论文部分内容阅读
污水处理过程是多变量的、强耦合的、大型的非线性系统，易受进水流量、流入污水中不确定成分及污泥负荷的大的扰动影响。同时，污水处理行业是一种高能耗产业，广泛存在着能量消耗大、运行成本高的问题。因此，研究降低污水处理过程中的能量消耗的算法及方法具有非常重要的实际意义及应用价值。 本文从与能量消耗密切相关的溶解氧浓度、硝态氮浓度设定值的角度展开研究，为了准确地得到溶解氧溶度的设定值，采用氨氮-溶解氧串级控制方案。本文建立了以氨氮浓度设定值、硝态氮浓度设定值为决策变量，鼓风机能耗及水泵能耗为优化目标的优化问题。针对该优化问题，研究使用NLJ算法及其改进算法。优化及控制方案通过BSM1仿真平台进行了验证。主要研究工作包括: (1)针对BSM1第五池氨氮浓度、第二池硝态氮浓度设定值优化问题，使用了直接搜索变收缩系数(NLJ)的优化方法。首先建立了氨氮-溶解氧浓度的串级控制系统和硝态氮浓度的单回路控制系统。在BSM1平台上离线仿真，得到能耗与控制器设定值的数值关系。其次利用神经网络分别建立能耗和合格率的神经网络模型。最后使用NLJ算法求解由能耗神经网络模型和合格率神经网络模型组成的优化问题。 (2)针对NLJ优化算法，提出了NLJ算法与ABC算法结合的改进算法，即NLJ-ABC算法。由于污水处理中决策变量有非负限制，NLJ算法对初始值的选取要求更为苛刻。NLJ-ABC算法降低了对决策变量初始值的依赖，提高了算法的求解精度和稳定性。NLJ-ABC算法还减少了外环最大迭代次数，加快了收敛速度。 (3)使用改进的NLJ-ABC算法优化了晴天天气、雨天天气和暴雨天气下BSM1第五池氨氮浓度和第二池的硝态氮浓度设定值，将得到的最优解作为控制器设定值进行仿真。仿真结果表明，NLJ-ABC算法的优化结果与NLJ算法的结果相比，在出水水质达标的基础上进一步降低了总能耗。 最后，对全文研究工作进行了总结，并对进一步研究方向作了展望。