CN115292936A - 一种污水处理厂多目标优化方法 - Google Patents
一种污水处理厂多目标优化方法 Download PDFInfo
- Publication number
- CN115292936A CN115292936A CN202210950574.XA CN202210950574A CN115292936A CN 115292936 A CN115292936 A CN 115292936A CN 202210950574 A CN202210950574 A CN 202210950574A CN 115292936 A CN115292936 A CN 115292936A
- Authority
- CN
- China
- Prior art keywords
- target
- objective
- sewage treatment
- effluent
- cost
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 94
- 239000010865 sewage Substances 0.000 title claims abstract description 72
- 238000011282 treatment Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000008569 process Effects 0.000 claims abstract description 21
- 238000004088 simulation Methods 0.000 claims abstract description 5
- 239000005431 greenhouse gas Substances 0.000 claims description 66
- 238000005273 aeration Methods 0.000 claims description 33
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 30
- 229910052760 oxygen Inorganic materials 0.000 claims description 30
- 239000001301 oxygen Substances 0.000 claims description 30
- 238000010992 reflux Methods 0.000 claims description 27
- 239000003795 chemical substances by application Substances 0.000 claims description 25
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 24
- 239000010802 sludge Substances 0.000 claims description 20
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 19
- 239000003344 environmental pollutant Substances 0.000 claims description 19
- 229910052698 phosphorus Inorganic materials 0.000 claims description 19
- 239000011574 phosphorus Substances 0.000 claims description 19
- 231100000719 pollutant Toxicity 0.000 claims description 19
- 229910052799 carbon Inorganic materials 0.000 claims description 17
- 238000005265 energy consumption Methods 0.000 claims description 15
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 10
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 10
- 239000008103 glucose Substances 0.000 claims description 10
- 239000007788 liquid Substances 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 7
