CN103771581B

CN103771581B - 污水处理逆向求解控制方法

Info

Publication number: CN103771581B
Application number: CN201310658726.XA
Authority: CN
Inventors: 卢云晓; 张伯立; 周滨江; 金红达; 翟长巧
Original assignee: ZHEJIANG SUPCON INFORMATION CO Ltd
Current assignee: Zhejiang Supcon Information Industry Co Ltd
Priority date: 2013-12-06
Filing date: 2013-12-06
Publication date: 2015-05-06
Anticipated expiration: 2033-12-06
Also published as: CN103771581A

Abstract

本发明公开了一种污水处理逆向求解控制方法，本发明利用混沌粒子群搜索遍历的方法来实现ASM模型的逆向求解；使用粒子群优化算法得到需氧量和回流量的最优粒子群及最优值P_nd、P_best；并用P_gd和P_best值控制污水处理的BP曝气过程。本发明能够在保证出水水质达到标准要求的同时，降低污水处理成本的特点。

Description

污水处理逆向求解控制方法

技术领域

本发明涉及污水处理技术领域，尤其是涉及一种已知出水水质标准时，可以对ASM模型进行反向求解，获得最佳的需氧量和回流量的值，并控制污水处理的BP曝气过程的污水处理逆向求解控制方法。

背景技术

ASM模型是利用数学模型描述活性污泥系统的反应过程，模拟活性污泥系统的动态变化和对各项水质指标的影响。1987年国际水协提出了第一个活性污泥模型(ASM1)，目前ASM模型主要有污泥1号模型(ASM1)、活性污泥2号模型(ASM2)、活性污泥2d模型(ASM2d)和活性污泥3号模型(ASM3)以及在此基础上建立的ASM系列模型，并开发了相应的计算机应用程序和软件(如SSSP，DSP，GPS-X等)。

需氧量和回流量的变化会引起出水水质的变化，通过调节需氧量和回流量可以使输出水质达到标准；通常根据进水水质、进水流量、需氧量和回流量等参数，通过ASM模型可以得到出水水质。但若要对出水水质进行控制，则需要知道出水水质达标时，最佳的需氧量和回流量的值，需要对ASM模型进行反向求解。

通常由输出值求输入值的方法，都是通过求函数的反函数来实现，但由于ASM模型是由上百个微分方程组构成，直接求反函数是不可能实现的。

当前污水厂的曝气方式主要是通过技术人员根据运行经验确定好氧区的溶氧，然后进行粗放式的过量曝气控制，保证好氧区的溶氧大于等于设定溶氧。技术人员将空气流量固定在一个足够高的值上，以满足峰值负荷期间的需氧量，一般是每周或每月调一两次。导致了负荷降低期间不必要的昂贵的过量曝气，造成严重的曝气过量，且浪费了大量的电能，对生物处理也产生了一定负面影响。

中国专利授权公开号：CN101805102A，授权公开日2010年8月18日，公开了一种污水处理方法，污水进入集水池；污水在集水池内用泥浆泵抽到预沉池；污水在预沉池进行初步的固液分离，上部污水自流进入调节池；调节池污水提升到物化反应池；污水经物化反应池反应后进入初沉池；经初沉池固液分离后，初沉池的上清液进入活性污泥池中，进行生化处理；活性污泥池生化处理后的出水先经过生化沉淀池，生化沉淀池上清液进入接触氧化池中；接触氧化池出水进入反应池反应；反应后污水进入终绽池，经沉淀后再进入曝气生物滤池，曝气生物滤池出水排放。该发明的不足之处是，当知道出水水质标准时，无法确定最佳的需氧量和回流量的值，污水处理成本高。

发明内容

本发明的发明目的是为了克服现有技术中的污水处理方法无法确定最佳的需氧量和回流量的值，污水处理成本高的不足，提供了一种已知出水水质标准时，可以对ASM模型进行反向求解，获得最佳的需氧量和回流量的值，并控制污水处理的BP曝气过程的污水处理逆向求解控制方法。

