·598. 智能系统学报 第11卷 周五和周末的水量差异。 3.5 PID控制 优化设定值 3.5,*10 3 2.5 3.0 2. 2.5 0 2.0 0.5 ALn 68101214 d 10 12 14 图6溶解氧浓度优化设定值及跟踪曲线 Fig.6 Optimal set-point values of dissolved oxygen con- 图4晴天工况下进水流量变化 centration and tracking control performance Fig.4 Influent flow in the dry weather 140 PD控制 一优化设定值 Ss Snh -Snd 2.0 120 1.5 80 1.0 60 40 0.5 20 wMMh 0 2 6 8 10 12 14 0 24 68101214 图7硝态氨浓度优化设定值及跟踪曲线 图5晴天工况下重要污染物浓度 Fig.7 Optimal set-point values of nitrate concentration Fig.5 Several key pollutants concentration in the dry weather and tracking control performance 对于曝气能耗和泵送能耗模型，网络结构选为 由图6和图7的优化设定值曲线可以看出，溶 2-10-1,2代表网络输入神经元的个数，1为输出神 解氧浓度和硝态氮浓度的设定值可以依据污水处理 经元的个数，10为中间隐含层神经元的个数：对于 过程的系统运行情况不断调整，如周末进水流量较 出水氨氮和出水总氮模型，网络结构选为3-20-1， 小，优化设定值也相应调整到较低值以降低能量消 学习速率7=0.01：多目标优化算法参数设置如下： 耗。同时，底层PD控制实现了较好的跟踪控制。 维度D=2,种群规模N=40,最大进化代数M=30。 表1给出了闭环控制、单目标优化控制和所提多目 溶解氧浓度和硝态氮浓度优化设定值范围[]取为 标优化控制策略下平均出水水质浓度比较。可见，3 0.4<x,<3,0.5<2<2,优化周期为2h。PID控制器 种控制策略下，5种关键出水水质均达到排放标准。 参数设置为：Kp,1=200,K.1=15,K.1=2和 出水5日生物需氧量BOD,浓度、出水化学需氧量 Kp.2=20000,K.2=5000,Ko.2=400。为了与所提 COD浓度、出水固体悬浮物TSS浓度在不同控制策 多目标优化控制方法的运行结果相比较，在相同仿 略下没有明显的变化，出水氨氮S和总氨N在优 真环境下，引入闭环PD控制和单目标优化控 化前后变化较为明显，且直观表现出出水氨氨和出 制。闭环PD控制是指溶解氧浓度和硝态氨浓 水总氮的相互冲突特性，即出水总氮浓度下降，则出 度设定值在控制过程中分别保持为固定值2mg/L 水氨氮浓度上升，反之亦然。 和1mg/L不变。 表1不同控制策略下平均出水水质比较 3.2实验结果及分析 Table 1 A comparison of mean effluent qualities g/m 多目标优化控制方案下，溶解氧浓度和硝态氮 总氮 氨氮 控制策略 生物需氧化学需氧固体悬浮 浓度优化设定值及PD跟踪控制结果，如图6、图7 量BOD, 量COD 物TSS N SxH 所示，其中实线为优化设定值，虚线为PD跟踪控 指标限值 10 100 30 18 4 制曲线。表1给出了不同控制策略下5种关键出水 闭环控制 2.68 47.51 12.62 16.882.30 水质的平均浓度对比，表2展示了污水处理系统曝 优化控制) 2.69 47.55 12.62 14.92 3.24 气能耗、泵送能耗和总能耗在不同控制策略下的数 本文优化方法2.68 47.51 12.61 15.172.95 据结果对比。