[發明專利]一種城市污水處理過程自適應評估多目標優化控制方法

在審

• 申請號: 202011169060.8
• 申請日: 2020-10-28
• 公開（公告）號: CN112465185A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 韓紅桂;張琳琳;喬俊飛
• 申請（專利權）人: 北京工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06N3/00;C02F3/28
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 劉萍

1.一種城市污水處理過程自適應評估多目標優化控制方法，其特征包括建立基于徑向基核函數的城市污水處理過程優化控制目標模型、設計基于自適應評估多目標粒子群的優化控制方法，具體步驟為：

(1)建立基于徑向基核函數的城市污水處理過程優化控制目標模型

1)以城市污水處理過程能耗和出水水質作為優化目標，建立城市污水處理過程優化控制目標模型：

minF(t)＝[f₁(t),f₂(t)] (1)

其中，F(t)為t時刻城市污水處理過程優化控制目標模型；f₁(t)為t時刻城市污水處理過程能耗模型，f₂(t)為t時刻城市污水處理過程出水水質模型；

2)建立城市污水處理過程能耗和出水水質模型：

其中，w₁₀(t)為f₁(t)的輸出偏移，取值范圍為[-2，2]；w₂₀(t)為f₂(t)的輸出偏移，取值范圍為[-2，2]；Q₁為f₁(t)中徑向基核函數的數量，取值范圍為[1，20]；Q₂為f₂(t)中徑向基核函數的數量，取值范圍為[1，20]；w_1q(t)為f₁(t)中第q個徑向基核函數的權重；w_2q(t)為f₂(t)中第q個徑向基核函數的權重；s(t)＝[S_NO(t)，S_O(t)，MLSS(t)，S_NH(t)]為f₁(t)和f₂(t)的輸入矩陣；S_NO(t)為t時刻生化反應池第二分區硝態氮濃度，取值范圍為[0.2mg/L，2mg/L]；S_O(t)為t時刻生化反應池第五分區溶解氧濃度，取值范圍為[0.4mg/L，3mg/L]；MLSS(t)為t時刻出水混合懸浮物濃度，取值范圍為[0mg/L，100mg/L]；S_NH(t)為t時刻出水氨氮濃度，取值范圍為[0mg/L，5mg/L]；c_1q(t)＝[c_1q,1(t)，c_1q,2(t)，c_1q,3(t)，c_1q,4(t)]為f₁(t)中第q個徑向基核函數的中心向量；c_1q,1(t)為f₁(t)中第q個徑向基核函數的第一維中心，取值范圍為[-1.5，1.5]；c_1q,2(t)為f₁(t)中第q個徑向基核函數的第二維中心，取值范圍為[-1.5，1.5]；c_1q,3(t)為f₁(t)中第q個徑向基核函數的第三維中心，取值范圍為[-1.5，1.5]；c_1q,4(t)為f₁(t)中第q個徑向基核函數的第四維中心，取值范圍為[-1.5，1.5]；c_2q(t)＝[c_2q,1(t)，c_2q,2(t)，c_2q,3(t)，c_2q,4(t)]為f₂(t)中第q個徑向基核函數的中心向量；c_2q,1(t)為f₂(t)中第q個徑向基核函數的第一維中心，取值范圍為[-1.5，1.5]；c_2q,2(t)為f₂(t)中第q個徑向基核函數的第二維中心，取值范圍為[-1.5，1.5]；c_2q,3(t)為f₂(t)中第q個徑向基核函數的第三維中心，取值范圍為[-1.5，1.5]；c_2q,4(t)為f₂(t)中第q個徑向基核函數的第四維中心，取值范圍為[-1.5，1.5]；σ_1q(t)為f₁(t)中第q個徑向基核函數的寬度，取值范圍為[0，2.5]；σ_2q(t)為f₂(t)中第q個徑向基核函數的寬度，取值范圍為[0，2.5]；

