城市污水處理過(guò)程動(dòng)態(tài)多目標(biāo)智能優(yōu)化控制研究

韓紅桂 張 璐 盧 薇 喬俊飛

城市污水處理過(guò)程(Municipal wastewater treatment process，MWWTP)包含初沉池、曝氣池、二沉池等多個(gè)流程，是一個(gè)由多個(gè)流程組成的典型工業(yè)系統(tǒng)[1-2].各個(gè)流程緊密聯(lián)系且相互影響.城市污水處理同時(shí)包含物理、化學(xué)和生物等反應(yīng)過(guò)程，是一個(gè)復(fù)雜的動(dòng)態(tài)操作過(guò)程[3].同時(shí)，城市污水處理運(yùn)行過(guò)程受到多種動(dòng)態(tài)性能指標(biāo)的約束[4].因此，如何實(shí)現(xiàn)城市污水處理過(guò)程優(yōu)化運(yùn)行仍是一個(gè)亟待解決的難題[5-6].

優(yōu)化控制方法通過(guò)設(shè)計(jì)合適的優(yōu)化策略和控制策略，實(shí)現(xiàn)性能指標(biāo)的最優(yōu)化，已在城市污水處理過(guò)程中得到了廣泛的應(yīng)用[7-8].然而，實(shí)施城市污水處理優(yōu)化控制的過(guò)程中面臨兩個(gè)問(wèn)題:如何設(shè)計(jì)城市污水處理運(yùn)行過(guò)程的性能指標(biāo)和如何實(shí)現(xiàn)性能指標(biāo)的優(yōu)化.

為了描述城市污水處理過(guò)程出水水質(zhì)指標(biāo)，Jeong 等[9]提出了一種基于城市污水處理標(biāo)準(zhǔn)機(jī)理模型的出水化學(xué)需氧量預(yù)測(cè)模型，該模型能夠描述城市污水處理過(guò)程出水化學(xué)需氧量與溶解氧濃度、溫度、氧化還原電位等過(guò)程變量之間的關(guān)系.實(shí)驗(yàn)結(jié)果顯示所提出的出水化學(xué)需氧量預(yù)測(cè)模型具有較高的精度.此外，Xie 等[10]設(shè)計(jì)了一種基于活性污泥數(shù)學(xué)模型的出水水質(zhì)預(yù)測(cè)模型，用來(lái)獲取出水有機(jī)物濃度與固體停留時(shí)間和內(nèi)循環(huán)之間的相關(guān)關(guān)系.結(jié)果表明所提出的出水水質(zhì)模型能夠準(zhǔn)確地獲取城市污水處理過(guò)程出水水質(zhì)特性.為了同時(shí)實(shí)現(xiàn)對(duì)城市污水處理過(guò)程能耗指標(biāo)和出水水質(zhì)指標(biāo)的描述，Alsina 等[11]提出了一種基于機(jī)理反應(yīng)模型的污水處理過(guò)程性能綜合評(píng)價(jià)模型，用于描述能耗、出水水質(zhì)等性能指標(biāo)與溶解氧濃度、固體懸浮物濃度等過(guò)程變量之間的關(guān)系.實(shí)驗(yàn)結(jié)果表明基于多指標(biāo)的性能評(píng)價(jià)模型能夠準(zhǔn)確地獲取污水處理過(guò)程的動(dòng)態(tài)特性，從而提高污水處理過(guò)程的運(yùn)行效率.Yang 等[12]通過(guò)深入分析污水處理過(guò)程計(jì)算流體動(dòng)力學(xué)模型，建立了一種污水處理過(guò)程運(yùn)行性能評(píng)價(jià)預(yù)測(cè)模型，該性能評(píng)價(jià)預(yù)測(cè)模型能夠表達(dá)能耗、出水水質(zhì)與入水流量、溶解氧濃度等過(guò)程變量之間的關(guān)系.結(jié)果表明所提出的性能評(píng)價(jià)預(yù)測(cè)模型能夠準(zhǔn)確地表達(dá)能耗和出水水質(zhì)的動(dòng)態(tài)特性.但是，基于機(jī)理模型的性能指標(biāo)模型參數(shù)較多，難以保證模型精度[13-14].