为了实现上述目的，本发明采用以下技术方案：

一种污水处理逆向求解控制方法，包括如下步骤：

(1-1)在计算机中设定出水水质期望值S，误差阈值W，对需氧量粒子x₁、回流量粒子x₂、需氧量速度v₁和回流量速度v₂进行混沌粒子初始化：

(1-1-1)设定控制参数μ₁、μ₂、η₁和η₂的一组取值，设定x₁(0)、x₂(0)、v₁(0)和v₂(0)的一组取值；

计算

\{\begin{matrix} x_{1} (n + 1) = μ_{1} x_{1} (n) (1 - x_{1} (n)) \\ x_{2} (n + 1) = μ_{2} x_{2} (n) (1 - x_{2} (n)) \end{matrix}, \{\begin{matrix} v_{1} (n + 1) = η_{1} v_{1} (n) (1 - v_{1} (n)) \\ v_{2} (n + 1) = η_{2} v_{2} (n) (1 - v_{2} (n)) \end{matrix},

n＝0，1，2，...，；

(1-1-2)设定混沌序列：

\{\begin{matrix} X_{1} = [x_{1} (1), x_{1} (2), \cdot \cdot \cdot, x_{1} (n)] \\ X_{2} = [x_{2} (1), x_{2} (2), \cdot \cdot \cdot {, x}_{2} (n)] \\ V_{1} = [v_{1} (1), v_{1} (2), \cdot \cdot \cdot, v_{1} (n)] \\ V_{2} = [v_{2} (1), v_{2} (2), \cdot \cdot \cdot, v_{2} (n)] \end{matrix},

其中，X₁为需氧量粒子数组，V₁为需氧量粒子速度数组，X₂为回流比粒子数组，V₂为回流比粒子速度数组；

(1-1-3)利用公式对X₁、V₁、X₂和V₂进行混沌识别，其中，x_i表示混沌序列中的任一个值，c为常数；

若X₁、V₁、X₂和V₂的λ均小于0，则转入步骤(1-2)；否则，转入步骤(1-1-1)；

(1-2)设定混沌序列

X_{d} = [\begin{matrix} x_{1} (1) & x_{2} (1) \\ x_{1} (2) & x_{2} (2) \\ \cdot & \cdot \\ \cdot & \cdot \\ \cdot & \cdot \\ x_{1} (n) & x_{2} (n) \end{matrix}],

混沌序列

V_{d} = [\begin{matrix} v_{1} (1) & v_{2} (1) \\ v_{1} (2) & v_{2} (2) \\ \cdot & \cdot \\ \cdot & \cdot \\ \cdot & \cdot \\ v_{1} (n) & v_{2} (n) \end{matrix}];

(1-3)设定S_omax为需氧量最大量程值，S_fmax为回流量最大量程值，需氧量和回流量的种群粒子

{X_{d}}^{'} = [\begin{matrix} S_{o \max} x_{1} (1) & S_{f \max} x_{2} (1) \\ S_{o \max} x_{1} (2) & S_{f \max} x_{2} (2) \\ \cdot & \cdot \\ \cdot & \cdot \\ \cdot & \cdot \\ S_{o \max} x_{1} (n) & S_{f \max} x_{2} (n) \end{matrix}]

和需氧量和回流量的种群速度

{V_{d}}^{'} = [\begin{matrix} S_{o \max} v_{1} (1) & S_{f \max} v_{2} (1) \\ S_{o \max} v_{1} (2) & S_{f \max} v_{2} (2) \\ \cdot & \cdot \\ \cdot & \cdot \\ \cdot & \cdot \\ S_{o \max} v_{1} (n) & S_{f \max} v_{2} (n) \end{matrix}];

(1-4)将输入水质值、水量值和X_d′代入活性污泥模型ASM中，计算出n组出水水质数据；每组出水水质数据包括COD、BOD、TN、NH₄ ⁺-N、TP和TSS参数；

(1-5)从X_d′中找到最优粒子P_best：

设定出水水质P＝[P(1)，P(2)，P(3)，P(4)，P(5)，P(6)]，其中P(1)＝COD，P(2)＝BOD，P(3)＝TN，P(4)＝NH₄ ⁺-N，P(5)＝TP，P(5)＝TSS，

