第5期 张伟，等：神经网络的污水处理过程多目标优化控制方法 ·595· 模型预测控制(model predictive control,.MPC) 台进行了实验研究。但是，其优化为一种离线处理 是污水处理过程广泛应用的优化控制方法。Holen- 方式，不适合在线控制。 da等[)在ASM(activated sludge model)模型基础 污水处理过程智能优化控制的难点在于优化模 上，采用MPC实现溶解氧浓度控制，与PID控制相 型难以建立，山，优化性能指标间具有矛盾特 比，MPC的控制精度提高了40.5%。然而，基于 性[8,0,1214，且优化是一个动态过程。污水处理优 MPC的优化控制需要对象的数学模型，对于污水处 化控制的目标是在满足出水水质达标的前提下，获 理过程，其数学模型较难建立，因此，现有PC控制 得能耗和运行成本的降低。由于污水处理过程中复 策略多采用简化或改进的机理模型4)。而且，MPC 杂的物理及生化反应特性，优化控制实施所需的能 控制主要以提高系统控制性能和系统平稳性为目 耗分析、水质预测等模型难以从机理分析角度获取。 标。为了实现节能降耗为目标的污水处理过程优化 待优化性能指标间的矛盾特性使得单目标优化难以 控制，各种智能优化控制方法近年来成为研究热点， 实现各性能指标间的协调。同时，污水处理系统常 并取得一些研究成果[6-o]。Duzinkiewicz等[6提出 工作在非平衡状态，如进水流量、污染物负荷等众多 ~种分层的两级控制策略，在非线性预测控制框架 影响因素存在。 下，上层利用遗传算法产生溶解氧浓度的优化设定 针对污水处理过程能耗过高的优化问题，提出 值，底层实现溶解氧跟踪控制。但是，优化仅为溶解 一种基于神经网络的动态多目标优化控制方法，以 氧浓度的单变量单目标优化。Qiao等[刀提出一种 污水处理过程曝气能耗和泵送能耗为优化性能指 基于数据驱动的污水处理过程自适应优化控制方 标，实现溶解氧浓度和硝态氨浓度设定值在线优化。 案，动态实现污水处理过程溶解氧浓度和硝态氮浓 利用神经网络建立污水处理过程带有约束的多目标 度的设定值优化。仿真结果表明所提方法能有效降 优化模型，解决了优化控制中优化设定值与性能指 低系统能耗。但是，污水处理过程被视为单目标优 标间没有精确数学描述的难点问题。 化问题。Guerrero等)为了优化污水处理过程中的 1污水处理过程多目标优化模型构建 C、N和P去除过程，通过设定值优化的方式提高系 统的控制性能，并考虑了多个目标的优化问题，提出 1.1污水处理过程分析及BSM1 一种基于多准则的优化方法。韩广等通过 活性污泥法是污水处理过程中广泛采用的污水 Hopfield网络构造污水处理过程能耗优化模型，采 处理技术，其主要原理是利用微生物的生物活性吸 用拉格朗日乘子法对溶解氧浓度和硝态氮浓度设定 附和分解水中的有机物质，其生化反应过程复杂，机 值进行优化，研究表明能耗成本得到降低。所提方 理模型难以精确描述。为了公正评价污水处理过程 法为污水处理优化模型建立提供了有益参考，但优 各种控制策略的优劣，国际水质协会与欧盟科学技 化依然为单目标优化问题。Beraud等fio]采用多目 术合作组织合作开发了污水处理基准仿真模型 标遗传算法对污水处理过程水质和能耗进行优化， (BSM1)四，是当前国际上公认的测试平台，其整体 并基于BSMl(benchmark simulation model No.I)平 布局如图1所示。 生化池 二沉池 出水 K氧气转换系数 m=10 单元1 单元2 单元3 单元4 单元5 溶解氧浓度 废水 控制器 缺氧区 硝态氮浓度 好氧区 77 控制器 污泥排放 内回流量 外回流量 图1BSM1布局 Fig.1 Layout of the BSMI BSM1是一个典型的前置反硝化污水处理脱氮后3个单元为好氧区，生化反应池部分采用活性污泥 A0工艺，主要包括生化反应池和二沉池两部分。 ASM1模型来模拟整个生化反应过程，而二沉池部分 生化反应池共分为5个单元，前2个单元为缺氧区， 则采用二次指数沉淀速率模型来模拟沉淀过程。