(2)設計基于自適應評估多目標粒子群的優化控制方法

1)以城市污水處理過程可控變量硝態氮濃度S_NO和溶解氧濃度S_O作為多目標粒子群優化的位置變量，設置多目標粒子群優化的種群規模N，取值范圍為[20，50]；設置外部檔案中非支配解的最大數量H_max，取值范圍為[20，50]；設置多目標粒子群優化的最大迭代次數K_max，取值范圍為[50，100]；種群迭代次數為k，取值范圍為[1，K_max]；

2)對種群進行初始化，隨機生成具有N個粒子的種群，以公式(1)為優化目標對每個粒子進行求解，獲得個體最優解：

p_n(1)＝x_n(1) (4)

其中，p_n(1)為第n個粒子在第一代獲得的個體最優解；x_n(1)＝[x_n,1(1)，x_n,2(1)]為第n個粒子在第一代的位置向量，x_n,1(1)為第一次迭代過程中第n個粒子的第一維位置，取值范圍為[0.2mg/L，2mg/L]，x_n,2(1)為第一次迭代過程中第n個粒子的第二維位置，取值范圍為[0.4mg/L，3mg/L]；

外部檔案的建立：外部檔案通過粒子間的目標對比獲得，當一個粒子的兩個目標都小于等于其它粒子的對應目標，且至少有一個目標小于其它粒子的對應目標時，稱該粒子為非支配解，對種群中粒子的目標進行對比，獲得的非支配解存入外部檔案；

計算第一次迭代過程中非支配解的全局多樣性信息：

其中，G_D(1)為外部檔案中非支配解在第一代的全局多樣性信息；H(1)為第一代外部檔案中非支配解的數量；d_h(1)為第一代外部檔案中第h個非支配解與外部檔案中其它粒子在目標空間的最小歐式距離；為外部檔案中所有非支配解的d_h(1)的平均值；

3)種群進化過程：

①進入下次迭代，即，使迭代次數增加1，計算外部檔案中非支配解的全局多樣性信息：

其中，G_D(k)為外部檔案中非支配解在第k代的全局多樣性信息；H(k)為第k代外部檔案中非支配解的數量；d_h(k)為第k代外部檔案中第h個非支配解與外部檔案中其它粒子在目標空間的最小歐式距離；為外部檔案中所有非支配解的d_h(k)的平均值；當G_D(k)≤G_D(k-1)時，記多樣性需求指標R_D(k)＝1；否則，記多樣性需求指標R_D(k)＝0；

計算外部檔案中非支配解的全局收斂性信息：

其中，G_C(k)為第k代全局收斂性信息；a_h(k)為外部檔案A(k)中第h個非支配解的位置向量；為a_h(k)與之間的距離；為A(k-1)中被a_h(k)支配的粒子；當G_C(k)＝0時，收斂性需求指標R_C(k)＝1；否則，收斂性需求指標R_C(k)＝0；

判斷R_D(k)和R_C(k)的關系，當R_D(k)≠R_C(k)時，

E(k)＝R_D(k)-R_C(k) (7)

其中，E(k)為第k代種群進化需求；

當R_D(k)＝R_C(k)，且k≤4時，

當R_D(k)＝R_C(k)，且k4時，

其中，τ為歷史迭代次數；通過多樣性需求指標R_D(k)和收斂性需求指標R_C(k)來獲得種群進化需求，以指導種群進化；

②對外部檔案中的非支配解進行評估，當種群進化需求E(k)0時，非支配解a_h(k)的評估值A_CE(a_h(k))取a_h(k)在目標空間中與外部檔案其它粒子之間歐氏距離的最小值；當E(k)≤0時，非支配解a_h(k)的評估值A_CE(a_h(k))取a_h(k)在目標空間的轉換距離，a_h(k)在目標空間的轉換距離為外部檔案中所有粒子的旋轉位置與a_h(k)之間歐式距離之和；粒子與a_h(k)在目標空間中相比，最大的目標值作為粒子的旋轉位置；

