基于多目标粒子群优化的污水处理系统自适应评判控制

摘要

考虑到城市污水处理系统存在保证出水水质达标和降低能耗的需要,将其运行过程视为一个多目标优化控制问题.针对此问题,提出一种基于多目标粒子群优化(Multi-objective particle swarm optimization, MOPSO)算法的污水处理系统自适应评判控制方案,该方案分为上层优化和底层跟踪控制两部分.首先,污水处理过程存在非线性、多变量、大时变等特点,结合数据驱动思想对入水及出水组分数据进行分析,构建关于出水水质和运行能耗的多目标优化模型.采用径向基函数(Radial basis function, RBF)神经网络进行建模,并与反向传播(Back propagation, BP)神经网络进行了对比.然后,结合MOPSO算法强大的优化能力,采用MOPSO算法对优化目标进行求解,并设计一个决策方式从最优解集中选出偏好解,作为溶解氧与硝态氮浓度的最优设定值.接下来,底层跟踪控制部分采用基于自适应动态规划的辅助控制器对比例–积分–微分算法的控制策略进行补充,弥补了传统控制算法自适应能力差的不足.此外,比例–积分–微分算法也为自适应动态规划算法提供了初始的稳定控制策略，克服了学习算法前期控制效果差的缺陷,保证了污水处理过程的安全性和可靠性.最终,该控制器成功实现了对最优设定值的跟踪控制.将所提算法在污水处理基准仿真平台上进行验证,结果表明所提算法能有效地提高污水处理过程的运行性能,不仅能保证出水水质达标,同时能有效地降低污水处理过程产生的能耗.

关键词

污水处理 / 多目标优化 / 自适应评判 / 跟踪控制 / 神经网络

基金资助

新一代人工智能国家科技重大专项资助项目(2021ZD0112302); 国家自然科学基金资助项目(62222301,61890930-5,62021003); 北京市自然科学基金资助项目(JQ19013)