432· 智能系统学报 第7卷 每一个单元，均以Q。表示流量，Z。表示各组分 的条件为出水水质达标的情况下满足局部的能耗指 的浓度，Z=（S1,Ss,X1,Xs,XH,Xp,SNo,SH, 标.由于反映出水水质的参数存在测量滞后，有些甚 SND,XND,SAK),Ik=HP1+U2p2+·+Pg表示各 至无法在线测量，因此采用神经网络对部分出水水 组分的反应速率，缺氧区2个单元的体积V,=V2= 质参数进行预测，通过预测指标与约束条件的对比 1000m3,好氧区3个单元的体积V3=V4=V,= 作为判断智能优化算法寻优过程停止的依据， 1333m3,各单元的物料平衡方程如下. 图3为污水处理过程的动态优化控制系统结 对于单元1，k=1,有 构，以溶解氧浓度So、混合液悬浮物固体浓度SMss =(Q2+Q,Z,+Q2+r1K-QZ). 和硝态氮浓度S的设定值作为优化对象.在底层 控制回路中采用3个神经网络控制器，第1个通过 (7) 调节第5分区的氧气转换系数K(5)控制So,第2 式中：Q=Q。+Q,+Qo,Q.、Q,、Q。分别为混合液回 个通过调节外回流量Q,控制第5分区的SMss,第3 流量、污泥回流量和入水流量， 个通过调节内回流量Q。控制第2分区的So.通过 对于其他单元，k=2,3,4,5,有 神经网络预测模型寻找K(5)、Q,和Q.与出水水质 dZ=(QZV-02). 参数(BOD(biochemical oxygen demand)、COD(chemical (8 oxygen demand)、TSS(total suspended solids）、SNu和 式中：Qk=Qk-1 N)的非线性关系，对实时获得的数据进行判断，剔 溶解氧的物料平衡表示为 除异常数据，通过实际出水水质与神经网络预测结 g=Qwn+n-0+ 果的对比偏差，对神经网络进行在线修正和调整.这 dt 里神经网络预测模型采用的是BP神经网络 KLa(k)V(Spo.m -Spo.:)). (9) SoDO挠器(5例】 式中：K表示氧气转换速率，Spo,m代表饱和溶解氧 水 能 Svi.Ss sp,MLSS控制卷 BSMI 浓度，仿真中取So,m=8g·m3. 指 SOP,硝态氨控制器 在活性污泥法污水处理中，混合液悬浮固体浓 度表示为 SMss=M。+M。+M,+M# (10) 式中：M。代表活性污泥中活的微生物量，M。代表活 图3优化控制系统 性污泥中微生物内源呼吸残留物，M代表活性污泥 Fig.3 Optimal control system 中不可生物降解的有机悬浮固体，M:代表活性污泥 2.3优化问题描述 中由原废水带入的无机悬浮固体， 综合考虑运行成本和出水水质2个方面，采用 改进的自适应粒子群优化算法优化控制策略，动态 2.2过程控制系统 在活性污泥污水处理系统中，可以选择的控制 调整控制回路的设定值So.SPSNO.sP和SMs,sP·优化 变量较多，例如进水流量、污泥回流量、污泥排放量、 问题的目标函数3]为 曝气量等.在污水处理过程中，能耗包括曝气能耗和 12+7 J=min+Q)di. (11) 泵送能耗，影响曝气能耗的因素主要是溶解氧的浓 式中：E=E4+Ep表示运行费用，E4为曝气耗能，Ep 度；影响泵送能耗的主要因素则是内外回流的流量. 为泵送耗能：Q表示向受纳水体排放污染物需要支 而且在活性污泥系统中溶解氧浓度、硝态氮浓度和 付的费用.E4、Ep、Q的表示如式(12)~（14)，Q的 混合液悬浮物固体浓度是影响硝化反硝化进程的重 大小与出水水质有关，出水水质越好，Q值越小. 要参数，因此选择曝气量、污泥回流量和内循环回流 +T 量作为控制变量，对系统中溶解氧浓度So,即、硝态 E=x1.8x100: ∑y·K(e),(12) 氮浓度So,sp和混合液悬浮物固体浓度Suss,sp的设 定点进行优化控制，以提高活性污泥系统处理效果 E=”ao040.月+ 和降低运行成本 0.05Q(t)+0.008Q,(t))dt, (13) 优化控制系统采用智能优化算法与神经网络预 测相结合的方法，实现基础回路设定值的动态优化。 0=7x1m"2s5,(0+coD,(0+ ri+T 通过智能优化算法对控制指标寻优，寻优过程终止 30So.(t)+10S✉.(t)+2B0D.(t)d.(14)