- OHVGNSMTLSKTGN-BTVCFUMJSA-N [C].OC[C@@H](O)[C@@H](O)[C@H](O)[C@@H](O)C=O Chemical compound [C].OC[C@@H](O)[C@@H](O)[C@H](O)[C@@H](O)C=O OHVGNSMTLSKTGN-BTVCFUMJSA-N 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 6
- 230000006872 improvement Effects 0.000 claims description 6
- 238000004062 sedimentation Methods 0.000 claims description 6
- 229910052757 nitrogen Inorganic materials 0.000 claims description 5
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000029087 digestion Effects 0.000 claims description 4
- 239000000356 contaminant Substances 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000005086 pumping Methods 0.000 claims description 3
- 239000006228 supernatant Substances 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 51
- 230000009467 reduction Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 3
- 238000013022 venting Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000031018 biological processes and functions Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000013043 chemical agent Substances 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000011221 initial treatment Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000802 nitrating effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
- 238000004065 wastewater treatment Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Purification Treatments By Anaerobic Or Anaerobic And Aerobic Bacteria Or Animals (AREA)
Abstract
本发明公开了一种污水处理厂多目标优化方法，涉及污水处理领域，包括以下步骤：以GPS‑X模拟平台为基础建立污水处理工艺模型；构建污水处理厂的多目标优化架构；设定目标函数集；设置双目标优化函数集、三目标优化函数集和五目标优化函构成相应的多目标优化问题并解算。该方法通过量化手段，更科学地从管理者不同的角度为目标污水厂生产运行制定决策，为目标污水厂的智能化管理提供帮助。
Description
技术领域
本发明涉及污水处理领域，尤其涉及一种污水处理厂多目标优化方法。
背景技术
如今，人们愈加关注各个领域的成本最小化、产量最大化、节能环保以及可持续发展问题，然而随着技术和经济的竞争发展，优化问题变得越来越复杂，规模越来越大，对象和约束条件也变得越来越多。
当今碳减排形势下，污水处理厂在提标改造的过程中必须同时兼顾当前技术水平下的水质提升、运行成本和环境影响，因此多目标优化模型将是污水处理厂同步实现减污降碳协同增效的重要工具。
污水处理过程是一个典型的非线性的工业系统，在提标改造的过程中应保证污水处理厂出水质量达标的同时控制运行成本达到提质量降耗的目的。
然而，现有技术中缺乏能够定量分析污水厂出水质量、运行成本及温室气体排放之间的权衡问题的方法。
因此，本领域的技术人员致力于开发一种污水处理厂多目标优化方法，以便能够通过科学的量化分析，为污水厂的智能化管理提供帮助。
发明内容
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题包括：
(1)污水厂存在出水质量、运行成本及温室气体排放的权衡问题；
