申请日2018.02.26
公开(公告)日2018.08.21
IPC分类号G05B11/42; G06K9/62; G06Q10/04; C02F1/00
摘要
一种基于知识与数据信息决策的污水处理优化控制方法属于智能控制领域。本发明利用知识信息与数据信息融合进行多目标优化指标的权重决策，保证出水水质达标的前提下，提高污水处理过程优化性能指标。首先，根据用于决策的污水处理知识信息和过程动态数据信息，确定多目标优化性能指标的权重系数分配。其次，利用多目标优化方法，得到优化问题的一组Pareto最优解，并根据获得的权重系数确定一个满意优化解，即溶解氧浓度和硝态氮浓度的优化设定值。最后，由底层控制器实现优化设定值的跟踪任务。该方法在决策方向调整中，考虑了主观层面的知识信息和处理过程的动态数据信息，在保证出水水质达标前提下，能够有效降低污水处理过程能耗和运行成本。
权利要求书
1.基于知识与数据信息决策的污水处理优化控制方法，其特征在于，包括以下步骤：
1).根据污水处理过程知识信息和污水处理过程的动态数据信息，确定多目标优化性能指标的权重系数分配;
优化性能指标取为能耗指标EC和水质指标EQ，它们的权重系数分别表示为ω1和ω2，ω1和ω2的取值在0～1范围内，且满足ω1+ω2=1，权重系数数值越大说明性能指标所占比重越大;首先，根据知识信息表达的决策者偏好，确定待优化性能指标EC和EQ的基础权重系数分别为ω1,0和ω2,0，ω1,0和ω2,0的取值在0～1范围内，且满足ω1,0+ω2,0=1，各性能指标的基础权重系数是在指标所占比重平均分配的基础上，由决策者根据偏好的知识信息进行确定;然后，在性能指标EC和EQ的基础权重系数基础上，根据污水处理过程当前能耗及水质指标的运行状态，即处理过程的数据信息，对权重系数进行动态调整，调整的推理机制采用IF-THEN规则;令ρEC为能耗指标在每个优化周期内的变化率，ρEQ为水质指标在每个优化周期内的变化率，设定如下基于运行性能指标的权重系数调整规则，
式中，α和β为性能指标变化率的设定阈值，取定α=0.05，β=0.4;和分别为能耗指标变化率ρEC在第i条推理规则中的下限和上限值，和分别为水质指标变化率ρEQ在第i条推理规则中的下限和上限值，i=3,4,...n，n为最大规则数，与推理规则划分的精细程度有关，推理规则划分的越精细，规则数n的取值越大;a0为权重系数的调整增量，设定为小于1的正数;根据能耗指标与水质指标的变化率进行权重系数调整，若能耗指标变化率与水质指标变化率都较大，即ρEC>α且ρEQ>α，则按两者变化率较大的优先进行权值系数调整，并保证ω1+ω2=1;
2).多目标优化算法
2.1 污水处理多目标优化模型
以出水水质达标为约束条件，同时优化能耗和出水水质两个性能指标，建立污水处理过程的约束多目标优化模型，
min F(x)={fEC(x),fEQ(x)} (2)
式中，x为x(k)的简记，k为时刻，x(k)=[x1(k),x2(k)]为设定值组成的优化向量，x1(k)为溶解氧浓度设定值，x2(k)为硝态氮浓度设定值;fEC(x)为优化变量与能耗指标间的函数表达，fEQ(x)为优化变量与出水水质指标间的函数表达;能耗指标定义为曝气能耗fAE(x)与泵送能耗fPE(x)之和，即能耗指标fEC(x)=fAE(x)+fPE(x);分别为溶解氧浓度优化设定值的下限和上限值，分别硝态氮浓度优化设定值的下限和上限值;g1(x)为出水氨氮浓度SNH与优化设定值间的函数关系，g1(x)-4≤0表示出水氨氮需满足的约束不等式，4mg/L为其约束上限值，g2(x)为出水总氮浓度Ntot与优化设定值间的函数关系，g2(x)-18≤0表示出水总氮需满足的约束不等式，18mg/L为其约束上限值;溶解氧浓度为污水处理第五分区溶解氧浓度，硝态氮浓度为污水处理第二分区硝态氮浓度;优化变量与性能指标以及出水参数间的函数关系由神经网络建模实现;