在外部檔案中A_CE(a_h(k))最大的前10％的非支配解中隨機選擇一個解作為候選解c_g(k)，從而獲得具有較高評估值的候選解；

③采用局部搜索策略獲取全局最優解，首先生成一個隨機向量r₁＝[r_1,1，r_1,2]；r_1,1為局部搜索過程中粒子第一維隨機值，取值范圍為[0，1]；r_1,2為局部搜索過程中粒子第二維隨機值，取值范圍為[0，1]；當r_1,10.7時

其中，g₁(k)為第k代全局最優解的第一個維度；c_g1(k)為第k代候選解的第一個維度；x₁^upper＝2mg/L為S_NO(t)上限；x₁^lower＝0.2mg/L為S_NO(t)下限；r_2,1為粒子第一維突變隨機值，取值范圍為[0，1]；當r_1,1≤0.7時，g₁(k)＝c_g1(k)；

當r_1,20.7時

其中，g₂(k)為第k代全局最優解的第二個維度；c_g2(k)為第k代候選解的第二個維度；x₂^upper＝3mg/L為S_O(t)上限；x₂^lower＝0.4mg/L為S_O(t)下限；r_2,2為粒子第二維突變隨機值，取值范圍為[0，1]；當r_1,2≤0.7時，g₂(k)＝c_g2(k)；最后，獲得全局最優解g(k)＝[g₁(k)，g₂(k)]來引導種群進化；

④多目標粒子群優化的位置和速度更新方式為

v_n(k+1)＝0.5v_n(k)+2r₃(p_n(k)-x_n(k))+2r₄(g(k)-x_n(k)) (12)

x_n(k+1)＝x_n(k)+v_n(k+1) (13)

其中，v_n(k)為第n個粒子在第k代的速度向量；x_n(k)為第n個粒子在第k代的位置向量；p_n(k)為第n個粒子在第k代的個體最優解；r₃＝[r_3,1，r_3,2]為個體認知項隨機向量；r_3,1為個體認知項第一維隨機值，取值范圍為[0，1]；r_3,2為個體認知項第二維隨機值，取值范圍為[0，1]；r₄＝[r_4,1，r_4,2]為社會認知項隨機向量；r_4,1為社會認知項第一維隨機值，取值范圍為[0，1]；r_4,2為社會認知項第二維隨機值，取值范圍為[0，1]；通過粒子的位置和速度更新，實現種群進化；

⑤外部檔案更新：

比較種群中粒子和外部檔案中粒子的支配關系，選擇種群和外部檔案中非支配解更新外部檔案A(k)，若A(k)中非支配解的數量大于H_max，則刪除在目標空間中擁擠距離小的非支配解，使得外部檔案中非支配解的數量小于或等于H_max；

⑥若k小于K_max，則轉到步驟①，否則，轉到步驟⑦；

⑦在外部檔案中隨機選擇一個非支配解的位置向量作為優化設定值[S_NO^*(t)，S_O^*(t)]，其中，S_NO^*(t)為t時刻生化反應池第二分區硝態氮優化設定值，S_O^*(t)為t時刻生化反應池第五分區溶解氧優化設定值；

4)使用PID對優化設定值進行跟蹤控制，PID的表達方式如下：

其中，Δu(t)＝[ΔQ_a(t)，ΔK_La5(t)]^T為t時刻操作變量向量；ΔQ_a(t)為t時刻污水處理內循環流量的變化量；ΔK_La5(t)為t時刻第五分區氧傳遞系數的變化量；K_p是比例系數矩陣；H_l是積分系數矩陣；H_d是微分系數矩陣；e(t)＝y^*(t)^T-y(t)^T為t時刻控制誤差矩陣；y^*(t)＝[S_NO^*(t)，S_O^*(t)]是t時刻的優化設定值；y(t)＝[S_NO(t)，S_O(t)]是實際輸出矩陣；PID控制器的輸出是污水處理內循環流量的變化值ΔQ_a(t)和第五分區氧傳遞系數的變化量ΔK_La5(t)；

(3)城市污水處理過程自適應評估多目標優化控制系統的輸入是內循環流量的變化值ΔQ_a(t)和第五分區氧傳遞系數的變化量ΔK_La5(t)，對城市污水處理過程S_NO和S_O的優化設定值進行跟蹤控制。