CN101694586A - 基于混沌优化的支持向量机预测污水处理节能控制系统 - Google Patents
基于混沌优化的支持向量机预测污水处理节能控制系统 Download PDFInfo
- Publication number
- CN101694586A CN101694586A CN200910193206A CN200910193206A CN101694586A CN 101694586 A CN101694586 A CN 101694586A CN 200910193206 A CN200910193206 A CN 200910193206A CN 200910193206 A CN200910193206 A CN 200910193206A CN 101694586 A CN101694586 A CN 101694586A
- Authority
- CN
- China
- Prior art keywords
- module
- control
- control system
- sewage treatment
- production run
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Activated Sludge Processes (AREA)
Abstract
本发明提供了基于混沌优化的支持向量机预测污水处理节能控制系统,包括用于实现管理与控制一体化的计算机网络系统、活性污泥污水处理系统模型模块、生产过程控制模块、生产管理调度模块,所述生产管理调度模块、生产过程控制模块、活性污泥污水处理系统模型模块通过计算机网络系统依次连接。本发明用于污水处理厂运行时,不仅可以使污水处理厂的能耗降低15%-25%,还可以将污水处理厂的处理效果在原设计的基础上提高一个等级,潜力巨大。
Description
技术领域
本发明涉及采用活性污泥法的城市污水处理和工业废水处理领域,具体涉及基于混沌优化的支持向量机预测污水处理节能控制系统。
背景技术
在节能减排大的背景下,“十一五”期间单位国内生产总值能耗降低20%左右,主要污染物排放总量减少10%,全国设市城市污水处理率不低于70%,城市污水处理行业面临前所未有的发展机遇。当前我国已经进入污水处理厂建设的高峰期,污水处理厂生产过程的节能降耗和运营管理已经成为业内的热点话题。但是,当前污水处理厂的运营现状却不容乐观,主要存在以下几个方面的问题:
一、污水处理厂运营绩效不高,负荷率低,全国污水处理厂的平均负荷率为63.74(2008年数据),有机物去除率低,出水水质波动较大;
二、运营集成化管理程度较低,管理人员素质水平普遍不高,无法充分发挥现有设备的能力;
三、单位运营成本与能耗较高,先进的智能技术、工艺技术等没有应用到生产过程中。
发明内容
针对上述污水处理过程所存在的问题,本发明的目的是提供一种适用于活性污泥工艺的基于混沌优化的支持向量机预测污水处理节能控制系统,通过嵌入在该优化控制软件内的智能控制方法,实现污水处理的优化运行、精确控制,并提供具有专家经验的全厂调度与管理策略,为不同层面的运行管理者提供了优质的决策支持信息,为辅助分析决策奠定良好的基础,为污水处理企业规范化管理、节能降耗、减员增效和精细化管理提供强大的技术支持。
本发明的目的是采用这样的技术方案来实现的:基于混沌优化的支持向量机预测污水处理节能控制系统,其特征在于:包括用于实现管理与控制一体化的计算机网络系统、活性污泥污水处理系统模型模块、生产过程控制模块、生产管理调度模块,所述生产管理调度模块、生产过程控制模块、活性污泥污水处理系统模型模块通过计算机网络系统依次连接。
所述生产过程控制模块为基于最小二乘支持向量机的生产过程控制模块。
所述生产过程控制模块为基于混沌优化的多目标最小二乘支持向量机非线性预测生产过程控制模块。
所述生产管理调度模块为基于免疫优化算法的生产管理调度模块。
所述计算机网络系统由用于控制生产管理调度模块的制造执行系统、用于控制生产过程控制模块的过程控制系统及用于控制活性污泥污水处理系统模型模块的现场控制系统构成。
所述活性污泥污水处理系统模型模块包括系统黑箱模型和活性污泥处理模型。
与现有技术相比,本发明具有如下有益效果及优点:本发明用于污水处理厂运行时,不仅可以使污水处理厂的能耗降低15%-25%,还可以将污水处理厂的处理效果在原设计的基础上提高一个等级,潜力巨大。
附图说明
图1是计算机网络系统的三级网络结构图;
图2是生产管理调度模块的结构图;
图3是生产过程控制模块的结构图;
图4是混沌优化的LS-SVM非线性预测控制器结构图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例
本发明包括用于实现管理与控制一体化的计算机网络系统、活性污泥污水处理系统模型模块、基于最小二乘支持向量机(LS-SVM)的生产过程控制模块、基于免疫优化算法的生产管理调度模块;其中计算机网络系统采用三级网络平台的结构,划分成生产管理层、过程控制层和现场控制层,由用于控制生产管理调度模块的制造执行系统(MES)、用于控制生产过程控制模块的过程控制系统(PCS)及用于控制活性污泥污水处理系统模型模块的现场控制系统构成,如图1所示。
如图2所示,所述的生产管理调度模块下面设有分别与其连接的人事管理系统、生产调度系统、能源管理系统、化验信息管理系统、质量控制与管理系统、生产绩效辅助分析系统连接,将这六个系统的管理调度信息通过制造执行系统传输到生产过程控制模块。生产管理调度模块是通过自学习方式对知识库进行更新,指导以后的优化调度策略,优化调度策略中引入基于专家知识的免疫优化算法,对污水厂全厂的生产调度和运行中产生的问题进行管理和控制,实现对污水生产过程的科学管理。