為了解決性能指標(biāo)模型精度的問(wèn)題，Asadi等[15]通過(guò)分析城市污水處理過(guò)程的機(jī)理和運(yùn)行數(shù)據(jù)的特征，建立了一種基于神經(jīng)網(wǎng)絡(luò)的曝氣能耗模型，該模型的輸入變量是入水流量、溶解氧濃度、固體懸浮物濃度等過(guò)程變量，輸出變量是污水處理過(guò)程生化反應(yīng)過(guò)程的曝氣能耗.實(shí)驗(yàn)結(jié)果表明所建立的曝氣能耗模型能實(shí)時(shí)反映運(yùn)行過(guò)程變量與能耗之間的關(guān)系.為了同時(shí)考慮多個(gè)性能指標(biāo)，Durrenmatt等[16]提出了一種基于自組織映射的城市污水處理能耗和出水水質(zhì)評(píng)價(jià)模型，通過(guò)機(jī)理和數(shù)據(jù)相結(jié)合建立了性能指標(biāo)與關(guān)鍵過(guò)程變量的關(guān)系.實(shí)驗(yàn)結(jié)果表明所提出的基于自組織映射的能耗和出水水質(zhì)評(píng)價(jià)模型能夠準(zhǔn)確獲取系統(tǒng)運(yùn)行狀態(tài).此外，叢秋梅等[17]通過(guò)分析生化反應(yīng)過(guò)程運(yùn)行機(jī)理和過(guò)程數(shù)據(jù)，提出了一種基于遞階神經(jīng)網(wǎng)絡(luò)的污水處理過(guò)程評(píng)價(jià)模型，該模型能夠獲得出水化學(xué)需氧量濃度、出水懸浮物固體濃度、出水氨氮濃度等與各組分濃度之間的關(guān)系.實(shí)驗(yàn)結(jié)果表明該性能指標(biāo)模型可實(shí)現(xiàn)對(duì)城市污水處理運(yùn)行過(guò)程的實(shí)時(shí)評(píng)價(jià).然而，城市污水處理過(guò)程同時(shí)包含多個(gè)反應(yīng)單元和動(dòng)態(tài)的操作指標(biāo)，如何根據(jù)城市污水處理運(yùn)行過(guò)程設(shè)計(jì)包含多個(gè)反應(yīng)單元的動(dòng)態(tài)性能指標(biāo)模型仍然是一個(gè)具有挑戰(zhàn)性的任務(wù)[18-19].