设定标准水质STA＝[STA(1)，STA(2)，STA(3)，STA(4)，STA(5)，STA(6)]，其中，STA(1)＝STA_COD，STA(2)＝STA_BOD，STA(3)＝STA_TN，

STA(4)＝STA_NH₄ ⁺-N，STA(5)＝STA_TP，STA(6)＝STA_TSS；

利用公式计算各组出水水质数据与标准水质数据之间误差J，并得到与min(J_j)，j＝1，...，n相对应的需氧量和回流量P的最优值P_best；其中，STA_COD、STA_BOD、STA_TN、STA_NH₄ ⁺-N、STA_TP和STA_TSS均为标准水质参数；

(1-6)设定迭代次数k＝1，迭代上限值为N，寻找最优粒子群P_gd及P_best：

(1-6-1)计算V_nd′＝ωV_d′+η₁′rand(P_gd-X_d′)+η₂′rand(P_best-X_d′)，其中，ω为权重系数，η₁′和η₂′是加速因子，rand是在(0，1)范围内的随机数；

计算X_nd′＝X_d′+V_nd′；

(1-6-2)将输入水质值、水量值和X_nd′代入ASM模型中计算出n组出水水质数据，根据步骤(1-5)计算X_nd′的各组出水水质数据与标准水质数据之间的误差J_nd；

(1-6-3)将X_nd′中的第m行出水水质数据误差J′_nd与X_d′的第m行X_d′出水水质数据的误差J′进行比较；将与min(J′_nd，J′)相对应X_nd′或X_d′中的第m行需氧量和回流量值选定，m＝1，...，n；由选定的各行需氧量和回流量值组成最优粒子群P_gd，计算P_gd中的需氧量和回流量的最优值P_best，并将P_gd和P_best存储在计算机中；

(1-6-4)使k值增加1，当k＜N，使X_d′＝X_nd′，返回步骤(1-6-1)；

(1-7)利用步骤(1-5)，计算S与当前的ASM模型的各组出水水质数据之间的误差Js；当Js＞W时，则返回步骤(1-1-1)；

(1-8)利用P_gd和P_best的值控制污水处理的BP曝气过程。

需氧量和回流量的变化会引起出水水质的变化，通过调节需氧量和回流量的值可以使出水水质达到标准；通常根据进水水质、进水流量、需氧量和回流量等参数，通过ASM模型可以得到出水水质。但若要对出水水质进行控制，则需要知道出水水质达标时，最佳的需氧量和回流量的值，需要对ASM模型进行反向求解。

通常由输出值求输入值的方法，都是通过求函数的反函数来实现，但由于ASM模型是由上百个的微分方程组构成，直接求反函数是不可能实现的。

本发明利用粒子群优化算法实现需氧量和回流量的搜索，并采用混沌技术来提高种群的多样性和粒子搜索的收敛性，从而实现对污水生化处理工艺ASM模型的需氧量和回流量的逆向求解。

由于粒子群优化算法容易陷入局部最优的特点，使求得的解不是最优解。混沌是一种普遍的非线性现象，具有随机性、遍历性和内在规律性的特点，尤其是混沌的遍历性特点，使其可以作为搜索过程中避免陷入局部极小的一种优化机制。本发明的搜索算法将两者结合起来，采用混沌系列初始化粒子的位置和速度，既不改变粒子群优化算法初始化时所具有的随机性本质，又利用混沌提高了种群的多样性和粒子搜索的遍历性；对于陷入局部极小点的粒子，引入混沌序列重新初始化，迭代产生局部最优解的邻域点，帮助惰性粒子逃离束缚并快速搜寻到最优解；利用混沌运动的这些特性，可以构造一种随进化代数而退化混沌变异算子。通过粒子群优化算法与混沌的融合，将二者的优点结合起来，相互取长补短，混沌粒子群优化算法比基本的粒子群优化算法在优化性能上获得了显著提高。

最后，是采用基于混沌优化粒子群搜索遍历的方法来实现ASM模型的逆向求解，从而得到合适的需氧量和回流量。

本发明利用混沌粒子群搜索遍历的方法来实现ASM模型的逆向求解；使用粒子群优化算法得到需氧量和回流量的最优粒子群及最优值P_gd、P_best；并用P_gd和P_best值控制污水处理的BP曝气过程。能够在保证出水水质达到标准要求的同时，降低污水处理成本。