2.2 模型中约束条件处理
采用惩罚函数法将建立的约束优化问题转化成无约束优化问题;定义惩罚项fpenalty(x)=max{g1(x)-4,0}+max{g2(x)-18,0} (4)
加入惩罚项的能耗指标与水质性能指标表达为
其中，C为惩罚因子，取定惩罚因子为100000;
2.3 多目标优化算法
对建立的污水处理过程多目标优化模型采用NSGA-II进化算法进行求解，在溶解氧浓度和硝态氮浓度的优化设定值范围内，获得多目标优化问题的一组Pareto最优解;NSGA-II进化算法中待优化性能指标为(5)式带有惩罚项的能耗指标f′EC(x)和水质性能指标f′EQ(x);取定搜索空间D为2维，种群规模N在40～50范围内取值;种群最大进化代数M在30～40范围内取值;按照标准NSGA-II进化算法运行程序，直至达到最大进化代数M，算法结束，给出污水处理过程多目标优化问题的一组Pareto最优解{Xp,1≤p≤N}，即一组等同优秀的溶解氧浓度和硝态氮浓度的优化设定值;
2.4 利用获得的多目标优化性能指标的权重系数确定最优满意解
为了实现污水处理过程的闭环控制，在多目标优化算法获得的一组Pareto最优解中，需要确定当前状态下的一个最优满意解，作为溶解氧浓度和硝态氮浓度的优化设定值;根据获得的多目标优化指标的权重系数，计算Pareto解集中所有解的效用函数值
dutility(Xp)=ω1fAE(Xp)+ω2fPE(Xp) (6)
选取效用函数最小值所对应的解为最优满意解，即得到k时刻由优化算法确定的溶解氧浓度优化设定值x1(k)和硝态氮浓度优化设定值x2(k);式中，ω1、ω2分别为基于知识与数据信息决策获得的能耗指标EC和水质指标EQ的指标权重系数，且ω1+ω2=1;
3).底层PID控制
将溶解氧浓度设定值x1(k)和硝态氮浓度设定值x2(k)送至底层PID控制器，实现污水处理过程设定值跟踪控制;溶解氧浓度通过第五分区氧气转换系数KLa5进行控制，硝态氮浓度通过内回流量Qa进行控制;按基准定义，氧气转换系数KLa5变化范围取为0<KLa5<240d-1，内回流量Qa变化范围取为0<Qa<92230m3/d;根据增量式PID控制算法获得溶解氧浓度和硝态氮浓度的控制量;
4).每隔2小时优化周期，进行多目标优化性能指标权重系数计算和多目标优化算法计算，更新一次溶解氧浓度优化设定值x1(k)和硝态氮浓度优化设定值x2(k)，由底层PID执行跟踪控制任务。
说明书
一种基于知识与数据信息决策的污水处理优化控制方法
技术领域
本发明提出一种基于知识与数据信息决策的污水处理优化控制方法，将污水处理过程的知识信息与数据信息融合用于污水处理过程多目标优化的决策处理，引导多目标优化方向。多目标优化指标为污水处理中具体冲突特性的过程能耗指标与水质性能指标，通过决策及多目标优化算法实现好氧区溶解氧浓度和厌氧区硝态氮浓度设定值的动态寻优。污水处理优化控制是水处理领域重要的研究课题，属于水研究领域，也属于智能控制领域。
背景技术
污水处理过程是高能耗的复杂流程工业系统，其操作连续运行并需要保证出水水质达标。随着国家对污水处理过程节能降耗的要求和人类对环境保护意识的增强，污水处理过程的优化控制引起了广泛关注。污水处理过程优化控制是提高污水处理过程性能、实现节能降耗的有效途径。因此，本发明的研究成果具有广阔的应用前景。