如何設(shè)計(jì)優(yōu)化算法實(shí)現(xiàn)對(duì)性能指標(biāo)的優(yōu)化是實(shí)施城市污水處理過(guò)程優(yōu)化控制的另一個(gè)關(guān)鍵因素[20-21].針對(duì)城市污水處理過(guò)程多個(gè)沖突目標(biāo)的優(yōu)化問(wèn)題，Vega 等[22]提出了一種基于序列二次規(guī)劃的分層優(yōu)化控制方法，利用基于權(quán)重系數(shù)的序列二次規(guī)劃方法來(lái)優(yōu)化能耗和出水水質(zhì)模型，獲取溶解氧和硝態(tài)氮的優(yōu)化設(shè)定值，并利用PID 控制策略對(duì)優(yōu)化設(shè)定值進(jìn)行控制.實(shí)驗(yàn)結(jié)果表明該方法能夠有效提高操作性能，能夠在保證出水水質(zhì)達(dá)標(biāo)的條件下降低運(yùn)行能耗.此外，Schluter 等[23]提出了一種基于擴(kuò)展蟻群優(yōu)化算法的優(yōu)化控制策略，通過(guò)該優(yōu)化策略權(quán)衡經(jīng)濟(jì)成本和操作性能，獲取被控變量?jī)?yōu)化設(shè)定值，并利用PI 控制器完成對(duì)設(shè)定值的控制，保證城市污水處理過(guò)程的優(yōu)化運(yùn)行.雖然上述優(yōu)化控制策略能夠提高城市污水處理過(guò)程的操作性能，但其本質(zhì)都是將多目標(biāo)優(yōu)化問(wèn)題通過(guò)權(quán)重系數(shù)轉(zhuǎn)化為單目標(biāo)優(yōu)化問(wèn)題.由于城市污水處理過(guò)程中的非線(xiàn)性和時(shí)變性等特點(diǎn)，難以獲取合適的權(quán)重參數(shù)[24-25].為了解決城市污水處理過(guò)程的多目標(biāo)優(yōu)化控制問(wèn)題，Guerrero等[26]提出了一種多準(zhǔn)則的優(yōu)化控制策略，通過(guò)同時(shí)優(yōu)化運(yùn)行能耗和出水水質(zhì)獲得合適的溶解氧和硝態(tài)氮優(yōu)化設(shè)定值，并利用PI 控制器完成對(duì)設(shè)定值的控制.實(shí)驗(yàn)結(jié)果表明該優(yōu)化控制策略能夠提高操作性能，不僅改善了出水水質(zhì)，而且降低了能耗.為了進(jìn)一步提高優(yōu)化控制策略的性能，保證優(yōu)化設(shè)定值的有效性，Beraud 等[27]提出了一種基于自適應(yīng)多目標(biāo)微分進(jìn)化算法的智能多目標(biāo)優(yōu)化控制方法，利用自適應(yīng)多目標(biāo)微分進(jìn)化算法同時(shí)優(yōu)化能耗和出水水質(zhì)，獲得溶解氧和硝態(tài)氮的優(yōu)化設(shè)定值，并通過(guò)智能控制器完成對(duì)優(yōu)化設(shè)定值的控制.實(shí)驗(yàn)結(jié)果表明該方法能夠獲得一組有效的優(yōu)化設(shè)定值，提高城市污水處理過(guò)程的優(yōu)化控制性能.此外，Yen 等[28]提出了一種基于動(dòng)態(tài)多種群的多目標(biāo)粒子群優(yōu)化算法，利用動(dòng)態(tài)的種群策略和目標(biāo)空間壓縮與擴(kuò)展策略來(lái)管理群內(nèi)和群體間的信息交互，在搜索過(guò)程中逐步利用目標(biāo)空間.結(jié)果表明，該方法能夠獲得滿(mǎn)意的優(yōu)化解.此外，許多學(xué)者提出了不同的動(dòng)態(tài)多目標(biāo)優(yōu)化控制策略來(lái)提高城市污水處理過(guò)程的操作性能[29-31].然而，由于城市污水處理過(guò)程是一個(gè)復(fù)雜的動(dòng)態(tài)非線(xiàn)性系統(tǒng)，存在著多個(gè)時(shí)變的目標(biāo)函數(shù)，如何根據(jù)時(shí)變的優(yōu)化目標(biāo)設(shè)計(jì)一種動(dòng)態(tài)多目標(biāo)優(yōu)化控制策略來(lái)獲得合適的優(yōu)化解仍是一個(gè)急需解決的難點(diǎn)問(wèn)題[32-33].

為了實(shí)現(xiàn)城市污水處理過(guò)程的優(yōu)化控制，提高運(yùn)行性能，本文提出了一種城市污水處理過(guò)程動(dòng)態(tài)多目標(biāo)智能優(yōu)化控制(Dynamic multiobjective intelligent optimal control，DMIOC)策略.與其他優(yōu)化控制策略相比，所提出的DMOIC 策略的優(yōu)勢(shì)為:

1) 建立了一種基于自適應(yīng)核函數(shù)的動(dòng)態(tài)性能指標(biāo)模型，能夠?qū)崿F(xiàn)對(duì)關(guān)鍵性能指標(biāo)曝氣能耗、泵送能耗和出水水質(zhì)的準(zhǔn)確描述.