作为优选，所述x₁(0)、x₂(0)、v₁(0)和v₂(0)的取值范围均为0至1。

作为优选，所述输入水质值包括化学需氧量COD、生化需氧量BOD、总氮TN、氨氮NH₄ ⁺-N、总磷TP和总悬浮固体TSS参数。

作为优选，所述N为500至2000。

作为优选，所述ω为0.1至0.4。

作为优选，所述η₁′和η₂′的取值均为0.1至1。

作为优选，W为10％至15％。

因此，本发明具有如下有益效果：(1)在保证出水水质达到标准要求的同时，可以有效降低污水处理成本；(2)可以预先对出水水质进行控制，有效避免水质调节滞后，不合格的水出厂的情况的出现。

附图说明

图1是本发明的一种流程图。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步的描述。

如图1所示的实施例是一种污水处理逆向求解控制方法，包括如下步骤：

步骤100，在计算机中设定出水水质期望值S，误差阈值W，对需氧量粒子x₁、回流量粒子x₂、需氧量速度v₁和回流量速度v₂进行混沌粒子初始化：

步骤110，设定控制参数μ₁、μ₂、η₁和η₂的一组取值，设定x₁(0)、x₂(0)、v₁(0)和v₂(0)的一组取值；

计算

\{\begin{matrix} x_{1} (n + 1) = μ_{1} x_{1} (n) (1 - x_{1} (n)) \\ x_{2} (n + 1) = μ_{2} x_{2} (n) (1 - x_{2} (n)) \end{matrix}, \{\begin{matrix} v_{1} (n + 1) = η_{1} v_{1} (n) (1 - v_{1} (n)) \\ v_{2} (n + 1) = η_{2} v_{2} (n) (1 - v_{2} (n)) \end{matrix},

n＝0，1，2，…，；

步骤120，设定混沌序列：

\{\begin{matrix} X_{1} = [x_{1} (1), x_{1} (2), \cdot \cdot \cdot, x_{1} (n)] \\ X_{2} = [x_{2} (1), x_{2} (2), \cdot \cdot \cdot {, x}_{2} (n)] \\ V_{1} = [v_{1} (1), v_{1} (2), \cdot \cdot \cdot, v_{1} (n)] \\ V_{2} = [v_{2} (1), v_{2} (2), \cdot \cdot \cdot, v_{2} (n)] \end{matrix},

步骤130，利用公式对X₁、V₁、X₂和V₂进行混沌识别，其中，x_i表示混沌序列中的任一个值，c为常数；

若X₁、V₁、X₂和V₂的λ均小于0，则转入步骤200；否则，转入步骤110；

步骤200，设定混沌序列

X_{d} = [\begin{matrix} x_{1} (1) & x_{2} (1) \\ x_{1} (2) & x_{2} (2) \\ \cdot & \cdot \\ \cdot & \cdot \\ \cdot & \cdot \\ x_{1} (n) & x_{2} (n) \end{matrix}],

混沌序列

V_{d} = [\begin{matrix} v_{1} (1) & v_{2} (1) \\ v_{1} (2) & v_{2} (2) \\ \cdot & \cdot \\ \cdot & \cdot \\ \cdot & \cdot \\ v_{1} (n) & v_{2} (n) \end{matrix}];

步骤300，设定S_omax为需氧量最大量程值＝1000小时/立方米，S_fmax为回流量最大量与进水量的比值为1∶1，需氧量和回流量的种群粒子

{X_{d}}^{'} = [\begin{matrix} S_{o \max} x_{1} (1) & S_{f \max} x_{2} (1) \\ S_{o \max} x_{1} (2) & S_{f \max} x_{2} (2) \\ \cdot & \cdot \\ \cdot & \cdot \\ \cdot & \cdot \\ S_{o \max} x_{1} (n) & S_{f \max} x_{2} (n) \end{matrix}]

