CN106354014B - 一种基于多目标差分进化算法的污水处理优化控制方法 - Google Patents
一种基于多目标差分进化算法的污水处理优化控制方法 Download PDFInfo
- Publication number
- CN106354014B CN106354014B CN201610952790.2A CN201610952790A CN106354014B CN 106354014 B CN106354014 B CN 106354014B CN 201610952790 A CN201610952790 A CN 201610952790A CN 106354014 B CN106354014 B CN 106354014B
- Authority
- CN
- China
- Prior art keywords
- time
- population
- concentration
- dissolved oxygen
- nitrate nitrogen
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 239000010865 sewage Substances 0.000 title claims abstract description 56
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 54
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 54
- 239000001301 oxygen Substances 0.000 claims abstract description 54
- 238000005457 optimization Methods 0.000 claims abstract description 51
- MMDJDBSEMBIJBB-UHFFFAOYSA-N [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] MMDJDBSEMBIJBB-UHFFFAOYSA-N 0.000 claims abstract description 44
- 238000005265 energy consumption Methods 0.000 claims abstract description 24
- 238000010992 reflux Methods 0.000 claims abstract description 17
- 238000005273 aeration Methods 0.000 claims abstract description 10
- 238000005086 pumping Methods 0.000 claims abstract description 10
- 238000009423 ventilation Methods 0.000 claims abstract description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 10
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 9
- 231100000719 pollutant Toxicity 0.000 claims abstract description 9
- 238000007599 discharging Methods 0.000 claims description 8
- 230000035772 mutation Effects 0.000 claims description 8
- 239000010802 sludge Substances 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 125000001477 organic nitrogen group Chemical group 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 5
- 238000004134 energy conservation Methods 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 229910000069 nitrogen hydride Inorganic materials 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 241000695274 Processa Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Activated Sludge Processes (AREA)
Abstract
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。
Description
技术领域
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氧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
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。
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、氨氮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。
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
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。
本发明采用了如下的技术方案及实现步骤：
一种基于多目标差分进化算法的污水处理优化控制方法，
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；
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，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,L,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<Tmax，则返回步骤②继续寻优，否则终止计算，并输出溶解氧浓度SO和硝态氮浓度SNO优化设定值的结果；
(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。
本发明的创造性主要体现在：
(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；
(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力和全局探索能力，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。
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
图1是本发明的控制器结构图；
图2是本发明控制方法溶解氧DO浓度优化控制结果图
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
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。
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：
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：
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；
(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：
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；
(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：
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：
xi(t)＝[x1,i(t),x2,i(t),…,xD,i(t)],i＝[1,2,…,NP]； (8)
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；
②多目标差分进化算法变异操作：
xi(t+1)＝xi(t)+Fi(t+1)·(xr1(t)-xr2(t))； (9)
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))]； (10)
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交叉操作：
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
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；
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；
⑤多目标差分进化算法终止条件判断，若t<Tmax，则返回步骤②继续寻优，否则终止计算，并输出溶解氧DO和硝态氮SNO浓度优化设定值的结果；
(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。
Claims (1)
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，