如图3所示,所述的生产过程控制模块下面设有分别与其连接的污水处理过程模拟器、曝气优化控制系统、过程监控系统、多媒体监视系统。生产过程控制模块针对污水处理过程节能降耗问题以及污水处理过程的高度非线性、强耦合、不确定性等特点,提出了污水处理过程的基于混沌优化的多目标LS-SVM非线性预测控制方法,该方法首先利用污水厂历史数据建立污水过程的多模型LS-SVM预测模型,并构建了包含出水水质区间控制和经济性能指标的多目标优化结构的预测控制策略。与设定值预测控制方法相比,多目标优化多变量解耦预测控制策略在保证出水水质的前提下,能有效地节约能耗费用。
如图4所示,生产过程控制模块基于混沌优化的多目标最小二乘支持向量机,进行非线性预测时,其控制原理为:LS-SVM非线性预测控制器首先以LS-SVM为预测模型,混沌优化算法作为滚动优化策略,避免了非线性预测控制中各种复杂的梯度和矩阵求逆问题;同时将LS-SVM的参数选取看作参数的组合优化,对组合优化问题建立目标函数,采用一种变尺度混沌优化算法来搜索最优的目标函数值,从而找到合适的参数取值。其中混沌优化算法是一种全局搜索方法,用于选取LS-SVM参数时,无需考虑LS-SVM模型的复杂度和变量维数,可以作为一种普遍的选取参数方法。本发明利用预测误差对模型进行校正以提高控制器的鲁棒性。非线性系统的离散时间模型可以描述为:
其中:n和m分别为输出y(k)和控制u(k)的阶次,d是非线性系统的时滞,f(·)是未知非线性函数,(1)式表达的被控对象在k+1时刻的输出预测值为:
同时利用(2)式可以得到d步超前预测:
对于(3)式中k+1时刻以前的都是已知的实际值。取优化性能指标为二次性能加权指标,预测控制器是通过在k时刻对下面的性能指标进行优化以获得控制作用:
其中:N1为最小预测时域,N2为最大预测时域,M为控制时域,S和R为加权矩阵,Δu(k),…,Δu(k+M-1)为优化变量。在k时刻对该性能指标进行优化以获得控制作用序列Δu(k),…,Δu(k+M-1),取Δu(k)作用于系统,在k时刻以后重复上述过程进行滚动优化。
所述的活性污泥污水处理系统模型模块包括系统黑箱模型和活性污泥处理模型,采用混合建模方法解决污水处理过程的非线性、多变量、大滞后、非平稳、时变的问题,利用污水厂的历史数据(化学需氧量(COD)、氨氮浓度(NH3-N)、TP(总磷含量)、TN(总氮含量)、溶解氧(DO)、水溶液氧化还原能力(ORP))得到系统黑箱模型;并结合国际水协推出的ASM2d活性污泥处理模型,建立起污水生化过程的动态仿真模型,描述系统动态连续特性和离散特性。
本发明利用污水厂的历史数据,用最小二乘支持向量机并结合机理数学模型建立其系统的仿真模型,包括活性污泥模型和二沉池模型。当污水入口水质和水量依季节、气候、毒素事件不同而发生变化时候,基于混沌优化的多目标LS-SVM非线性预测控制器就会根据当前的进水量、进水COD、进水氨氮浓度、污泥浓度、DO、曝气量、水流速等变量,利用所建立的污水过程多模型LS-SVM预测模型,将该经济性能指标融入广义预测控制的目标函数中,得到一个双层多目标优化策略,其中上层对出水水质进行区间控制,得到的输出作为约束加入到下层的考虑经济性能指标的预测控制中,最后使用混沌优化方法计算出输入变量的最优序列。结果表明,考虑了经济性能指标的预测控制在经济成本上较为节约,并能达到水质标准,从而达到在满足出水水质要求的前提下尽量减小能耗的目的。与设定值预测控制方法相比,多目标优化多变量解耦预测控制策略在保证出水水质的前提下,能有效地节约能耗费用。同时专家管理系统运用免疫优化算法,对全厂的生产调度和运行中产生的问题进行优化管理和控制,包括对关键工艺参数的调度、水处理工艺的故障诊断和决策支持的系统、以及解决污水处理生产过程中,需要保持物流连续运作,上下工序紧密衔接,作业计划和调度存在流量负荷平衡和时间平衡问题。污水生产作业计划和生产调度实现各工序的计划管理,使其负荷均衡,药剂成本、能耗和其他各种损耗降低,从而降低生产成本。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (6)
1.基于混沌优化的支持向量机预测污水处理节能控制系统,其特征在于:包括用于实现管理与控制一体化的计算机网络系统、活性污泥污水处理系统模型模块、生产过程控制模块、生产管理调度模块,所述生产管理调度模块、生产过程控制模块、活性污泥污水处理系统模型模块通过计算机网络系统依次连接。
2.根据权利要求1所述的基于混沌优化的支持向量机预测污水处理节能控制系统,其特征在于:所述生产过程控制模块为基于最小二乘支持向量机的生产过程控制模块。
3.根据权利要求2所述的基于混沌优化的支持向量机预测污水处理节能控制系统,其特征在于:所述生产过程控制模块为基于混沌优化的多目标最小二乘支持向量机非线性预测生产过程控制模块。
4.根据权利要求1所述的基于混沌优化的支持向量机预测污水处理节能控制系统,其特征在于:所述生产管理调度模块为基于免疫优化算法的生产管理调度模块。
5.根据权利要求1所述的基于混沌优化的支持向量机预测污水处理节能控制系统,其特征在于:所述计算机网络系统由用于控制生产管理调度模块的制造执行系统、用于控制生产过程控制模块的过程控制系统及用于控制活性污泥污水处理系统模型模块的现场控制系统构成。
