BSM1基准仿真数学模型在污水监测中的可行性分析

降低污水治理成本、提高污水治理效率是新形势下环境整治工作所面临的主要难题之一,在计算机、传感器技术大规模应用于污水治理的大背景下,通过仿真数学模型对污水中各污染物的变化状态进行监测已经成为控制去污反应的一项主要手段,并且国内外学者也提出了许多可应用于污水监控的仿真数学模型。介绍了针对污水治理的BSM1基准仿真模型,阐述了该模型的污水处理结构以及各组分的生物处理过程,并基于SIMULINK建立了基于BSM1的生化池反应模型,最后通过仿真实验对该模型在污水监测工作中的可行性进行了验证。

基于Copt-aiNet的污水处理过程优化控制

污水处理是一个复杂的动态反应过程,针对如何确定优化控制中关键变量的动态最优设定值,使满足出水水质排放达标的同时降低运行能耗的问题,提出了一种基于人工免疫算法Copt-aiNet(组合优化的人工免疫网络)的污水处理控制策略.首先,利用Copt-aiNet确定第二分区溶解氧质量浓度和第五分区硝态氮质量浓度的最优设定值;再利用控制器跟随最优设定值,对氧传递系数和内回流流量进行控制,进而对曝气能耗和泵送能耗同时进行优化;最后,在仿真平台BSM1上进行仿真实验,结果验证了本文控制策略的有效性,可以在保证出水水质达标的前提下有效降低能耗.

神经网络的污水处理过程多目标优化控制方法

针对污水处理过程能耗过高问题,提出一种基于神经网络的动态多目标优化控制方法。该方法对污水处理过程中的曝气能耗和泵送能耗同时优化,通过NSGA-II进化算法实现溶解氧浓度和硝态氮浓度设定值的动态寻优,由PID控制实现底层跟踪。采用神经网络在线建模方法构造污水处理过程多目标优化模型,解决了优化变量与性能指标间没有精确数学描述的问题。基于国际基准仿真平台BSM1的实验表明,与PID控制、单目标优化控制方法相比,多目标优化控制在保证出水水质达标的前提下可以获得更优的节能效果。

基于复合抗扰的溶解氧浓度控制

污水处理中,出水水质受进水流量、组分以及浓度波动等因素影响.要保证处理效果,溶解氧浓度控制应有较强的鲁棒性.简单闭环控制的能耗及出水水质波动大.为此,本文以污水处理过程1号基准仿真模型模拟污水生化处理过程,提出基于扩张状态观测器和滑模控制的复合抗扰控制方法,以降低对模型信息的依赖,保证溶解氧浓度控制效果.数值仿真结果显示,复合抗扰控制能够以较小的能耗获得期望的调控效果.这表明,复合抗扰控制具有很好的适应性,能够满足调控要求,是一种具有较强实用性的污水处理溶解氧浓度控制方法.

基于LSSVM的污水处理过程建模

针对基准仿真1号模型(BSM1)有耗时久、结构复杂、不利于研究和优化等缺点,提出使用多输入多输出最小二乘支持向量机(LSSVM)对污水处理过程进行建模。先介绍BSM1,再在BSM1的基础上建立基于L S S V M的污水处理过程简化模型,最后将B S M 1的仿真结果与基于L S S V M的污水处理模型的仿真结果进行比较,验证得出基于L S S V M的污水处理过程模型运行效率更高。

基于水质的污水处理过程事件触发模型预测控制

研究了将模型预测控制(MPC)应用于污水处理(WWTP)这类大型非线性系统时的求解耗时性和计算复杂性问题,提出了一种新的事件触发控制策略加以解决,模型预测控制器只有在满足相应的触发条件时才进行信息的更新和优化问题的求解。为了保障系统性能,该方法将出水水质融入事件触发逻辑条件的设计中,并引入出水水质系数,用于建立输出变量与出水水质之间的关系,通过这种关系间接反映了WWTP的性能,并根据该性能指标调整控制动作以降低计算成本,同时可以采用不同的出水水质系数增强算法的灵活性。实验结果表明,在保证出水水质和总成本指数基本不受影响的情况下,计算时间可以减少27.1%~42.7%。

基于自适应递归模糊神经网络的污水处理控制

针对污水处理过程中具有的非线性、大时变等特征,提出了一种基于自适应递归模糊神经网络(recurrent fuzzy neural network,RFNN)的污水处理控制方法.该方法利用自适应RFNN识别器建立污水处理过程的非线性动态模型,建立的模型可以为RFNN控制器提供污水处理过程中的状态变量信息,保证了控制器根据系统响应调整操作变量的精确性;并且RFNN辨识器及RFNN控制器基于自适应学习率进行学习,确保了递归模糊神经网络的收敛精度和速度,并通过构造李雅普诺夫函数证明了此算法的收敛性;最后,基于基准仿真模型(benchmark simulation model 1,BSM1)平台进行仿真实验.结果表明,与PID、模型预测控制及前馈神经网络相比,该方法对污水处理中溶解氧浓度和硝态氮浓度的跟踪控制精度具有明显的提升.

基于改进差分进化算法的污水处理过程优化控制

针对如何确定污水生化处理过程被控变量最优设定值的问题,首先提出一种改进的差分进化算法,并通过4个典型函数的仿真实验验证所提出的算法的寻优性能;然后综合出水水质、曝气能耗、泵送能耗、污泥处理费用等作为单一优化目标,应用所提出的算法完成被控变量最优设定值的求取;最后,仿真4种不同的控制策略在3种不同天气入水条件下的污水生化处理过程,通过与其它控制策略对比,仿真结果表明所提出的优化控制策略不仅可以降低系统的运行代价,还缩短了关键出水水质的越限时间,提高了污水处理的出水水质.