引用本文

韩红桂, 张璐, 卢薇, 乔俊飞. 城市污水处理过程动态多目标智能优化控制研究. 自动化学报, 2021, 47(3): 620−629 doi: 10.16383/j.aas.c190154

Han Hong-Gui, Zhang Lu, Lu Wei, Qiao Jun-Fei. Research on dynamic multiobjective intelligent optimal control for municipal wastewater treatment process. Acta Automatica Sinica, 2021, 47(3): 620−629 doi: 10.16383/j.aas.c190154

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190154

关键词

城市污水处理过程，动态多目标智能优化控制，动态多目标粒子群优化，优化设定值 

摘要

城市污水处理过程(Municipal wastewater treatment process, MWWTP)是一个典型的复杂流程工业过程, 其优化运行涉及到多个动态性能指标. 为了实现城市污水处理运行过程的优化控制, 本文提出了一种城市污水处理过程动态多目标智能优化控制方法(Dynamic multiobjective intelligent optimal control, DMIOC). 首先, 建立了一种基于自适应核函数的动态性能指标模型, 实现了城市污水处理关键性能指标的准确描述; 其次, 设计了一种基于自适应飞行参数调整机制的动态多目标粒子群优化算法(Dynamic multiobjective particle swarm optimization, DMOPSO), 可有效平衡粒子的多样性和收敛性, 完成了溶解氧和硝态氮优化设定值的实时获取; 最后, 利用多回路PID控制方法对溶解氧和硝态氮优化设定值进行控制, 实现了城市污水处理过程安全稳定运行. 将提出的DMIOC应用于城市污水处理基准仿真平台, 实验结果显示: DMIOC 能够提高溶解氧和硝态氮的控制效果, 实现城市污水处理过程出水水质达标, 并降低运行成本.

文章导读

城市污水处理过程(Municipal wastewater treatment process, MWWTP)包含初沉池、曝气池、二沉池等多个流程, 是一个由多个流程组成的典型工业系统[1-2]. 各个流程紧密联系且相互影响. 城市污水处理同时包含物理、化学和生物等反应过程, 是一个复杂的动态操作过程[3]. 同时, 城市污水处理运行过程受到多种动态性能指标的约束[4]. 因此, 如何实现城市污水处理过程优化运行仍是一个亟待解决的难题[5-6].

优化控制方法通过设计合适的优化策略和控制策略, 实现性能指标的最优化, 已在城市污水处理过程中得到了广泛的应用[7-8]. 然而, 实施城市污水处理优化控制的过程中面临两个问题: 如何设计城市污水处理运行过程的性能指标和如何实现性能指标的优化.

为了描述城市污水处理过程出水水质指标, Jeong等[9]提出了一种基于城市污水处理标准机理模型的出水化学需氧量预测模型, 该模型能够描述城市污水处理过程出水化学需氧量与溶解氧浓度、温度、氧化还原电位等过程变量之间的关系. 实验结果显示所提出的出水化学需氧量预测模型具有较高的精度. 此外, Xie等[10]设计了一种基于活性污泥数学模型的出水水质预测模型, 用来获取出水有机物浓度与固体停留时间和内循环之间的相关关系. 结果表明所提出的出水水质模型能够准确地获取城市污水处理过程出水水质特性. 为了同时实现对城市污水处理过程能耗指标和出水水质指标的描述, Alsina等[11]提出了一种基于机理反应模型的污水处理过程性能综合评价模型, 用于描述能耗、出水水质等性能指标与溶解氧浓度、固体悬浮物浓度等过程变量之间的关系. 实验结果表明基于多指标的性能评价模型能够准确地获取污水处理过程的动态特性, 从而提高污水处理过程的运行效率. Yang等[12]通过深入分析污水处理过程计算流体动力学模型, 建立了一种污水处理过程运行性能评价预测模型, 该性能评价预测模型能够表达能耗、出水水质与入水流量、溶解氧浓度等过程变量之间的关系. 结果表明所提出的性能评价预测模型能够准确地表达能耗和出水水质的动态特性. 但是, 基于机理模型的性能指标模型参数较多, 难以保证模型精度[13-14].

为了解决性能指标模型精度的问题, Asadi等[15]通过分析城市污水处理过程的机理和运行数据的特征, 建立了一种基于神经网络的曝气能耗模型, 该模型的输入变量是入水流量、溶解氧浓度、固体悬浮物浓度等过程变量, 输出变量是污水处理过程生化反应过程的曝气能耗. 实验结果表明所建立的曝气能耗模型能实时反映运行过程变量与能耗之间的关系. 为了同时考虑多个性能指标, Durrenmatt等[16]提出了一种基于自组织映射的城市污水处理能耗和出水水质评价模型, 通过机理和数据相结合建立了性能指标与关键过程变量的关系. 实验结果表明所提出的基于自组织映射的能耗和出水水质评价模型能够准确获取系统运行状态. 此外, 丛秋梅等[17]通过分析生化反应过程运行机理和过程数据, 提出了一种基于递阶神经网络的污水处理过程评价模型, 该模型能够获得出水化学需氧量浓度、出水悬浮物固体浓度、出水氨氮浓度等与各组分浓度之间的关系. 实验结果表明该性能指标模型可实现对城市污水处理运行过程的实时评价. 然而, 城市污水处理过程同时包含多个反应单元和动态的操作指标, 如何根据城市污水处理运行过程设计包含多个反应单元的动态性能指标模型仍然是一个具有挑战性的任务[18-19].