(2)污水处理系统多目标优化架构的决策变量选择问题；
(3)不同阶段的污水处理厂的优化目标不同，如何针对不同的需求应建立不同的优化体系；
(4)经过多目标优化后，如何解决可能存在出水污染物浓度超标的风险问题。
为实现上述目的，本发明提供了一种污水处理厂多目标优化方法，包括以下步骤：
步骤1、以GPS-X模拟平台为基础建立污水处理工艺模型；
步骤2、基于出水质量指数目标函数、运行成本指数目标函数和温室气体排放量目标函数构建污水处理厂的多目标优化架构；
步骤3、针对所述出水质量指数目标函数、所述运行成本指数目标函数和所述温室气体排放量目标函数分别设定第一目标函数集、第二目标函数集和第三目标函数集；
步骤4、设置包括所述出水质量指数目标函数、所述运行成本指数目标函数的双目标优化函数集对出水水质和运行成本根据不同季节的模型进行权衡讨论，构成一个双目标优化问题并解算；
步骤5、设置包括所述出水质量指数目标函数、所述运行成本指数目标函数和所述温室气体排放量目标函数的三目标优化函数集，讨论水质提升、运行成本和环境影响的权衡问题，构成一个三目标优化问题并解算；
步骤6、设置五目标优化函数集，分析出水污染物浓度超标的风险及目标出水污染物之间的权衡关系，以及部分出水指标与所述运行成本指数和所述温室气体排放量的权衡关系，构成一个五目标优化问题并解算。
进一步地，所述污水处理工艺模型中，进水与污泥处置回流至污水厂前端的上清液混合之后，经过初沉池的处理进入了A2/O工艺的缺氧段，污水厂工艺的碳源投加点设置在所述缺氧段的前端，好氧段被分成了三部分，分别为好氧前段、好氧中段、好氧后段；好氧末端设有混合液内回流泵，二沉池前端设有除磷药剂投加装置，末端设有混合液外回流泵。
进一步地，所述出水质量指数目标函数定义为出水中各污染物出水浓度与目标污水厂执行的排放标准中的限值的比值之和，计算公式为
式中，EQI表示出水质量指数，Ci为出水污染物i的浓度，C0,i为出水污染物i的排放限值。
进一步地，所述运行成本指数目标函数定义为处理单位水量的污水的所有成本之和：
OCI＝Caer+Ctran+Cche+Cother-Cbio
其中，OCI表示运行成本指数；
能源成本Caer＝(AE+PE+ME+HE)×UCEE，AE为曝气能耗；PE为泵送能耗；ME为混合能耗；HE为污泥消化加热能耗；UCEE为电能的单位成本；
运输成本Ctran：单价为0.005元/(kg·km)，该费用包括葡萄糖碳源、除磷药剂和处理后剩余污泥的运输，平均运输距离设定为200公里；
药剂成本Cche：葡萄糖碳源成本2.0元/kg，除磷药剂成本1元/kg；
其他成本Cother：其他人工费、维修费等费用视为固定费用；
沼气补贴Cbio：沼气池产沼气供热发电，可再生能源补贴0.25元/Kwh；
进一步地，所述温室气体排放量目标函数的构成如下式：
GHGtot＝GHGpro+GHGenergy+GHGche-GHGbiogas
其中GHGpro为直接排放的温室气体，GHGenergy为能源消耗间接产生的温室气体，GHGche为药剂消耗产生的温室气体，GHCbiogas为沼气产生的减碳补贴。
进一步地，所述第一目标函数集的目标维数为2，所述第二目标函数集的目标维数为3，所述第三目标函数集的目标维数为5。
进一步地，所述步骤4中，所述双目标优化问题为：
Minimize f＝(EQI，OCI)
Subject to Dim
所述双目标优化问题的决策变量包括曝气池前段溶解氧水平、曝气池中段溶解氧水平、曝气池后段溶解氧水平、外回流比、内回流比、排泥量、葡萄糖投加量和除磷药剂投加量。
进一步地，所述步骤5中，所述三目标优化问题为：
Subject to Dim
所述三目标优化问题的决策变量包括所述曝气池前段溶解氧水平、所述曝气池中段溶解氧水平、所述曝气池后段溶解氧水平、所述外回流比、所述内回流比、所述排泥量、所述葡萄糖投加量和所述除磷药剂投加量。
进一步地，所述步骤6中的所述五目标优化问题描述为：
Subject to Dim
其中，TN表示目标污水厂出水总氮浓度，单位为mg/L，NH4+-N表示目标污水厂出水氨氮浓度，单位为mg/L；
所述五目标优化问题的决策变量包括所述曝气池前段溶解氧水平、所述曝气池中段溶解氧水平、所述曝气池后段溶解氧水平、所述外回流比、所述内回流比、所述排泥量、所述葡萄糖投加量和所述除磷药剂投加量。
进一步地，求解所述五目标优化问题的算法为带精英策略的非支配排序遗传算法NSGA-II，种群大小设置为200，迭代次数为200。
与现有技术方案相比，有益技术效果包括：
(1)对EQI、OCI、GHG等目标函数进行了量化。从管理者不同的角度为目标污水厂生产运行制定决策，为目标污水厂的智能化管理提供帮助
(2)更加全面的为污水处理系统制定决策。
(3)针对不同的需求，根据模型优化结果，获得一系列建议运行工况。