2) 設(shè)計(jì)了一種基于自適應(yīng)飛行參數(shù)調(diào)整機(jī)制的動(dòng)態(tài)多目標(biāo)粒子群優(yōu)化算法 (Dynamic multiobjective particle swarm optimization，DMOPSO)，通過(guò)飛行參數(shù)的自適應(yīng)調(diào)整有效平衡粒子的多樣性和收斂性，從而獲得合適的溶解氧和硝態(tài)氮優(yōu)化設(shè)定值.

3) 采用了一種多回路PID 控制策略，實(shí)現(xiàn)對(duì)溶解氧和硝態(tài)氮優(yōu)化設(shè)定值的控制.

1 城市污水處理過(guò)程動(dòng)態(tài)特性分析

在城市污水處理過(guò)程中，活性污泥法是最常用的處理方法.活性污泥反應(yīng)過(guò)程由生化反應(yīng)池和二次沉淀池組成，利用活性污泥的生物凝聚、吸附和氧化作用，以分解去除污水中的有機(jī)污染物.然后使污泥與水分離，大部分污泥再回流到曝氣池，多余部分則排出活性污泥系統(tǒng).因此，城市污水處理過(guò)程是一個(gè)復(fù)雜的動(dòng)態(tài)系統(tǒng)，具有以下運(yùn)行特點(diǎn):

1) 城市污水處理過(guò)程是一個(gè)動(dòng)態(tài)變化的過(guò)程，其反應(yīng)過(guò)程隨著入水流量、微生物活性等的變化而變化.

2) 城市污水處理運(yùn)行過(guò)程同時(shí)包含多個(gè)動(dòng)態(tài)性能指標(biāo)，如曝氣能耗、泵送能耗和出水水質(zhì)等，其性能指標(biāo)的運(yùn)行狀態(tài)隨著反應(yīng)過(guò)程的變化而實(shí)時(shí)調(diào)整，其優(yōu)化調(diào)整周期為2 個(gè)小時(shí).同時(shí)，各性能指標(biāo)之間相互影響且相互沖突.

3) 城市污水處理過(guò)程合適的被控變量?jī)?yōu)化設(shè)定值能夠保證出水水質(zhì)達(dá)標(biāo)排放，提高操作性能.

近年來(lái)，隨著城市污水處理過(guò)程規(guī)模的增加和排放要求的日益嚴(yán)格，在保證出水水質(zhì)的基礎(chǔ)上降低能耗是非常必要的.研究城市污水處理過(guò)程動(dòng)態(tài)多目標(biāo)智能優(yōu)化控制策略，同時(shí)考慮城市污水處理過(guò)程中的動(dòng)態(tài)特性和多個(gè)沖突目標(biāo)間的優(yōu)化，可以有效地提高城市污水處理過(guò)程的操作性能.

2 動(dòng)態(tài)多目標(biāo)智能優(yōu)化控制設(shè)計(jì)

為了有效平衡城市污水處理過(guò)程動(dòng)態(tài)環(huán)境下多個(gè)沖突目標(biāo)間的關(guān)系，本文提出了一種多目標(biāo)智能優(yōu)化控制方法——DMIOC.在DMIOC 中，為了準(zhǔn)確獲取城市污水處理過(guò)程中的動(dòng)態(tài)特性，建立了一種基于自適應(yīng)核函數(shù)的能耗和出水水質(zhì)模型;同時(shí)，為了平衡能耗和出水水質(zhì)之間的關(guān)系，設(shè)計(jì)了一種基于自適應(yīng)飛行參數(shù)調(diào)整機(jī)制的DMOPSO 算法，用于獲得合適的被控變量?jī)?yōu)化設(shè)定值.