6.根据权利要求1所述的基于混沌优化的支持向量机预测污水处理节能控制系统,其特征在于:所述活性污泥污水处理系统模型模块包括系统黑箱模型和活性污泥处理模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910193206A CN101694586A (zh) | 2009-10-20 | 2009-10-20 | 基于混沌优化的支持向量机预测污水处理节能控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910193206A CN101694586A (zh) | 2009-10-20 | 2009-10-20 | 基于混沌优化的支持向量机预测污水处理节能控制系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101694586A true CN101694586A (zh) | 2010-04-14 |
Family
ID=42093560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200910193206A Pending CN101694586A (zh) | 2009-10-20 | 2009-10-20 | 基于混沌优化的支持向量机预测污水处理节能控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101694586A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102681498A (zh) * | 2011-03-15 | 2012-09-19 | 中国科学院沈阳自动化研究所 | 污水处理过程优化运行方法 |
CN102721036A (zh) * | 2011-03-29 | 2012-10-10 | 厦门鸿益顺环保科技有限公司 | 具有自适应三分控制功能的水煤浆锅炉供汽工程系统 |
CN104933310A (zh) * | 2015-06-19 | 2015-09-23 | 河海大学 | 基于ga-lssvm模型预测膜蒸馏水处理系统中膜污染趋势的方法 |
CN105549388A (zh) * | 2015-12-12 | 2016-05-04 | 北京工业大学 | 一种基于自适应回归核函数的污水处理过程能耗预测方法 |
CN106802563A (zh) * | 2016-10-13 | 2017-06-06 | 湖南工业大学 | 一种基于果蝇优化和lssvm的污水过程优化控制方法 |
CN107992645A (zh) * | 2017-10-30 | 2018-05-04 | 嘉兴学院 | 基于混沌-烟花混合算法的污水处理过程软测量建模方法 |
CN108563118A (zh) * | 2018-03-22 | 2018-09-21 | 北京工业大学 | 一种基于自适应模糊神经网络的溶解氧模型预测控制方法 |
CN112651424A (zh) * | 2020-12-01 | 2021-04-13 | 国网山东省电力公司青岛供电公司 | 基于lle降维和混沌算法优化的gis绝缘缺陷识别方法及系统 |
CN113325702A (zh) * | 2021-04-22 | 2021-08-31 | 中信云网有限公司 | 一种曝气控制方法及装置 |
-
2009
- 2009-10-20 CN CN200910193206A patent/CN101694586A/zh active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102681498B (zh) * | 2011-03-15 | 2014-03-12 | 中国科学院沈阳自动化研究所 | 污水处理过程优化运行方法 |
CN102681498A (zh) * | 2011-03-15 | 2012-09-19 | 中国科学院沈阳自动化研究所 | 污水处理过程优化运行方法 |
CN102721036A (zh) * | 2011-03-29 | 2012-10-10 | 厦门鸿益顺环保科技有限公司 | 具有自适应三分控制功能的水煤浆锅炉供汽工程系统 |
CN102721036B (zh) * | 2011-03-29 | 2014-04-16 | 厦门鸿益顺环保科技有限公司 | 具有自适应三分控制功能的水煤浆锅炉供汽工程系统 |
CN104933310A (zh) * | 2015-06-19 | 2015-09-23 | 河海大学 | 基于ga-lssvm模型预测膜蒸馏水处理系统中膜污染趋势的方法 |
CN105549388B (zh) * | 2015-12-12 | 2018-03-13 | 北京工业大学 | 一种基于自适应回归核函数的污水处理过程能耗预测方法 |
CN105549388A (zh) * | 2015-12-12 | 2016-05-04 | 北京工业大学 | 一种基于自适应回归核函数的污水处理过程能耗预测方法 |
CN106802563A (zh) * | 2016-10-13 | 2017-06-06 | 湖南工业大学 | 一种基于果蝇优化和lssvm的污水过程优化控制方法 |
CN106802563B (zh) * | 2016-10-13 | 2019-11-05 | 湖南工业大学 | 一种基于果蝇优化和lssvm的污水过程优化控制方法 |
CN107992645A (zh) * | 2017-10-30 | 2018-05-04 | 嘉兴学院 | 基于混沌-烟花混合算法的污水处理过程软测量建模方法 |
