[發明專利]基于極限學習機的污水處理過程預測控制方法

有效

• 申請號: 202010546838.6
• 申請日: 2020-06-16
• 公開（公告）號: CN111650834B
• 公開（公告）日: 2022-08-30
• 發明（設計）人: 王欣;秦斌;俞方罡
• 申請（專利權）人: 湖南工業大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 曾志鵬

針對現有污水處理控制技術中所存在的不足，發明一種基于極限學習機(ELM)的預測控制方法，本發明提出的方法通過采集污水過程數據，利用極限學習機建立包含污水過程溶解氧和硝態氮系統模型，準確描述系統實時狀態，采用預測控制算法進行滾動優化，將控制目標及各種約束體現在優化性能指標中，并根據實時數據在線更新模型。實現了污水處理過程的流程優化控制，能根據控制情況及時調整控制量，保證控制過程的穩定，而且能夠根據過程的變化情況進行自適應優化控制，使污水處理過程能耗降低。利用極限學習機作為預測控制的預測模型，不僅提高了系統的泛化性，避免了局部最優解，還提高了模型預測的速度，在獲得相對高的精度時計算時間更短。

技術領域

本發明屬于污水處理領域，更具體地說，涉及一種污水處理優化控制方法及系統。

背景技術

污水排放中含有大量的有機物、氮、磷等物質,是當今水體污染的主要原因，逐漸嚴格的污水排放標準對污水處理的控制要求也日益提高，但是污水處理過程是一個工藝復雜，具有強耦合、不確定、非線性和大滯后等特點的復雜系統，經過多年的建設，我國污水處理行業取得了一定的成績，但落后的生產技術和粗放的管理使得大部分污水廠處理成本高、效率低。最突出的表現在相對較小的污水處理廠，因為儀表的準確性不好，設備運行調整遲緩導致出水水質會有些差異，可靠性和抗干擾能力不是很高。因此，如何保證污水處理廠出水水質合格，并在此前提下盡可能的降低能耗物耗并改善生產管理方式是現階段需要迫切解決的問題。

由于污水處理高度非線性、不確定性等特點,并且外界流入組分波動影響很大,采用常規控制比較困難，要使得控制達到出水排放標準,并且降低污水處理的操作費用,應用先進的智能控制技術是一種很有前景的方法,也得到了許多學者的研究，模型預測控制對模型精度的要求不高，同時卻具有較高的控制性能, 模型預測控制的優點決定了該方法能夠有效地用于復雜工業過程的控制，并且已在石油、化工、冶金、機械等工業部門的過程控制系統中得到了成功的應用，預測控制之所以能在實際工程中得到成功的應用，其成功之處在于突破了傳統的控制模式，傳統的模型預測控制的算法形式都始終包括了預測模型、參考軌跡、在線校正、目標函數或性能指標以及在線滾動優化等五個方面，隨著預測控制的發展，神經網絡的函數逼近能力、自學習能力、復雜分類功能、聯想記憶功能、快速優化計算能力，以及其高度并行分布信息存貯方式帶來的強魯棒性和容錯性，神經網絡逐漸應用于模型預測控制。

發明內容

技術問題：在污水處理過程中，由于污水處理高度非線性、不確定性等特點,并且外界流入組分波動影響很大，傳統的PID和神經網絡很難起到良好的控制作用，大量的計算導致運行速度過慢，容易陷入局部最優解。

技術方案：為了解決上述問題，將極限學習機(ELM)應用到污水處理中去，結合預測控制使得污水中重要參數控制達到要求。對于污水處理過程來說，由于入水情況無規律可循、生化處理過程難以描述，是一個典型的非線性系統。通過采集污水過程數據，利用極限學習機建立包含污水過程溶解氧和硝態氮系統模型，準確描述系統實時狀態，采用預測控制算法進行滾動優化，將控制目標及各種約束體現在優化性能指標中，并根據實時數據在線更新模型。本發明是基于極限學習機的基礎上，使用預測控制對重要參數進行控制，由傳統預測模型得知，其作用是為整個預測系統提供模型預測值，污水處理過程規律難以把握，但需要控制的參數的過去控制量以及預測值，和此刻預測值存在一定的關系。

本發明提出的一種基于ELM的預測控制算法，其結構圖如圖1所示，主要包括極限學習機回歸模型和預測控制算法兩個部分。

采用極限學習機建立污水處理過程模型，采用兩個控制量內回流量Qa、氧傳遞系數k_La,5,缺氧池入水組分Za和好氧池入水組分Zo作為輸入變量，出水硝態氮濃度S_NO,2和溶解氧S_O,5作為模型輸出，由輸入輸出構建訓練樣本集。

1.極限學習機回歸模型部分主要實現步驟如下：

Step1：采集輸入變量和輸出變量的實時數據，將這些數據進行歸一化處理。