(4)通过分析帕累托前沿，讨论得出运行成本、温室气体排放量与TN、COD等指标削减之间的关系。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的一个较佳实施例的基于GPS-X的污水处理工艺全流程模型；
图2是本发明的一个较佳实施例的多目标优化架构；
图3是本发明的一个较佳实施例的春秋季模型双目标优化求解的帕累托前沿；
图4是本发明的一个较佳实施例的夏季模型双目标优化求解的帕累托前沿；
图5是本发明的一个较佳实施例的冬季模型双目标优化求解的帕累托前沿；
图6是本发明的一个较佳实施例的三目标优化求解的帕累托前沿；
图7是本发明的一个较佳实施例的五目标优化权衡。
具体实施方式
以下参考说明书附图介绍本发明的多个优选实施例，使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现，本发明的保护范围并非仅限于文中提到的实施例。
在本发明的一个优选实施例中，该方法包括以下步骤：
步骤1、以GPS-X模拟平台为基础建立污水处理工艺模型；如图1所示，为基于GPS-X的污水处理工艺全流程模型。
根据目标污水处理厂的实际运行情况，对一级处理和二级处理以及污泥处置的过程的单组构筑物进行概化模型的建立，省略粗细格栅以及沉砂池等预处理设备。实际工艺中进水与污泥处置回流至污水厂前端的上清液混合之后，经过初沉池的处理进入了A2/O工艺的缺氧段，同时目前污水厂工艺的碳源投加点也设置在缺氧段的前端，值得一提的是实际运行中好氧段被分成了三部分，分别为好氧前段(Zone1)、好氧中段(Zone2)、好氧后段(Zone3)。好氧末端设有混合液内回流泵，二沉池前端设有除磷药剂投加装置，末端设有混合液外回流泵。
步骤2、基于出水质量指数(EQI)、运行成本指数(OCI)和温室气体排放量(GHG)构建污水处理厂的多目标优化架构；如图2所示，为多目标优化架构。
针对目标函数的计算，出水质量指数(EQI)、运行成本指数(OCI)和温室气体排放量(GHG)和污水处理工艺中的运行参数密不可分，基于已经建立好的GPS_X工艺模型，通过Python语言编写相应的函数计算脚本，便可导出所需目标函数的结果。
①出水质量指数(EQI)
定义为出水中各污染物出水浓度与目标污水厂执行的排放标准(本研究对象为一级A标)中的限值的比值之和，本函数选取的出水指标和对应的排放限值如表所示
式中Ci为出水污染物i的浓度，C0,i为出水污染物i的排放限值。
表1目标函数所选出水指标及其排放限值
Table.6.1 Effluent index selected by objective function and itsdischarge limit
Geatpy采用Numpy array类型的矩阵CV来存储种群个体违反各个约束条件的程度。一般命名为CV，它的每一行对应种群的每一个个体，每一列对应一个约束条件，因此若增加一个约束条件，那么CV矩阵就会增加一列。设有Nind个种群个体，num个约束条件，则CV矩阵结构：
CV矩阵的某个元素小于或等于0，则表示该元素的个体满足对应的约束条件。若大于0，则表示违反约束条件，在大于0的条件下值越大，该个体违反该约束条件的程度就越高。根据所采用的出水限值，本算法对应的约束条件如下：
②运行成本指数(OCI)
影响运行成本的方面主要包括能源成本、运输成本、药剂成本、其他成本和沼气补贴，所以OCI定义为处理单位水量的污水的所有成本之和：
OCI＝Caer+Ctran+Cche+Cother-Cbio
其中能源成本Caer＝(AE+PE+ME+HE)×UCEE,AE为曝气能耗；PE为泵送能耗；ME为混合能耗；HE为污泥消化加热能耗；UCEE为电能的单位成本。
运输成本Ctran：单价为0.005元/(kg·km)，该费用包括葡萄糖碳源、除磷药剂和处理后剩余污泥的运输，平均运输距离设定为200公里。
药剂成本Cche：葡萄糖碳源成本2.0元/kg，除磷药剂成本1元/kg。
其他成本Cother：其他人工费、维修费等费用视为固定费用。
沼气补贴Cbio：沼气池产沼气供热发电，可再生能源补贴0.25元/Kwh。
③温室气体排放量(GHG)
一般来说，污水处理厂主要通过三种机制排放温室气体，即直接排放、间接内部排放和间接外部排放。污水处理厂的直接排放主要与生物过程(如微生物呼吸产生的CO2排放、硝化和反硝化产生的N2O排放以及厌氧消化产生的CH4排放)有关；间接内部排放与污水厂内部的电能或热能的消耗有关；间接外部排放与污水处理厂内与外界的联系(如污水厂所需化学药剂的生产及各类运输产生的温室气体)有关，它们的温室气体排放因子有着明显差异。
综上，温室气体排放目标函数的构成如下式：
GHGtot＝GHGpro+GHGenergy+GHGche-GHGbiogas
其中GHGpro为直接排放的温室气体，GHGenergy为能源消耗间接产生的温室气体，GHGche为药剂消耗产生的温室气体，GHGbiogas为沼气产生的减碳补贴。
步骤3、设定不同的目标函数集；