模型预测控制（ｍｏｄｅｌ ｐｒｅｄｉｃｔｉｖｅ ｃｏｎｔｒｏｌ， ＭＰＣ） 是污水处理过程广泛应用的优化控制方法。 Ｈｏｌｅｎ⁃ ｄａ 等［４］ 在 ＡＳＭ （ ａｃｔｉｖａｔｅｄ ｓｌｕｄｇｅ ｍｏｄｅｌ） 模型基础 上，采用 ＭＰＣ 实现溶解氧浓度控制，与 ＰＩＤ 控制相 比，ＭＰＣ 的控制精度提高了 ４０． ５％。 然而， 基于 ＭＰＣ 的优化控制需要对象的数学模型，对于污水处 理过程，其数学模型较难建立，因此，现有 ＭＰＣ 控制 策略多采用简化或改进的机理模型［４⁃５］ 。 而且，ＭＰＣ 控制主要以提高系统控制性能和系统平稳性为目 标。 为了实现节能降耗为目标的污水处理过程优化 控制，各种智能优化控制方法近年来成为研究热点， 并取得一些研究成果［６⁃１０］ 。 Ｄｕｚｉｎｋｉｅｗｉｃｚ 等［６］ 提出 一种分层的两级控制策略，在非线性预测控制框架 下，上层利用遗传算法产生溶解氧浓度的优化设定 值，底层实现溶解氧跟踪控制。 但是，优化仅为溶解 氧浓度的单变量单目标优化。 Ｑｉａｏ 等［７］ 提出一种 基于数据驱动的污水处理过程自适应优化控制方 案，动态实现污水处理过程溶解氧浓度和硝态氮浓 度的设定值优化。 仿真结果表明所提方法能有效降 低系统能耗。 但是，污水处理过程被视为单目标优 化问题。 Ｇｕｅｒｒｅｒｏ 等［８］为了优化污水处理过程中的 Ｃ、Ｎ 和 Ｐ 去除过程，通过设定值优化的方式提高系 统的控制性能，并考虑了多个目标的优化问题，提出 一种 基 于 多 准 则 的 优 化 方 法。 韩 广 等［９］ 通 过 Ｈｏｐｆｉｅｌｄ 网络构造污水处理过程能耗优化模型，采 用拉格朗日乘子法对溶解氧浓度和硝态氮浓度设定 值进行优化，研究表明能耗成本得到降低。 所提方 法为污水处理优化模型建立提供了有益参考，但优 化依然为单目标优化问题。 Ｂｅｒａｕｄ 等［１０］ 采用多目 标遗传算法对污水处理过程水质和能耗进行优化， 并基于 ＢＳＭ１（ ｂｅｎｃｈｍａｒｋ ｓｉｍｕｌａｔｉｏｎ ｍｏｄｅｌ Ｎｏ．１） 平 台进行了实验研究。 但是，其优化为一种离线处理 方式，不适合在线控制。 污水处理过程智能优化控制的难点在于优化模 型难以建立［７， ９，１１］ ，优化性能指标间具有矛盾特 性［８， １０， １２⁃１４］ ，且优化是一个动态过程。 污水处理优 化控制的目标是在满足出水水质达标的前提下，获 得能耗和运行成本的降低。 由于污水处理过程中复 杂的物理及生化反应特性，优化控制实施所需的能 耗分析、水质预测等模型难以从机理分析角度获取。 待优化性能指标间的矛盾特性使得单目标优化难以 实现各性能指标间的协调。 同时，污水处理系统常 工作在非平衡状态，如进水流量、污染物负荷等众多 影响因素存在。 针对污水处理过程能耗过高的优化问题，提出 一种基于神经网络的动态多目标优化控制方法，以 污水处理过程曝气能耗和泵送能耗为优化性能指 标，实现溶解氧浓度和硝态氮浓度设定值在线优化。 利用神经网络建立污水处理过程带有约束的多目标 优化模型，解决了优化控制中优化设定值与性能指 标间没有精确数学描述的难点问题。 １ 污水处理过程多目标优化模型构建 １．１ 污水处理过程分析及 ＢＳＭ１ 活性污泥法是污水处理过程中广泛采用的污水 处理技术，其主要原理是利用微生物的生物活性吸 附和分解水中的有机物质，其生化反应过程复杂，机 理模型难以精确描述。 为了公正评价污水处理过程 各种控制策略的优劣，国际水质协会与欧盟科学技 术合作组织合作开发了污水处理基准仿真模型 （ＢＳＭ１） ［１］ ，是当前国际上公认的测试平台，其整体 布局如图 １ 所示。 图 １ ＢＳＭ１ 布局 Ｆｉｇ．１ Ｌａｙｏｕｔ ｏｆ ｔｈｅ ＢＳＭ１ ＢＳＭ１ 是一个典型的前置反硝化污水处理脱氮 Ａ／ Ｏ 工艺，主要包括生化反应池和二沉池两部分。 生化反应池共分为 ５ 个单元，前 ２ 个单元为缺氧区， 后 ３ 个单元为好氧区，生化反应池部分采用活性污泥 ＡＳＭ１ 模型来模拟整个生化反应过程，而二沉池部分 则采用二次指数沉淀速率模型来模拟沉淀过程。 第 ５ 期 张伟，等：神经网络的污水处理过程多目标优化控制方法 ·５９５·