CN108563118A (zh) * | 2018-03-22 | 2018-09-21 | 北京工业大学 | 一种基于自适应模糊神经网络的溶解氧模型预测控制方法 |
CN108563118B (zh) * | 2018-03-22 | 2020-10-16 | 北京工业大学 | 一种基于自适应模糊神经网络的溶解氧模型预测控制方法 |
CN112651424A (zh) * | 2020-12-01 | 2021-04-13 | 国网山东省电力公司青岛供电公司 | 基于lle降维和混沌算法优化的gis绝缘缺陷识别方法及系统 |
CN113325702A (zh) * | 2021-04-22 | 2021-08-31 | 中信云网有限公司 | 一种曝气控制方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101694586A (zh) | 基于混沌优化的支持向量机预测污水处理节能控制系统 | |
Khiewwijit et al. | Energy and nutrient recovery for municipal wastewater treatment: how to design a feasible plant layout? | |
Simon-Várhelyi et al. | Reducing energy costs of the wastewater treatment plant by improved scheduling of the periodic influent load | |
CN105404151A (zh) | 污水处理过程动态多目标优化控制方法 | |
US20190359510A1 (en) | Cooperative optimal control method and system for wastewater treatment process | |
CN111367181B (zh) | 一种用于污水处理系统的混合驱动智能评判控制方法 | |
CN108762082B (zh) | 一种污水处理过程协同优化控制系统 | |
CN102841979A (zh) | 一种基于pca-ga-svr的污泥回流量预测方法 | |
CN108536106A (zh) | 一种基于卡尔曼滤波-极限学习机的曝气系统溶解氧在线调控方法 | |
Do et al. | A design of higher-level control based genetic algorithms for wastewater treatment plants | |
Ruan et al. | Application of fuzzy neural networks for modeling of biodegradation and biogas production in a full-scale internal circulation anaerobic reactor | |
CN108088974A (zh) | 一种厌氧同时反硝化产甲烷过程出水硝氮的软测量方法 | |
CN103792844B (zh) | 一种基于有序聚类的污水处理控制方法 | |
CN107992967A (zh) | 基于改进多目标遗传算法的船闸调度方法 | |
CN106769748B (zh) | 膜生物反应器-mbr出水透水率的智能检测系统 | |
Fu et al. | Dissolved oxygen control system based on the TS fuzzy neural network | |
Wang et al. | An online intelligent management method for wastewater treatment supported by coupling data-driven and mechanism models | |
CN111180015A (zh) | 基于三维一体化模型污水处理厂虚拟现实的管理控制方法 | |
CN105446132A (zh) | 基于神经网络的污水处理预测控制方法 | |
Olsson et al. | Plant-wide control: dream, necessity or reality? | |
Trojanowicz et al. | Combining numerical simulation with response surface modelling for optimization of reject water partial nitritation/anammox in moving bed biofilm reactor | |
KR20230128190A (ko) | 강화학습을 이용한 하수처리장 모델 자율 보정시스템과, 그 시스템을 이용한 공정 운영 다중 최적화시스템 | |
KR20230086851A (ko) | 유입 하수 변동에 따른 하수처리시설의 지속가능한 운전을 위한 하이브리드 머신러닝 기반 다목적 제어시스템 및 제어방법 | |
CN105138716B (zh) | 硝化及亚硝化过程的运行优化方法 | |
Xu et al. | Application of fuzzy control on wastewater treatment plant for P-removal |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20100414 |