为达到不同的优化运行目标，需要设置不同的目标函数集以权衡不同运行方案的有效性，并且比较可能实现的潜在收益。为充分研究目标污水厂运行的控制策略，设置的目标函数集如下：
表2.目标函数集设置
步骤4、设置双目标优化函数集(EQI,OCI)对出水水质和运行成本根据不同季节的模型进行权衡讨论；
污水厂进行提标改造可以显著的提高出水水质，但这也意味着产生了更多的能源及化学药剂消耗，利用多目标优化的思想可以在出水稳定达标的情况下，尽可能地节省运行成本，此时就构成了一个双目标的优化问题。即：
如前文所述，选择出水质量(EQI)和运行成本(OCI)作为目标函数，决策变量选择曝气池前段溶解氧水平(DO_1)、曝气池中段溶解氧水平(DO_2)、曝气池后段溶解氧水平(DO_3)、外回流比(Ri)、内回流比(R)、排泥量(Was)、葡萄糖投加量(C1)和除磷药剂投加量(C2)，它们的边界范围设定如下：
目标函数集A的决策变量边界范围
如图3所示，是求解最优问题得到的春秋季模型双目标优化求解的帕累托前沿；如图4所示，是求解最优问题得到的夏季模型双目标优化求解的帕累托前沿；如图5所示，是求解最优问题得到的冬季模型双目标优化求解的帕累托前沿。
从出水质量指数(EQI)和运行成本指数(OCI)的角度权衡，双目标优化结果表明，在出水稳定达标的情况下春秋季可节省最多36％的操作成本，或维持现有运行成本情况下最多可提升7％的出水质量；类似地，夏季可削减最多45％的操作成本，或可提升最多14％的出水质量；冬季可节省高达67％的运行成本，或可提升最多30％的出水质量。
步骤5、设置三目标优化函数集(EQI,OCI,GHG)，讨论水质提升、运行成本和环境影响的权衡问题；
为了提升水质，药剂及电能的消耗不仅会造成运行成本的增加，同样会产生额外的潜在环境影响，此时利用多目标优化的思想可以在出水稳定达标的情况下，使出水质量、运行成本以及碳排放量相互协调，此时的多目标优化问题可以描述为：
选择出水质量(EQI)、运行成本(OCI)和温室气体排放量(GHG)作为目标函数，决策变量选择曝气池前段溶解氧水平(DO_1)、曝气池中段溶解氧水平(DO_2)、曝气池后段溶解氧水平(DO_3)、外回流比(Ri)、内回流比(R)、排泥量(Was)、葡萄糖投加量(C1)和除磷药剂投加量(C2)，它们的边界范围设定如下：
目标函数集B的决策变量边界范围
求解算法选择带精英策略的非支配排序遗传算法NSGA-II，为提升求解效率，经过多次试验，设定相关参数值如下：
目标函数集B的遗传算法参数设置
如图6所示，是三目标优化求解的帕累托前沿；对EQI、OCI和温室气体排放量(GHG)三个目标函数进行权衡，结果表明，与污水厂现工况相比，所有求解得到的优化方案中有23％的决策方案可以同时做到优化三个目标。交互分析发现，如需提升水质且降低温室气体排放量，则需要投入更多的成本；而要同时达到削减成本及碳减排的目的，此时则可能面临出水污染物超标的风险。
目标污水厂建议运行工况汇总(S4+S5)
步骤6：设置五目标优化函数集(TN,NH4+-N,COD,OCI,GHG)，进一步具体化EQI探讨了出水污染物浓度超标的风险及目标出水污染物之间的权衡关系。
虽然在多目标优化算法中设定了出水限值，但较低的EQI值并不意味着稳定的出水方案，在某一具体的出水污染物指标可能存在表现低劣的现象，因此在进行EQI、OCI及GHG的权衡分析后，还需要将出水污染物浓度作为目标函数，进一步从讨论部分出水指标与OCI和GHG的权衡关系。选择出水指标中的TN，
和COD指标，此时的多目标优化问题可以描述为：
Subject to Dim
选择出水质量(EQI)、运行成本(OCI)和温室气体排放量(GHG)作为目标函数，决策变量选择曝气池前段溶解氧水平(DO_1)、曝气池中段溶解氧水平(DO_2)、曝气池后段溶解氧水平(DO_3)、外回流比(Ri)、内回流比(R)、排泥量(Was)、葡萄糖投加量(C1)和除磷药剂投加量(C2)，它们的边界范围设定如下：
目标函数集C的决策变量边界范围
求解算法选择带精英策略的非支配排序遗传算法NSGA-II，经过数次尝试，发现种群大小设置为200且迭代次数为200时可高效解得帕累托前沿，参数具体设置如下：
目标函数集C的遗传算法参数设置
如图7所示，是五目标优化权衡。结果表明运行成本和温室气体排放量较低的方案中出水总氮更接近排放限值，存在超标的风险；但随着出水TN浓度的降低，运行成本与温室气体排放量的变化呈现先下降后上升的趋势，说明存在运行方案能够在一定范围内对总氮进行优化的同时削减运行成本和温室气体排放量；运行成本相同的运行方案之间的温室气体排放量也存在较大差异；较高的出水总氮浓度往往对应较低的出水氨氮浓度，但出水氨氮和温室气体排放量却几乎没有关联性，此外更好的脱氮效果意味着更差的COD去除能力。