污水处理优化控制的目标是在满足出水水质达标的前提下，获得能耗和成本的降低。前置反硝化活性污泥法处理的污水过程，第五分区的溶解氧浓度和第二分区的硝态氮浓度强烈影响污水处理过程的硝化和反硝化水平，直接决定出水水质，同时也是曝气能耗AE和泵送能耗PE高低的重要影响参数。因此，对溶解氧浓度So和硝态氮浓度SNo的设定值进行优化已经成为提高污水处理过程优化性能的重要手段。
由于活性污泥处理过程中，存在复杂的物理、生化反应，且各种反应过程相互影响，使得整个系统呈现较强的耦合特性，将污水处理优化控制视为本质多目标优化问题更符合污水处理过程优化问题的实质。国内外现有污水处理多目标优化控制方法中，存在的主要问题有：考虑了污水过程具有多目标优化特性，但优化算法依然将其处理成单目标优化问题;优化算法为离线工作模式，没有实现在线优化等。在多目标优化方法中，为了实现污水处理过程的闭环控制，需要从Pareto解中确定一个满意最优解，作为溶解氧及硝态氮浓度的最优设定值，其中最为关键的环节是优化性能指标的权重系数的确定。常用方法是基于决策者的主观偏好进行确定，但是这种方法的主观性比较强，性能指标权重系数分配仅基于决策者偏好，缺少客观性，且外部决策信息调整时不能及时反映到优化控制部分。
发明内容
本发明获得一种基于知识与数据信息决策的污水处理优化控制方法，将污水处理过程的知识信息与数据信息融合用于污水处理过程多目标优化的决策处理，减少性能指标权重系数分配的主观性，有效利用实时获取的过程信息，获得满足实际运行需求的权重分配系数;实现污水处理过程溶解氧浓度和硝态氮浓度设定值优化和跟踪，保证出水水质达标前提下，降低能耗和处理成本;本发明采用如下技术方案及实现步骤，其特征在于，包括以下步骤：
1.根据用于决策的污水处理知识信息和污水处理过程的动态数据信息，确定多目标优化性能指标的权重系数分配;
优化性能指标取为能耗指标EC和水质指标EQ，它们的权重系数分别表示为ω1和ω2，ω1和ω2的取值在0～1范围内，且满足ω1+ω2=1，权重系数数值越大说明性能指标所占比重越大;首先，根据知识信息表达的决策者偏好，确定待优化性能指标EC和EQ的基础权重系数分别为ω1,0和ω2,0，ω1,0和ω2,0的取值在0～1范围内，且满足ω1,0+ω2,0=1，各性能指标的基础权重系数是在指标所占比重平均分配的基础上，由决策者根据偏好的知识信息进行确定;然后，在性能指标EC和EQ的基础权重系数基础上，根据污水处理过程当前能耗及水质指标的运行状态，即处理过程的数据信息，对权重系数进行动态调整，调整的推理机制采用IF-THEN规则;令ρEC为能耗指标在每个优化周期内的变化率，ρEQ为水质指标在每个优化周期内的变化率，设定如下基于运行性能指标的权重系数调整规则，
2.多目标优化算法
2.1污水处理多目标优化模型
以出水水质达标为约束条件，同时优化能耗和出水水质两个性能指标，建立污水处理过程的约束多目标优化模型，
min F(x)={fEC(x),fEQ(x)} (3)
2.2模型中约束条件处理
采用惩罚函数法将建立的约束优化问题转化成无约束优化问题;定义惩罚项
fpenalty(x)=max{g1(x)-4,0}+max{g2(x)-18,0} (5)
加入惩罚项的能耗指标与水质性能指标表达为
其中，C为惩罚因子，一般取较大正实数，其值越大对不满足约束条件的解的惩罚力度越大，但易产生不可行域附近可行解丢失现象，根据实验运行结果，取定惩罚因子为100000;
2.3多目标优化算法