2.1 動(dòng)態(tài)多目標(biāo)智能優(yōu)化控制架構(gòu)

本文設(shè)計(jì)了一種動(dòng)態(tài)多目標(biāo)智能優(yōu)化控制架構(gòu)(如圖1 所示).該架構(gòu)包含了基于自適應(yīng)核函數(shù)的動(dòng)態(tài)性能指標(biāo)模型，泵送能耗(Pumping energy，PE)、曝氣能耗(Aeration energy，AE)和出水水質(zhì)(Effluent quality，EQ) 模型，用于獲取系統(tǒng)動(dòng)態(tài)特性;設(shè)定值的動(dòng)態(tài)優(yōu)化方法，利用基于自適應(yīng)飛行參數(shù)調(diào)整機(jī)制的DMOPSO 算法來(lái)優(yōu)化PE、AE和EQ 模型，獲得被控變量溶解氧(Dissolved oxygen，SO) 和硝態(tài)氮(Nitrate nitrogen，SNO)的優(yōu)化設(shè)定值;設(shè)定值的控制方法，通過(guò)多回路PID 控制策略完成對(duì)SO和SNO優(yōu)化設(shè)定值的控制.此外，實(shí)驗(yàn)平臺(tái)為國(guó)際水協(xié)與歐盟科學(xué)技術(shù)合作組織聯(lián)合開(kāi)發(fā)的活性污泥污水處理基準(zhǔn)仿真模型(Benchmark simulation model No.1，BSM1).

2.2 動(dòng)態(tài)性能指標(biāo)模型的建立

城市污水處理運(yùn)行過(guò)程的主要目標(biāo)是在保證出水水質(zhì)達(dá)標(biāo)的同時(shí)降低操作能耗.準(zhǔn)確描述城市污水處理過(guò)程動(dòng)態(tài)性能指標(biāo)PE、AE 和EQ 是提升操作性能的關(guān)鍵.城市污水處理過(guò)程性能指標(biāo)PE、AE 和EQ 動(dòng)態(tài)調(diào)整周期為2 個(gè)小時(shí)，因此，在每個(gè)優(yōu)化周期應(yīng)實(shí)時(shí)獲取性能指標(biāo)的動(dòng)態(tài)特性.本文通過(guò)分析城市污水處理過(guò)程的動(dòng)態(tài)特性和運(yùn)行數(shù)據(jù)，獲取與PE、AE 和EQ 相關(guān)的過(guò)程變量，分別為入水流量Qin、SO、SNO、氨氮(Ammonia nitrogen，SNO)和懸浮物固體濃度(Suspended solids，SS).根據(jù)分析的相關(guān)過(guò)程變量，利用自適應(yīng)核函數(shù)方法建立PE 與相關(guān)過(guò)程變量間的動(dòng)態(tài)關(guān)系f1(·)、AE與相關(guān)過(guò)程變量間的動(dòng)態(tài)關(guān)系f2(·) 和EQ 與相關(guān)過(guò)程變量間的動(dòng)態(tài)關(guān)系f3(·)，其表達(dá)式為

圖1 城市污水處理過(guò)程動(dòng)態(tài)多目標(biāo)智能優(yōu)化控制架構(gòu)Fig.1 The scheme of DMIOC for municipal wastewater treatment process

其中，f1(x(t))為t時(shí)刻PE 模型，f2(x(t))為t時(shí)刻AE 模型，f3(x(t))為t時(shí)刻EQ 模型.x(t)為t時(shí)刻的輸入變量，x(t)=[Qin(t)，SO(t)，SNO(t)，SNH(t)，SS(t)].c1r(t)，c2r(t)，c3r(t) 分別為t時(shí)刻PE，AE 和EQ 模型中第r個(gè)核函數(shù)的中心，b1r(t)，b2r(t)，b3r(t)分別為t時(shí)刻PE，AE 和EQ 模型中第r個(gè)核函數(shù)的寬度，W1r(t)，W2r(t)，W3r(t) 分別為t時(shí)刻PE，AE 和EQ 模型中第r個(gè)核函數(shù)的連接權(quán)值，W10(t)，W20(t)，W30(t) 分別為t時(shí)刻PE，AE 和EQ 模型的偏置，r=1，2，···，R，R為核函數(shù)的個(gè)數(shù).