综上，本发明技术方案以GPS-X模拟平台为基础，建立了多目标优化架构(GPS-X-MOP)，对污水处理厂的多目标优化问题进行权衡讨论。选择了曝气池前段溶解氧水平(DO_1)、曝气池中段溶解氧水平(DO_2)、曝气池后段溶解氧水平(DO_3)、外回流比(Ri)、内回流比(R)、排泥量(Was)、葡萄糖投加量(C1)和除磷药剂投加量(C2)作为决策变量。设置了双目标优化函数集(EQI,OCI)对出水水质和运行成本根据不同季节的模型进行权衡讨论。对于双目标优化，通过不同季节的模型分为以下3个方面为污水厂运行提供运行方案的工况：①水质达标的前提下，使运行成本达到最小的运行方案②保持现有运行成本不变，最大限度提升出水质量的运行方案③权衡出水质量与运行成本的运行方案。设置三目标优化函数集(EQI,OCI,GHG)，讨论水质提升、运行成本和环境影响的权衡问题，通过进行三目标优化的求解可以在出水稳定达标的情况下，使出水质量、运行成本以及碳排放量相互协调。设置了出水污染物指标(TN、NH4+-N和COD)、OCI与GHG的五目标函数集，探讨了出水污染物浓度超标的风险及目标出水污染物之间的权衡关系。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种污水处理厂多目标优化方法，其特征在于，包括以下步骤：
步骤1、以GPS-X模拟平台为基础建立污水处理工艺模型；
步骤2、基于出水质量指数目标函数、运行成本指数目标函数和温室气体排放量目标函数构建污水处理厂的多目标优化架构；
步骤3、针对所述出水质量指数目标函数、所述运行成本指数目标函数和所述温室气体排放量目标函数分别设定第一目标函数集、第二目标函数集和第三目标函数集；
步骤4、设置包括所述出水质量指数目标函数、所述运行成本指数目标函数的双目标优化函数集对出水水质和运行成本根据不同季节的模型进行权衡讨论，构成一个双目标优化问题并解算；
步骤5、设置包括所述出水质量指数目标函数、所述运行成本指数目标函数和所述温室气体排放量目标函数的三目标优化函数集，讨论水质提升、运行成本和环境影响的权衡问题，构成一个三目标优化问题并解算；
步骤6、设置五目标优化函数集，分析出水污染物浓度超标的风险及目标出水污染物之间的权衡关系，以及部分出水指标与所述运行成本指数和所述温室气体排放量的权衡关系，构成一个五目标优化问题并解算。
2.如权利要求1所述的污水处理厂多目标优化方法，其特征在于，所述污水处理工艺模型中，进水与污泥处置回流至污水厂前端的上清液混合之后，经过初沉池的处理进入了A2/O工艺的缺氧段，污水厂工艺的碳源投加点设置在所述缺氧段的前端，好氧段被分成了三部分，分别为好氧前段、好氧中段、好氧后段；好氧末端设有混合液内回流泵，二沉池前端设有除磷药剂投加装置，末端设有混合液外回流泵。
3.如权利要求2所述的污水处理厂多目标优化方法，其特征在于，所述出水质量指数目标函数定义为出水中各污染物出水浓度与目标污水厂执行的排放标准中的限值的比值之和，计算公式为
式中，EQI表示出水质量指数，Ci为出水污染物i的浓度，C0,i为出水污染物i的排放限值。
4.如权利要求3所述的污水处理厂多目标优化方法，其特征在于，所述运行成本指数目标函数定义为处理单位水量的污水的所有成本之和：
OCI＝Caer+Ctran+Cche+Cother-Cbio
其中，OCI表示运行成本指数；
能源成本Caer＝(AE+PE+ME+HE)×UCEE，AE为曝气能耗；PE为泵送能耗；ME为混合能耗；HE为污泥消化加热能耗；UCEE为电能的单位成本；
运输成本Ctran：单价为0.005元/(kg·km)，该费用包括葡萄糖碳源、除磷药剂和处理后剩余污泥的运输，平均运输距离设定为200公里；
药剂成本Cche：葡萄糖碳源成本2.0元/kg，除磷药剂成本1元/kg；
其他成本Cother：其他人工费、维修费等费用视为固定费用；
沼气补贴Cbio：沼气池产沼气供热发电，可再生能源补贴0.25元/Kwh；
5.如权利要求4所述的污水处理厂多目标优化方法，其特征在于，所述温室气体排放量目标函数的构成如下式：
GHGtot＝GHGpro+GHGenergy+GHGche-GHGbiogas
其中GHGpro为直接排放的温室气体，GHGenergy为能源消耗间接产生的温室气体，GHGche为药剂消耗产生的温室气体，GHGbiogas为沼气产生的减碳补贴。
6.如权利要求5所述的污水处理厂多目标优化方法，其特征在于，所述第一目标函数集的目标维数为2，所述第二目标函数集的目标维数为3，所述第三目标函数集的目标维数为5。
7.如权利要求6所述的污水处理厂多目标优化方法，其特征在于，所述步骤4中，所述双目标优化问题为：
Minimize f＝(EQI，OCI)
Subject to Dim
所述双目标优化问题的决策变量包括曝气池前段溶解氧水平、曝气池中段溶解氧水平、曝气池后段溶解氧水平、外回流比、内回流比、排泥量、葡萄糖投加量和除磷药剂投加量。
8.如权利要求7所述的污水处理厂多目标优化方法，其特征在于，所述步骤5中，所述三目标优化问题为：