和需氧量和回流量的种群速度

{V_{d}}^{'} = [\begin{matrix} S_{o \max} v_{1} (1) & S_{f \max} v_{2} (1) \\ S_{o \max} v_{1} (2) & S_{f \max} v_{2} (2) \\ \cdot & \cdot \\ \cdot & \cdot \\ \cdot & \cdot \\ S_{o \max} v_{1} (n) & S_{f \max} v_{2} (n) \end{matrix}];

步骤400，将输入水质值、水量值和X_d′代入活性污泥模型ASM中，计算出n组出水水质数据；每组出水水质数据包括COD、BOD、TN、NH₄ ⁺-N、TP和TSS参数；

步骤500，从X_d′中找到最优粒子P_best，根据误差平方和可以判别水质好坏，误差越小水质越好。

设定标准水质为STA＝[STA(1)，STA(2)，STA(3)，STA(4)，STA(5)，STA(6)]，其中，STA(1)＝STA_COD，STA(2)＝STA_BOD，STA(3)＝STA_TN，

STA(4)＝STA_NH₄ ⁺-N，STA(5)＝STA_TP，STA(6)＝STA_TSS；

步骤600，设定迭代次数k＝1，迭代上限值为N，寻找最优粒子群P_gd及P_best：

步骤610，计算V_nd′＝ωV_d′+η₁′rand(P_gd-X_d′)+η₂′rand(P_best-X_d′)，其中，ω为权重系数，η₁′和η₂′是加速因子，rand是在(0，1)范围内的随机数；

计算X_nd′＝X_d′+V_nd′；

步骤620，将输入水质值、水量值和X_nd′代入ASM模型中计算出n组出水水质数据；根据步骤500计算X_nd′的各组出水水质数据与标准水质数据之间的误差J_nd；

本实施例中，X_nd′的出水水质为：

P_nd＝[P_nd(1)，P_nd(2)，P_nd(3)，P_nd(4)，P_nd(5)，P_nd(6)]，

P_nd_COD，P_nd_BOD，P_nd_TN，P_nd_NH₄ ⁺-N，P_nd_TP和P_nd_TSS为X_nd′的出水数值参数；

其中，

\begin{matrix} P_{nd} (1) = P_{nd}_COD, P_{nd} (2) = P_{nd}_BOD, P_{nd} (3) = P_{nd}_TN, \\ P_{nd} (4) = P_{nd}_{NH}_{4}^{+} - N, P_{nd} (5) = P_{nd}_TP, P_{nd} (6) = P_{nd}_TSS \end{matrix};

利用公式计算X_nd′的各组出水水质数据与标准水质数据之间误差J_nd；

步骤630，将X_nd′中的第m行出水水质数据误差J′_nd与X_d′的第m行X_d′出水水质数据的误差J′进行比较；将与min(J′_nd，J′)相对应X_nd′或X_d′中的第m行需氧量和回流量值选定，m＝1，...，n；由选定的各行需氧量和回流量值组成最优粒子群P_gd，计算P_gd中的需氧量和回流量的最优值P_best，并将P_gd和P_best存储在计算机中；

本实施例中，

利用公式计算最优粒子群P_gd的各组出水水质数据与标准水质数据之间误差J′，并得到与min(J′_j)，j＝1，...，n相对应的需氧量和回流量的最优值P_best。

步骤640，使k值增加1，当k＜N，使X_d′＝X_nd′，返回步骤610；

步骤700，参照步骤500，计算S与当前的ASM模型的各组出水水质数据之间的误差J_s；当J_s＞W时，则返回步骤110；

本实施例中，当前的ASM模型的出水水质为最后的X_nd′的出水水质：

P_nd＝[P_nd(1)，P_nd(2)，P_nd(3)，P_nd(4)，P_nd(5)，P_nd(6)]，

S的出水水质为：

P_s＝[P_s(1)，P_s(2)，P_s(3)，P_s(4)，P_s(5)，P_s(6)]，

P_s_COD，P_s_BOD，P_s_TN，P_s_TP，P_s_TSS为S的出水水质参数；

其中，

\begin{matrix} P_{s} (1) = P_{s}_COD, P_{s} (2) = P_{s}_BOD, P_{s} (3) = P_{s}_TN, \\ P_{s} (4) = P_{s}_{NH}_{4}^{+} - N, P_{s} (5) = P_{s}_TP, P_{s} (6) = P_{s}_TSS \end{matrix};