周五和周末的水量差异。 图 ４ 晴天工况下进水流量变化 Ｆｉｇ．４ Ｉｎｆｌｕｅｎｔ ｆｌｏｗ ｉｎ ｔｈｅ ｄｒｙ ｗｅａｔｈｅｒ 图 ５ 晴天工况下重要污染物浓度 Ｆｉｇ．５ Ｓｅｖｅｒａｌ ｋｅｙ ｐｏｌｌｕｔａｎｔｓ ｃｏｎｃｅｎｔｒａｔｉｏｎ ｉｎ ｔｈｅ ｄｒｙ ｗｅａｔｈｅｒ 对于曝气能耗和泵送能耗模型，网络结构选为 ２－１０－１，２ 代表网络输入神经元的个数，１ 为输出神 经元的个数，１０ 为中间隐含层神经元的个数；对于 出水氨氮和出水总氮模型，网络结构选为 ３－２０－１， 学习速率 η ＝ ０．０１；多目标优化算法参数设置如下： 维度 Ｄ＝ ２，种群规模 Ｎ ＝ ４０，最大进化代数 Ｍ ＝ ３０。 溶解氧浓度和硝态氮浓度优化设定值范围［７］ 取为 ０．４＜ｘ１ ＜３，０．５＜ｘ２ ＜２，优化周期为 ２ ｈ。 ＰＩＤ 控制器 参数 设 置 为： ＫＰ，１ ＝ ２００， ＫＩ，１ ＝ １５， ＫＤ，１ ＝ ２ 和 ＫＰ，２ ＝ ２０ ０００， ＫＩ，２ ＝ ５ ０００，ＫＤ，２ ＝ ４００。 为了与所提 多目标优化控制方法的运行结果相比较，在相同仿 真环境下， 引入闭环 ＰＩＤ 控制和单目 标 优 化 控 制［９］ 。 闭环 ＰＩＤ 控制是指溶解氧浓度和硝态氮浓 度设定值在控制过程中分别保持为固定值２ ｍｇ ／ Ｌ 和１ ｍｇ ／ Ｌ不变。 ３．２ 实验结果及分析 多目标优化控制方案下，溶解氧浓度和硝态氮 浓度优化设定值及 ＰＩＤ 跟踪控制结果，如图 ６、图 ７ 所示，其中实线为优化设定值，虚线为 ＰＩＤ 跟踪控 制曲线。 表 １ 给出了不同控制策略下 ５ 种关键出水 水质的平均浓度对比，表 ２ 展示了污水处理系统曝 气能耗、泵送能耗和总能耗在不同控制策略下的数 据结果对比。 图 ６ 溶解氧浓度优化设定值及跟踪曲线 Ｆｉｇ．６ Ｏｐｔｉｍａｌ ｓｅｔ⁃ｐｏｉｎｔ ｖａｌｕｅｓ ｏｆ ｄｉｓｓｏｌｖｅｄ ｏｘｙｇｅｎ ｃｏｎ⁃ ｃｅｎｔｒａｔｉｏｎ ａｎｄ ｔｒａｃｋｉｎｇ ｃｏｎｔｒｏｌ ｐｅｒｆｏｒｍａｎｃｅ 图 ７ 硝态氮浓度优化设定值及跟踪曲线 Ｆｉｇ．７ Ｏｐｔｉｍａｌ ｓｅｔ⁃ｐｏｉｎｔ ｖａｌｕｅｓ ｏｆ ｎｉｔｒａｔｅ ｃｏｎｃｅｎｔｒａｔｉｏｎ ａｎｄ ｔｒａｃｋｉｎｇ ｃｏｎｔｒｏｌ ｐｅｒｆｏｒｍａｎｃｅ 由图 ６ 和图 ７ 的优化设定值曲线可以看出，溶 解氧浓度和硝态氮浓度的设定值可以依据污水处理 过程的系统运行情况不断调整，如周末进水流量较 小，优化设定值也相应调整到较低值以降低能量消 耗。 同时，底层 ＰＩＤ 控制实现了较好的跟踪控制。 表 １ 给出了闭环控制、单目标优化控制和所提多目 标优化控制策略下平均出水水质浓度比较。 可见，３ 种控制策略下，５ 种关键出水水质均达到排放标准。 出水 ５ 日生物需氧量 ＢＯＤ５浓度、出水化学需氧量 ＣＯＤ 浓度、出水固体悬浮物 ＴＳＳ 浓度在不同控制策 略下没有明显的变化，出水氨氮 ＳＮＨ和总氮 Ｎｔｏｔ在优 化前后变化较为明显，且直观表现出出水氨氮和出 水总氮的相互冲突特性，即出水总氮浓度下降，则出 水氨氮浓度上升，反之亦然。 表 １ 不同控制策略下平均出水水质比较 Ｔａｂｌｅ １ Ａ ｃｏｍｐａｒｉｓｏｎ ｏｆ ｍｅａｎ ｅｆｆｌｕｅｎｔ ｑｕａｌｉｔｉｅｓ ｇ ／ ｍ ３ 控制策略 生物需氧 量 ＢＯＤ５ 化学需氧 量 ＣＯＤ 固体悬浮 物 ＴＳＳ 总氮 Ｎｔｏｔ 氨氮 ＳＮＨ 指标限值 １０ １００ ３０ １８ ４ 闭环控制 ２．６８ ４７．５１ １２．６２ １６．８８ ２．３０ 优化控制［９］ ２．６９ ４７．５５ １２．６２ １４．９２ ３．２４ 本文优化方法 ２．６８ ４７．５１ １２．６１ １５．１７ ２．９５ ·５９８· 智 能 系 统 学 报 第 １１ 卷