[发明专利]一种基于NSGA-Ⅲ的废水好氧生化处理工艺的优化控制方法

说明书

本发明公开了一种基于NSGA‑Ⅲ的废水好氧生化处理工艺的优化控制方法，目的在于为废水好氧生化处理工艺提供更多的优化控制方案，该方法构建了基于废水处理仿真基准模型(BSM1)的多目标优化模型，选取BSM1中反应池体积、氧气传质系数、混合液回流量、污泥回流量、剩余污泥排放量等11个工艺参数作为决策变量以出水超标指数、运行能耗、反应池总体积、反应池出水污泥浓度四个指标作为目标函数，并采用第三代快速非支配遗传算法(NSGA‑Ⅲ)对其进行求解，最后得到帕雷托解集可以在更低的运行能耗下，获得更好的出水水质。

技术领域

本发明涉及活性污泥工艺的工艺设计的优化方法，更具体地，涉及一种基于NSGA-Ⅲ的废水好氧生化处理工艺的优化控制方法。

背景技术

自国际水协1987年推出活性污泥一号模型以来，在欧美各个国家以及得到了广泛的使用，成为了模拟活性污泥系统强有力的工具，针对废水好氧生化处理工艺的优化控制多集中在控制方面：PID,模糊控制，模型预测控制，前馈-反馈控制等等，以及对模型本身的简化，而对模型本身的参数配置考虑的不多，考虑到实际的废水处理过程中，调整一次运行参数往往需要最少十天左右系统才能正常运行，而且废水好氧生化处理工艺是一个复杂的、非线性的、时变性的系统，存在多个目标需要同时进行优化，是一个多输入多输出的系统，因此针对废水好氧生化处理工艺的优化是一个多目标优化的范畴。

近年来，随着智能算法的发展及仿真软件的逐渐成熟，智能算法越来越多的应用于废水处理过程中，并且取得了很好的效果，智能算法为解决这类多目标优化问题提供了一个很好的解决方法。NSGA-Ⅲ作为近年提出的一种智能算法，只需要确定输入输入变量以及约束条件，在仿真软件上搭建数学模型及NSGA-Ⅲ模型，就可以用来优化，同时还可以根据自身的需要设置不同的参考点，来获得不同的优化结果，相比于在实际的废水处理厂通过不断的调试来确定最佳的优化控制方案，智能算法更加省时省力，而且可以得到更好、更全面的优化效果，为废水好氧生化处理工艺的优化控制带来了极大的方便。

发明内容

本发明的目的在于克服现有技术中的上述缺陷，提供一种废水好氧生化处理工艺的优化控制方法，旨在为废水好氧生化处理工艺的优化控制提供一种新的解决思路，该方法建立了基于废水好氧生化处理工艺过程出水水质和运行能耗的多目标优化模型，决策者可以针对决策变量和目标函数设置不同的约束条件，最终采用NSGA-Ⅲ对其进行求解，得到的Pareto解集可以针对出水水质和运行能耗做出不同程度的优化，相比与在实际的废水处理过程中去寻找最佳工艺条件，可以大量节省时间，同时还可以得到分布范围比较广泛的最优解集。

为实现上述目的，本发明提供了一种基于NSGA-Ⅲ的废水好氧生化处理工艺的优化控制方法，包括如下步骤：

(1)以反应池体积、反应池传质系数、混合液回流量、污泥回流量、剩余污泥排放量作为决策变量，并分别对决策变量设置约束条件；

(2)以出水超标指数、运行能耗、反应池总体积、最后一个好氧池的出水污泥浓度作为目标函数，并设置约束条件；

(3)设置种群数量、迭代次数、交叉概率、变异概率，并采用Das和Dennis提出的方法在M维的超平面上面生成一定数量的均匀分布的参考点，或者自定义一组参考点；

(4)多目标优化模型和仿真模型之间的参数传递；

(5)模型初始化，以步骤(1)中设置的决策变量的约束条件作为标准，生成一定种群数量的决策变量数组，然后将决策变量数组作为仿真模型的输入，计算初始种群每个个体的适应度值；

(6)基于约束-支配原则进行非支配排序；

(7)算法循环，并设置t＝1,锦标赛选择，产生父代种群F1；

(8)对父代种群F1进行遗传操作，产生子代种群F2，再对F2进行遗传操作，产生子代种群F2’；