利用公式计算S与当前的ASM模型的各组出水水质数据之间的误差J_s；当J_s＞W时，则返回步骤110；

步骤800，利用P_gd和P_best的值控制污水处理的BP曝气过程。

本实施例中x₁(0)、x₂(0)、v₁(0)和v₂(0)的取值范围均为0至1。ω为0.1，η₁′和η₂′的取值均为0.1，N＝500，W＝15％。

应理解，本实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

Claims

1.一种污水处理逆向求解控制方法，其特征是，包括如下步骤：

计算

\{\begin{matrix} x_{1} (n + 1) = μ_{1} x_{1} (n) (1 - x_{1} (n)) \\ x_{2} (n + 1) = μ_{2} x_{2} (n) (1 - x_{2} (n)) \end{matrix}, \{\begin{matrix} v_{1} (n + 1) = η_{1} v_{1} (n) (1 - v_{1} (n)) \\ v_{2} (n + 1) = η_{2} v_{2} (n) (1 - v_{2} (m)) \end{matrix},

n＝0，1，2，...，；

(1-1-2)设定混沌序列：

\{\begin{matrix} X_{1} = [x_{1} (1), x_{1} (2), . . ., x_{1} (n)] \\ X_{2} = [x_{2} (1), x_{2} (2), . . ., x_{2} (n)] \\ V_{1} = [v_{1} (1), v_{1} (2), . . ., v_{1} (n)] \\ V_{2} = [v_{2} (1), v_{2} (2), . . ., v_{2} (n)] \end{matrix},

(1-2)设定混沌序列

X_{d} = [\begin{matrix} x_{1} (1) & x_{2} (1) \\ x_{1} (2) & x_{2} (2) \\ . & . \\ . & . \\ . & . \\ x_{1} (n) & x_{2} (n) \end{matrix}],

混沌序列

V_{d} = [\begin{matrix} v_{1} (1) & v_{2} (1) \\ v_{1} (2) & v_{2} (2) \\ . & . \\ . & . \\ . & . \\ v_{1} (n) & v_{2} (n) \end{matrix}];

{X_{d}}^{'} = [\begin{matrix} S_{o \max} x_{1} (1) & S_{f \max} x_{2} (1) \\ S_{o \max} x_{1} (2) & S_{f \max} x_{2} (2) \\ . & . \\ . & . \\ . & . \\ S_{o \max} x_{1} (n) & S_{f \max} x_{2} (n) \end{matrix}]

和需氧量和回流量的种群速度

{V_{d}}^{'} = [\begin{matrix} S_{o \max} v_{1} (1) & S_{f \max} v_{2} (1) \\ S_{o \max} v_{1} (2) & S_{f \max} v_{2} (2) \\ . & . \\ . & . \\ . & . \\ S_{o \max} v_{1} (n) & S_{f \max} v_{2} (n) \end{matrix}];

(1-5)从X_d′中找到最优粒子P_best：

STA(4)＝STA_NH₄ ⁺-N，STA(5)＝STA_TP，STA(6)＝STA_TSS；

计算X_nd′＝X_d′+V_nd′；

(1-6-4)使k值增加1，当k＜N，使X_d′＝X_nd′，返回步骤(1-6-1)；

(1-8)利用P_gd和P_best的值控制污水处理的BP曝气过程。

2.根据权利要求1所述的污水处理逆向求解控制方法，其特征是，x₁(0)、x₂(0)、v₁(0)和v₂(0)的取值范围均为0至1。

3.根据权利要求1所述的污水处理逆向求解控制方法，其特征是，所述输入水质值包括COD、BOD、TN、NH₄ ⁺-N、TP和TSS参数。

4.根据权利要求1所述的污水处理逆向求解控制方法，其特征是，所述N为500至2000。

5.根据权利要求1所述的污水处理逆向求解控制方法，其特征是，所述ω为0.1至0.4。

6.根据权利要求1所述的污水处理逆向求解控制方法，其特征是，所述η₁′和η₂′的取值均为0.1至1。

7.根据权利要求1或2或3或4或5或6所述的污水处理逆向求解控制方法，其特征是，W为10％至15％。