基于自適應(yīng)核函數(shù)的城市污水處理過(guò)程PE、AE 和EQ 模型，不僅可以根據(jù)實(shí)際輸出與期望輸出之間的誤差對(duì)性能指標(biāo)模型參數(shù)進(jìn)行自適應(yīng)調(diào)整，保證性能指標(biāo)模型的準(zhǔn)確性;同時(shí)，所提出的性能指標(biāo)模型建立了PE、AE 和EQ 與關(guān)鍵被控變量SO和SNO之間的關(guān)系，有利于實(shí)現(xiàn)城市污水處理過(guò)程動(dòng)態(tài)多目標(biāo)智能優(yōu)化控制.

2.3 設(shè)定值的動(dòng)態(tài)優(yōu)化

為了同時(shí)優(yōu)化動(dòng)態(tài)性能指標(biāo)PE、AE 和EQ，獲得被控變量?jī)?yōu)化設(shè)定值，將已建立的t時(shí)刻PE 模型f1(x(t))、AE 模型f2(x(t))和EQ 模型f3(x(t))作為優(yōu)化目標(biāo)函數(shù)，利用基于自適應(yīng)飛行參數(shù)調(diào)整機(jī)制的DMOPSO 算法對(duì)其進(jìn)行優(yōu)化，其優(yōu)化目標(biāo)函數(shù)F(t)為

2.4 設(shè)定值控制

3 實(shí)驗(yàn)結(jié)果及分析

將所設(shè)計(jì)的DMOPSO 算法和DMIOC 策略應(yīng)用于基準(zhǔn)測(cè)試函數(shù)和基準(zhǔn)仿真平臺(tái)BSM1，驗(yàn)證方法的有效性.通過(guò)收斂性指標(biāo) GD和多樣性指標(biāo)SP對(duì)所設(shè)計(jì)的DMOPSO 算法進(jìn)行評(píng)價(jià)，將設(shè)計(jì)的DMOPSO 算法與其他優(yōu)化算法(pccsAMOPSO[31]，clusterMOPSO[33]，NSGA[29])進(jìn)行比較，驗(yàn)證所設(shè)計(jì)的DMOPSO 算法的有效性.

為了保證算法比較的公平性，其他對(duì)比優(yōu)化算法的參數(shù)保持與原文相同.同時(shí)，將提出的DMIOC 與其他優(yōu)化控制策略進(jìn)行對(duì)比，驗(yàn)證DMIOC 的性能.此外，利用絕對(duì)誤差積分(Integral of absolute error，IAE)來(lái)評(píng)估控制性能:

其中，T是樣本總數(shù)，e1(t)和e2(t)分別為SO和SNO實(shí)際輸出和優(yōu)化設(shè)定值的誤差.

圖2 給出以動(dòng)態(tài)性能指標(biāo)模型PE、AE 和EQ作為優(yōu)化目標(biāo)函數(shù)進(jìn)行優(yōu)化時(shí)第6 天第1 次4 種優(yōu)化算法的效果圖.從圖中可以看出，與pccsAMOPSO[31]、clusterMOPSO[33]和NSGA[29]相比，DMOPSO 算法的優(yōu)化解分布更加均勻.具體的指標(biāo)如表1 所示.

圖2 不同優(yōu)化算法的逼近效果Fig.2 The approximation effect of different optimization algorithms

表1 給出不同優(yōu)化算法在ZDT3、ZDT4、DTLZ2、DTLZ7 四個(gè)測(cè)試函數(shù)中的優(yōu)化性能結(jié)果.從對(duì)比結(jié)果可以看出，所提出的DMOPSO 算法可以在ZDT3和DTLZ2 函數(shù)中獲得最小的SP 值，在ZDT4 和DTLA7 函數(shù)中可以獲得最小的GD 和SP 值.這些結(jié)果表明，本文所設(shè)計(jì)的DMOPSO 算法可獲得多樣性和收斂性性能更佳的優(yōu)化解.

