[发明专利]基于高维多目标进化算法的智能污水处理过程优化方法

说明书

本发明涉及一种基于高维多目标进化算法的智能污水处理过程优化方法，包括输入目标函数耗氧速率、氧转移效率、能耗和最大迭代次数；初始化种群，生成包含的解集S₀,,和分别表示鼓风机鼓风量、阀门流量和加药量；生成新的解集S’；将S₀和S’合并为待选种群S_G，在S_G中选择最优非支配解得到种群S_G+1，使用动态参考线改进后的RVEA进化算法对S_G中剩余的解进行寻优得到种群S_G+1’；将S_G+1和S_G+1’进行合并，当达到最大迭代次数时，获得一组候选可行解的集合S_x，从S_x中选择控制参数向量进行实际控制。本发明提升了智能优化算法的速度，使其能够更好地适应动态变化场景。

技术领域

本发明涉及智能污水处理技术领域，尤其是指一种基于高维多目标进化算法的智能污水处理过程优化方法。

背景技术

污水处理厂作为城市可持续发展的重要基础设施，其重要功能是将生活或者工业污水集中收集和处理后送达不同的回用目标或排入水环境中，从而降低污染物对水环境的污染。目前，污水处理厂广泛采用的污水处理方法是生物处理法，其中“活性污泥法”是去除有机污染物最有效的方法之一，其工艺布局如图1所示。曝气是活性污泥法污水处理过程中的主要环节，也是能耗最大的环节，通过鼓风机向曝气池中充入适当氧气以保持好氧区中溶解氧（Dissolved oxygen, S_o）浓度以及通过回流泵回流污水以保持缺氧区的硝态氮（Nitrate nitrogen, S_NO）浓度，其需要大量的电力能量供给。近年来，污水处理厂在“提标改造”过程中不得不使“溶解氧”和“硝态氮”维持于一个较高的运行水平，以便得到满意的出水水质。但过高的曝气量并非能取得最佳效果，首先，提供的氧气越多，耗能越高；其次，过高的曝气量会对微生物生存环境甚至对整个工艺产生负面影响。

总的来说，曝气量对污水处理的影响可归纳为以下几点：1）目前污水处理厂的曝气量普遍较高，在污水处理厂中占45%～80%的能耗；2）在实际的污水处理过程中，曝气量很难精准控制。曝气量过低会影响硝化反应，过高则会影响缺氧池的反硝化；3）由于进水负荷处在不断变化中，当进水负荷低、曝气量高时，会导致过曝而发生污泥解体。上述状况均会导致能源和成本的极具提高，产生“高能耗、高成本、低收益”的现象。因此，曝气的精准控制对于提高出水水质、降低运行能耗、节约运营成本具有重要意义。