Subject to Dim
所述三目标优化问题的决策变量包括所述曝气池前段溶解氧水平、所述曝气池中段溶解氧水平、所述曝气池后段溶解氧水平、所述外回流比、所述内回流比、所述排泥量、所述葡萄糖投加量和所述除磷药剂投加量。
9.如权利要求8所述的污水处理厂多目标优化方法，其特征在于，所述步骤6中的所述五目标优化问题描述为：
Subject to Dim
其中，TN表示目标污水厂出水总氮浓度，单位为mg/L，NH4+-N表示目标污水厂出水氨氮浓度，单位为mg/L；
所述五目标优化问题的决策变量包括所述曝气池前段溶解氧水平、所述曝气池中段溶解氧水平、所述曝气池后段溶解氧水平、所述外回流比、所述内回流比、所述排泥量、所述葡萄糖投加量和所述除磷药剂投加量。
10.如权利要求9所述的污水处理厂多目标优化方法，其特征在于，求解所述五目标优化问题的算法为带精英策略的非支配排序遗传算法NSGA-II，种群大小设置为200，迭代次数为200。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210950574.XA CN115292936A (zh) | 2022-08-09 | 2022-08-09 | 一种污水处理厂多目标优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210950574.XA CN115292936A (zh) | 2022-08-09 | 2022-08-09 | 一种污水处理厂多目标优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115292936A true CN115292936A (zh) | 2022-11-04 |
Family
ID=83827852
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210950574.XA Pending CN115292936A (zh) | 2022-08-09 | 2022-08-09 | 一种污水处理厂多目标优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115292936A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117830059A (zh) * | 2024-02-29 | 2024-04-05 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 基于模型的污水处理厂氧化亚氮减排策略生成方法及系统 |
-
2022
- 2022-08-09 CN CN202210950574.XA patent/CN115292936A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117830059A (zh) * | 2024-02-29 | 2024-04-05 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 基于模型的污水处理厂氧化亚氮减排策略生成方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Di Fraia et al. | A novel energy assessment of urban wastewater treatment plants | |
| Wei et al. | Selection of optimum biological treatment for coking wastewater using analytic hierarchy process | |
| 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 | |
| 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 | |
| Zhou et al. | Modeling of multimode anaerobic/anoxic/aerobic wastewater treatment process at low temperature for process optimization | |
| CN104003522B (zh) | 一种改进型分段进水多段a/o脱氮系统 | |
| Zou et al. | Characteristic and correlation analysis of influent and energy consumption of wastewater treatment plants in Taihu Basin | |