表2 給出不同優(yōu)化算法在不同測(cè)試函數(shù)中的計(jì)算時(shí)間，在ZDT3 和ZDT4 函數(shù)中，所提出的DMOPSO 方法具有最少的計(jì)算時(shí)間，在DTLZ2和DTLA7 函數(shù)中計(jì)算時(shí)間與用時(shí)最少的Cluster-MOPSO 算法相比相差較少，結(jié)果表明，本文提出的DMOPSO 算法能夠快速收斂到Pareto 前沿.

圖3 給出4 種不同的優(yōu)化控制方法獲得的平均PE 值.實(shí)驗(yàn)結(jié)果顯示，與clusterMOPSO-OC，pccsAMOPSO-OC 和NSGA+PI-OC 相比，所提出的DMIOC 策略可以獲得最小的平均PE 值.圖4給出4 種優(yōu)化控制算法獲得的平均AE 值，從圖中可以看出，所設(shè)計(jì)的DMIOC 策略能夠有效地降低AE，減少曝氣操作成本.圖5 給出4 種不同優(yōu)化控制算法的平均EQ 值，除第10 天和第11 天之外，DMIOC 策略可以在12 天內(nèi)獲得最優(yōu)的EQ 值.為了進(jìn)一步驗(yàn)證所提出方法的有效性，將DMIOC 與其他優(yōu)化控制策略進(jìn)行對(duì)比，具體結(jié)果如表3 所示.

表1 不同優(yōu)化算法的性能比較Table 1 The approximation effect of different optimization algorithms

表2 不同優(yōu)化算法的計(jì)算時(shí)間比較 (s)Table 2 Calculation time comparison of different optimization methods (s)

表3 給出4 種不同優(yōu)化控制算法的優(yōu)化結(jié)果對(duì)比.從結(jié)果可以看出，DMIOC 策略得到的平均AE和PE 值分別為249 kW·h 和3 630 kW·h，其操作能耗(PE 和AE 之和)小于其他優(yōu)化控制策略.同時(shí)，平均EQ 值為6 616 kg poll，小于其他對(duì)比的優(yōu)化控制策略.結(jié)果表明，所提出的DMIOC 策略能有效地降低污水處理過(guò)程操作能耗，改善出水水質(zhì).同時(shí)，結(jié)果驗(yàn)證了所提出的DMIOC 策略能夠有效地應(yīng)用于城市污水處理過(guò)程.

圖3 平均PE 值Fig.3 Average values of PE

圖4 平均AE 值Fig.4 Average values of AE

圖5 平均EQ 值Fig.5 Average values of EQ

圖6 和圖7 分別給出被控變量SO和SNO的控制效果圖.圖6 為SO的控制結(jié)果圖，其中，實(shí)線(xiàn)為通過(guò)DMOPSO 獲得的SO優(yōu)化設(shè)定值，虛線(xiàn)為通過(guò)多回路PID 控制策略獲得的SO實(shí)際輸出.從圖6可以看出，所提出的DMIOC 策略能較好地跟蹤優(yōu)化設(shè)定值.圖7 給出SNO的控制效果，其中，實(shí)線(xiàn)為通過(guò)DMOPSO 獲得的SNO優(yōu)化設(shè)定值，虛線(xiàn)為通過(guò)多回路PID 控制策略獲得的SNO實(shí)際輸出.從圖中可以看出，DMIOC 能以較小的誤差實(shí)現(xiàn)控制.控制誤差結(jié)果如圖8 所示，SO跟蹤誤差范圍為±0.25 mg/l，SNO控制誤差范圍為 ±0.58 mg .上述實(shí)驗(yàn)結(jié)果表明，所提出的DMIOC 策略能夠?qū)崿F(xiàn)對(duì)被控變量SO和SNO優(yōu)化設(shè)定值的控制.