如何设计优化算法实现对性能指标的优化是实施城市污水处理过程优化控制的另一个关键因素[20-21]. 针对城市污水处理过程多个冲突目标的优化问题, Vega等[22]提出了一种基于序列二次规划的分层优化控制方法, 利用基于权重系数的序列二次规划方法来优化能耗和出水水质模型, 获取溶解氧和硝态氮的优化设定值, 并利用PID控制策略对优化设定值进行控制. 实验结果表明该方法能够有效提高操作性能, 能够在保证出水水质达标的条件下降低运行能耗. 此外, Schluter 等[23]提出了一种基于扩展蚁群优化算法的优化控制策略, 通过该优化策略权衡经济成本和操作性能, 获取被控变量优化设定值, 并利用PI控制器完成对设定值的控制, 保证城市污水处理过程的优化运行. 虽然上述优化控制策略能够提高城市污水处理过程的操作性能, 但其本质都是将多目标优化问题通过权重系数转化为单目标优化问题. 由于城市污水处理过程中的非线性和时变性等特点, 难以获取合适的权重参数[24-25]. 为了解决城市污水处理过程的多目标优化控制问题, Guerrero等[26]提出了一种多准则的优化控制策略, 通过同时优化运行能耗和出水水质获得合适的溶解氧和硝态氮优化设定值, 并利用PI 控制器完成对设定值的控制. 实验结果表明该优化控制策略能够提高操作性能, 不仅改善了出水水质, 而且降低了能耗. 为了进一步提高优化控制策略的性能, 保证优化设定值的有效性, Beraud等[27]提出了一种基于自适应多目标微分进化算法的智能多目标优化控制方法, 利用自适应多目标微分进化算法同时优化能耗和出水水质, 获得溶解氧和硝态氮的优化设定值, 并通过智能控制器完成对优化设定值的控制.

实验结果表明该方法能够获得一组有效的优化设定值, 提高城市污水处理过程的优化控制性能. 此外, Yen等[28]提出了一种基于动态多种群的多目标粒子群优化算法, 利用动态的种群策略和目标空间压缩与扩展策略来管理群内和群体间的信息交互, 在搜索过程中逐步利用目标空间. 结果表明, 该方法能够获得满意的优化解. 此外, 许多学者提出了不同的动态多目标优化控制策略来提高城市污水处理过程的操作性能[29-31]. 然而, 由于城市污水处理过程是一个复杂的动态非线性系统, 存在着多个时变的目标函数, 如何根据时变的优化目标设计一种动态多目标优化控制策略来获得合适的优化解仍是一个急需解决的难点问题[32-33].

为了实现城市污水处理过程的优化控制, 提高运行性能, 本文提出了一种城市污水处理过程动态多目标智能优化控制(Dynamic multiobjective intelligent optimal control, DMIOC)策略. 与其他优化控制策略相比, 所提出的DMOIC策略的优势为:

1) 建立了一种基于自适应核函数的动态性能指标模型, 能够实现对关键性能指标曝气能耗、泵送能耗和出水水质的准确描述.

2) 设计了一种基于自适应飞行参数调整机制的动态多目标粒子群优化算法 (Dynamic multiobjective particle swarm optimization, DMOPSO), 通过飞行参数的自适应调整有效平衡粒子的多样性和收敛性, 从而获得合适的溶解氧和硝态氮优化设定值.

3) 采用了一种多回路PID控制策略, 实现对溶解氧和硝态氮优化设定值的控制.

图1 城市污水处理过程动态多目标智能优化控制架构

图2 不同优化算法的逼近效果

图3 平均PE值

针对城市污水处理过程优化控制问题, 本文提出了一种城市污水处理过程多目标智能优化控制策略. 在该策略中, 利用自适应核函数方法获取城市污水处理过程的动态特性, 通过基于自适应飞行参数调整机制的动态多目标粒子群优化算法获得优化设定值. 根据实验结果及分析得到以下结论:

1) 基于自适应核函数的泵送能耗、曝气能耗和出水水质模型能够根据城市污水处理过程运行状态进行动态调整, 实现对城市污水处理过程关键性能指标的准确描述.

2) 基于自适应飞行参数调整机制的动态多目标粒子群优化算法, 能够平衡种群的全局探索能力及局部开发能力, 同时优化城市污水处理过程泵送能耗、曝气能耗和出水水质多个冲突目标的关系, 获得有效的溶解氧和硝态氮优化设定值.

3) 通过多回路PID控制策略能够实现对动态优化设定值的控制, 保证城市污水处理过程的稳定运行. 所提出的DMIOC策略可以取得较好的优化效果和控制效果, 结果表明该方法适用于城市污水处理过程.

虽然本文提出的城市污水处理过程多目标智能优化控制策略能够取得较好的效果, 但仍有一些方面需要改进. 在应用优化控制策略时, 对城市污水处理过程关键性能指标动态特性的准确获取尤为重要, 而关键性能指标由于其反应过程的不同, 反应时间尺度亦不相同. 如何将不同的时间尺度特点考虑到动态特性获取过程中, 进一步提高城市污水处理过程优化控制性能仍然是一个需要解决的难题.

作者简介

韩红桂

北京工业大学信息学部教授. 主要研究方向为城市污水处理过程智能优化控制, 神经网络结构设计与优化. 本文通信作者. E-mail: rechardhan@bjut.edu.cn

张璐

北京工业大学信息学部博士研究生. 2014年获得菏泽学院控制科学与工程学士学位. 主要研究方向为城市污水处理过程多目标智能优化控制. E-mail: zhlulu1991@163.com

卢薇

中国石化青岛安全工程研究院, 环境保护研究室助理工程师. 主要研究方向为神经网络, 智能系统, 多目标优化. E-mail: luweiwei@emails.bjut.edu.cn

乔俊飞

北京工业大学信息学部教授. 主要研究方向为城市污水处理过程智能优化控制, 神经网络结构设计与优化. E-mail: junfeq@bjut.edu.cn