| Hou et al. | Dynamic multi-objective differential evolution algorithm based on the information of evolution progress | |
| CN115292936A (zh) | 一种污水处理厂多目标优化方法 | |
| CN107840550B (zh) | 一种垃圾渗沥液的处理方法 | |
| Chen et al. | Optimal strategies evaluated by multi-objective optimization method for improving the performance of a novel cycle operating activated sludge process | |
| Wei et al. | A combined process model for wastewater treatment based on hydraulic retention time and toxicity inhibition | |
| CN115630473A (zh) | 一种考虑污水回用的污水处理厂优化运行方法 | |
| CN114565154A (zh) | 一种渗滤液生化段碳源投加量的预测方法及优化算法 | |
| Simon-Várhelyi et al. | Dairy wastewater processing and automatic control for waste recovery at the municipal wastewater treatment plant based on modelling investigations | |
| Wałęga et al. | Nitrogen and phosphorus removal from sewage in biofilter–activated sludge combined systems | |
| Béraud et al. | Towards a global multi objective optimization of wastewater treatment plant based on modeling and genetic algorithms | |
| Koskue et al. | Modelling and techno-economic assessment of (bio) electrochemical nitrogen removal and recovery from reject water at full WWTP scale | |
| Ying et al. | Quantifying the electron-donating and-accepting capacities of wastewater for evaluating and optimizing biological wastewater treatment processes | |
| CN107840444B (zh) | 一种垃圾渗沥液的处理装置 | |
| CN1769213A (zh) | 分段进水生物脱氮方法中进水流量分配的优化方法 | |
| CN113860633A (zh) | 一种高速公路服务区一体化污水处理装置与方法 | |
| Heo et al. | End-to-end autonomous and resilient operability strategy of full-scale PN-SBR system: From influent augmentation to AI-aided optimal control and scheduling | |
| CN104828945B (zh) | 一种基于改良sbr法处理低碳高氮淀粉废水的方法 | |
| KR100869058B1 (ko) | 고농도 질소함유 산업폐수 처리방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231227 Address after: No. 80, Huju Road, Yuzhong District, Chongqing 400043 Applicant after: Chongqing water environment Holding Group Co.,Ltd. Address before: No.174, Shapingba Main Street, Shapingba District, Chongqing 400045 Applicant before: Chongqing University |
|
| TA01 | Transfer of patent application right |