对建立的污水处理过程多目标优化模型采用NSGA-II进化算法进行求解，在溶解氧浓度和硝态氮浓度的优化设定值范围内，获得多目标优化问题的一组等同优秀的解，即Pareto最优解;NSGA-II进化算法中待优化性能指标为(6)式带有惩罚项的能耗指标f′EC(x)和水质性能指标f′EQ(x);根据本发明中的实际优化问题及实验运行结果，取定搜索空间D为2维，种群规模N为40，最大进化代数M为30;按照标准NSGA-II进化算法运行程序，直至达到最大进化代数M，算法结束，给出污水处理过程多目标优化问题的一组Pareto最优解{Xp,1≤p≤N}，即一组等同优秀的溶解氧浓度和硝态氮浓度的优化设定值;
2.4确定最优满意解
为了实现污水处理过程的闭环控制，在多目标优化算法获得的一组Pareto最优解中，确定当前状态下的一个最优满意解，作为溶解氧浓度和硝态氮浓度的优化设定值;根据获得的多目标优化指标的权重系数，计算Pareto解集中所有解的效用函数值
dutility(Xp)=ω1fAE(Xp)+ω2fPE(Xp) (7)
选取效用函数最小值所对应的解为最优满意解，即得到k时刻由优化算法确定的溶解氧浓度优化设定值x1(k)和硝态氮浓度的优化设定值x2(k);式中，ω1、ω2分别为由基于知识和数据信息决策得到的能耗指标EC和水质指标EQ的性能指标权重系数，且ω1+ω2=1;
3.底层PID控制
将溶解氧浓度设定值x1(k)和硝态氮浓度设定值x2(k)送至底层PID控制器，实现污水处理过程设定值跟踪控制;溶解氧浓度通过第五分区氧气转换系数KLa5进行控制，硝态氮浓度通过内回流量Qa进行控制;按基准定义，氧气转换系数KLa5变化范围取为0<KLa5<240d-1，内回流量Qa变化范围取为0<Qa<92230m3/d;令k时刻氧气转换系数KLa5为u1(k)，控制增量为Δu1(k);k时刻内回流量Qa为u2(k)，控制增量为Δu2(k);
定义k时刻溶解氧浓度和硝态氮浓度的系统误差：
式中y1(k)，y2(k)分别为k时刻溶解氧浓度和硝态氮浓度的实际测量值;
采用增量式PID控制，k时刻控制增量表达为
k时刻系统控制量表达为
式中KP,1，KI,1，KD,1分别为溶解氧浓度控制器的比例、积分和微分系数;KP,2，KI,2，KD,2分别为硝态氮浓度控制器的比例、积分和微分系数;根据实验实际运行结果，取定：KP,1=200，KI,1=15，KD,1=2，KP,2=20000，KI,2=5000，KD,2=400;
4.每隔2小时优化周期，进行多目标优化算法和多目标权重系数计算，更新一次溶解氧浓度优化设定值x1(k)和硝态氮浓度优化设定值x2(k)，由底层PID执行跟踪控制任务;
本发明获得一种基于知识与数据信息决策的污水处理优化控制方法，其创造性主要体现在：(1)将污水处理过程的知识信息与数据信息进行融合，用于污水处理过程多目标优化的决策问题，确定多目标优化指标的权重系数，减少性能指标权重系数分配的主观性，实现决策方向的动态调整和优化;(2)获得一种基于知识与数据信息融合决策的污水处理过程多目标优化方法，实现了污水处理过程好氧区溶解氧浓度和厌氧区硝态氮浓度设定值的动态寻优;以上两部分内容为本发明的保护范围，且本发明方法中的多目标优化性能指标选取并不限于能耗指标和水质指标。
本发明提出的基于知识与数据信息决策的污水处理优化控制方法，考虑能耗指标和水质指标的多目标优化，在决策方向调整中，考虑了主观层面的知识信息和处理过程的动态数据信息，通过动态决策调整及多目标优化算法，实现好氧区溶解氧浓度和厌氧区硝态氮浓度设定值的动态寻优;在保证出水水质达标情况下，能够有效降低污水处理过程能耗和运行成本。