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；
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，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<Tmax，则返回步骤②继续寻优，否则终止计算，并输出溶解氧浓度SO和硝态氮浓度SNO优化设定值的结果；
(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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610952790.2A CN106354014B (zh) | 2016-10-27 | 2016-10-27 | 一种基于多目标差分进化算法的污水处理优化控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610952790.2A CN106354014B (zh) | 2016-10-27 | 2016-10-27 | 一种基于多目标差分进化算法的污水处理优化控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106354014A CN106354014A (zh) | 2017-01-25 |
| CN106354014B true CN106354014B (zh) | 2019-03-22 |
Family
ID=57863863
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610952790.2A Active CN106354014B (zh) | 2016-10-27 | 2016-10-27 | 一种基于多目标差分进化算法的污水处理优化控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106354014B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106873379B (zh) * | 2017-03-31 | 2019-12-27 | 北京工业大学 | 一种基于迭代adp算法的污水处理最优控制方法 |
| CN107168050B (zh) * | 2017-06-01 | 2020-04-17 | 武汉科技大学 | 一种引力搜索算法及基于该算法的污水处理控制方法 |
| CN109669352B (zh) * | 2017-10-17 | 2022-04-05 | 中国石油化工股份有限公司 | 基于自适应多目标粒子群的含油污水处理过程优化控制方法 |
| CN108693770A (zh) * | 2018-06-14 | 2018-10-23 | 佛山科学技术学院 | 基于混合粒子天牛智能算法的污水处理优化控制方法 |
| CN111399455B (zh) * | 2020-03-25 | 2021-06-04 | 北京工业大学 | 一种基于运行过程信息的城市污水处理实时优化控制方法 |
| CN114509939B (zh) * | 2022-01-12 | 2023-04-07 | 江南大学 | 一种i-moead算法的污水处理过程优化控制方法 |
| CN114488822B (zh) * | 2022-04-12 | 2022-07-05 | 江苏省现代企业信息化应用支撑软件工程技术研发中心 | 基于高维多目标进化算法的智能污水处理过程优化方法 |
| CN116040892A (zh) * | 2023-04-03 | 2023-05-02 | 珠水(广东)生态环境研究院有限公司 | 一种生活垃圾污水处理方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004066119A (ja) * | 2002-08-07 | 2004-03-04 | Yaskawa Electric Corp | 運転支援装置 |
| CN103064290A (zh) * | 2013-01-01 | 2013-04-24 | 北京工业大学 | 基于自组织径向基神经网络的溶解氧模型预测控制方法 |
| CN103197544A (zh) * | 2013-02-25 | 2013-07-10 | 北京工业大学 | 基于非线性模型预测的污水处理过程多目标控制方法 |
| CN104360597A (zh) * | 2014-11-02 | 2015-02-18 | 北京工业大学 | 一种基于多梯度下降的污水处理过程优化控制方法 |
| CN105404151A (zh) * | 2015-12-12 | 2016-03-16 | 北京工业大学 | 污水处理过程动态多目标优化控制方法 |
-
2016
- 2016-10-27 CN CN201610952790.2A patent/CN106354014B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004066119A (ja) * | 2002-08-07 | 2004-03-04 | Yaskawa Electric Corp | 運転支援装置 |
| CN103064290A (zh) * | 2013-01-01 | 2013-04-24 | 北京工业大学 | 基于自组织径向基神经网络的溶解氧模型预测控制方法 |
| CN103197544A (zh) * | 2013-02-25 | 2013-07-10 | 北京工业大学 | 基于非线性模型预测的污水处理过程多目标控制方法 |
| CN104360597A (zh) * | 2014-11-02 | 2015-02-18 | 北京工业大学 | 一种基于多梯度下降的污水处理过程优化控制方法 |
| CN105404151A (zh) * | 2015-12-12 | 2016-03-16 | 北京工业大学 | 污水处理过程动态多目标优化控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于改进差分进化算法的污水处理过程优化控制;林梅金 等;《信息与控制》;20151231;第44卷(第3期);第339-345页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106354014A (zh) | 2017-01-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106354014B (zh) | 一种基于多目标差分进化算法的污水处理优化控制方法 | |
| CN108549234B (zh) | 一种基于动态变值的多目标优化控制方法 | |
| CN105573115B (zh) | 基于量子遗传算法的污水处理过程节能优化控制方法 | |
| CN108445757B (zh) | 一种基于动态多目标粒子群算法的污水处理过程优化控制方法 | |
| CN109669352B (zh) | 基于自适应多目标粒子群的含油污水处理过程优化控制方法 | |
| CN105404151A (zh) | 污水处理过程动态多目标优化控制方法 | |
| CN109711070A (zh) | 一种基于活性污泥水处理的溶解氧浓度优化方法 | |
| CN104291529B (zh) | 部分反硝化-厌氧氨氧化处理高浓度硝酸盐废水与城市污水的装置与方法 | |
| CN112062179A (zh) | 用于造纸污水处理ghg减排的溶解氧分层优化控制方法 | |
| Holenda et al. | Aeration optimization of a wastewater treatment plant using genetic algorithm | |
| CN115356930B (zh) | 一种污水处理过程中的多目标优化控制系统及方法 | |
| CN109809560B (zh) | 一种多点进水多级a/o工艺的碳源精确投加控制装置及方法 | |
| CN1837091A (zh) | A/o工艺短程硝化反硝化污水处理控制系统及其在线控制方法 | |
| CN110716432A (zh) | 一种基于自适应选择策略的城市污水处理过程多目标优化控制方法 | |
| CN113860496A (zh) | 一种基于bp神经网络的aao外加碳源智慧投加系统及方法 | |
| CN113044984A (zh) | 连续流分段进水短程反硝化-厌氧氨氧化耦合反硝化污水处理系统及方法 | |
| CN102161551B (zh) | 前置反硝化污水处理过程的优化控制方法 | |
| Peng et al. | Use of pH as fuzzy control parameter for nitrification under different alkalinity in SBR process | |
| CN102503062B (zh) | 双污泥反硝化除磷工艺运行的在线优化调控方法及其装置 | |
| CN209815777U (zh) | 一种多点进水多级a/o工艺的碳源精确投加控制装置 | |
| CN111399455B (zh) | 一种基于运行过程信息的城市污水处理实时优化控制方法 | |
| CN110980946A (zh) | 一种总氮强化去除的cass污水处理工艺改进方法 | |
| CN113683192B (zh) | 一种培养与富集为厌氧氨氧化提供电子受体亚硝态氮的短程反硝化颗粒污泥的装置与方法 | |
| CN113867276B (zh) | 一种基于自适应知识迁移策略的污水处理过程多任务优化控制方法 | |
| CN101885535A (zh) | 低强度超声波强化连续流生物反应池处理效果的运行方式 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |