率上限,fi(t)为t时刻第i个种群的应度值;
[0066] ④多目标差分进化算法选择操作,将公式(7)作为优化目标,获取溶解氧DO和硝态氮SNO浓度的优化设定值;
[0067] ⑤多目标差分进化算法终止条件判断,若t
[0068] (3)根据求解出的溶解氧DO和硝态氮SNO浓度优化设定值对污水处理过程进行优化控制,利用比例积分PI控制对曝气量和内循环回流量进行调节,整个控制系统的输出为实际溶解氧DO和硝态氮SNO浓度值。图2显示系统的溶解氧DO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DO浓度,单位是毫克/升,实线为溶解氧DO浓度实时优化设定值,虚线是溶解氧DO浓度跟踪控制值;图3显示系统的硝态氮SNO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SNO浓度,单位是毫克/升,实线为硝态氮SNO浓度实时优化设定值,虚线是硝态氮SNO浓度跟踪控制值;结果证明该方法的有效性。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