表3 不同優(yōu)化控制方法優(yōu)化性能比較Table 3 Comparison of optimization performance of different optimal control methods

圖6 SO的控制效果Fig.6 Control results of SO

為了進(jìn)一步驗(yàn)證所提出方法的控制性能，將DMIOC 策略與其他優(yōu)化控制策略進(jìn)行對(duì)比，具體結(jié)果如表4 所示.表4 給出4 種不同優(yōu)化控制算法DMIOC，clusterMOPSO-OC，pccsAMOPSO-OC和NSGA+PI-OC 的控制性能比較結(jié)果.從表4可以看出，所提出的DMIOC 策略能夠獲得較好的控制效果，IAE為 0.097 mg/l，低于其他幾種對(duì)比的優(yōu)化控制算法.同時(shí)，出水氨氮SNH和出水懸浮物濃度SS的值分別為 3.08 mg/l和 12.15 mg/l，均小于其他優(yōu)化控制策略的出水有機(jī)物濃度.實(shí)驗(yàn)結(jié)果表明，所提出的DMIOC 策略能夠獲得有效的溶解氧和硝態(tài)氮優(yōu)化設(shè)定值.同時(shí)，該方法能夠保證控制效果，降低出水有機(jī)物濃度.因此，所提出的DMIOC 適用于城市污水處理過(guò)程.

圖7 SNO的控制效果Fig.7 Control results of SNO

圖8 SO和 SNO的誤差值Fig.8 Control errors of SO andSNO

表4 不同優(yōu)化控制方法控制性能比較Table 4 Comparison of control performance of different optimal control methods

4 總結(jié)與展望

針對(duì)城市污水處理過(guò)程優(yōu)化控制問(wèn)題，本文提出了一種城市污水處理過(guò)程多目標(biāo)智能優(yōu)化控制策略.在該策略中，利用自適應(yīng)核函數(shù)方法獲取城市污水處理過(guò)程的動(dòng)態(tài)特性，通過(guò)基于自適應(yīng)飛行參數(shù)調(diào)整機(jī)制的動(dòng)態(tài)多目標(biāo)粒子群優(yōu)化算法獲得優(yōu)化設(shè)定值.根據(jù)實(shí)驗(yàn)結(jié)果及分析得到以下結(jié)論:

1) 基于自適應(yīng)核函數(shù)的泵送能耗、曝氣能耗和出水水質(zhì)模型能夠根據(jù)城市污水處理過(guò)程運(yùn)行狀態(tài)進(jìn)行動(dòng)態(tài)調(diào)整，實(shí)現(xiàn)對(duì)城市污水處理過(guò)程關(guān)鍵性能指標(biāo)的準(zhǔn)確描述.

2) 基于自適應(yīng)飛行參數(shù)調(diào)整機(jī)制的動(dòng)態(tài)多目標(biāo)粒子群優(yōu)化算法，能夠平衡種群的全局探索能力及局部開(kāi)發(fā)能力，同時(shí)優(yōu)化城市污水處理過(guò)程泵送能耗、曝氣能耗和出水水質(zhì)多個(gè)沖突目標(biāo)的關(guān)系，獲得有效的溶解氧和硝態(tài)氮優(yōu)化設(shè)定值.

3) 通過(guò)多回路PID 控制策略能夠?qū)崿F(xiàn)對(duì)動(dòng)態(tài)優(yōu)化設(shè)定值的控制，保證城市污水處理過(guò)程的穩(wěn)定運(yùn)行.所提出的DMIOC 策略可以取得較好的優(yōu)化效果和控制效果，結(jié)果表明該方法適用于城市污水處理過(guò)程.

雖然本文提出的城市污水處理過(guò)程多目標(biāo)智能優(yōu)化控制策略能夠取得較好的效果，但仍有一些方面需要改進(jìn).在應(yīng)用優(yōu)化控制策略時(shí)，對(duì)城市污水處理過(guò)程關(guān)鍵性能指標(biāo)動(dòng)態(tài)特性的準(zhǔn)確獲取尤為重要，而關(guān)鍵性能指標(biāo)由于其反應(yīng)過(guò)程的不同，反應(yīng)時(shí)間尺度亦不相同.如何將不同的時(shí)間尺度特點(diǎn)考慮到動(dòng)態(tài)特性獲取過(guò)程中，進(jìn)一步提高城市污水處理過(guò)程優(yōu)化控制性能仍然是一個(gè)需要解決的難題.