基于Copt-a iNe t的污水處理過程控制優(yōu)化研究★

楊 軍，閆德鑫

（湖南交通工程學(xué)院，湖南 衡陽 421009）

引言

污水處理系統(tǒng)屬于非線性系統(tǒng)，該系統(tǒng)特征除時(shí)變性和隨機(jī)性外，還有變量較多和不夠穩(wěn)定，同時(shí)容易被多種因素所影響，包括天氣因素和進(jìn)水流量等。如果將環(huán)保角度當(dāng)作考慮角度，則出水水質(zhì)越高越有利，假如將成本角度當(dāng)作分析角度，出水水質(zhì)越高表明產(chǎn)生的能耗也會越多。因此，出于確保同時(shí)滿足出水水質(zhì)達(dá)標(biāo)與降低運(yùn)行能耗目的，相關(guān)單位需要做好優(yōu)化與控制污水處理工作。

1 污水處理過程的模型

就BSM1來說，其關(guān)鍵組成部分包括生化反應(yīng)池以及二沉池。在生化反應(yīng)池中，其構(gòu)成部分包括缺氧區(qū)及好氧區(qū)，缺氧區(qū)數(shù)量為2個(gè)，好氧區(qū)數(shù)量為3個(gè)。單個(gè)缺氧區(qū)的體積能夠達(dá)到1 000 m3，而好氧區(qū)的體積是1 333 m3。生化反應(yīng)池在模擬時(shí)選取ASM1，二沉池則在模擬時(shí)選用了二次指數(shù)沉淀速率的模型，二沉池層數(shù)是10層。若水經(jīng)過生化反應(yīng)池處理，其中一部分會通過第六層進(jìn)至沉淀池，其余部分會進(jìn)行回流，進(jìn)到生化反應(yīng)池第一單元，開展循環(huán)處理工作。對進(jìn)至沉淀池的水來說，若符合排放標(biāo)準(zhǔn)，將從上方排出，若無法符合排放標(biāo)準(zhǔn)，將同樣回流到生化反應(yīng)池第一單元，執(zhí)行循環(huán)處理操作。

2 在Copt-aiNet基礎(chǔ)上進(jìn)行優(yōu)化控制

2.1 人工免疫算法分析

人工免疫算法可對自然免疫系統(tǒng)學(xué)習(xí)技術(shù)進(jìn)行模仿，此方法得到了生物系統(tǒng)啟發(fā)，該算法目的是解決無法用經(jīng)典優(yōu)化辦法解決的復(fù)雜問題，常用免疫算法除了克隆選擇和B細(xì)胞算法外，還有人工免疫網(wǎng)絡(luò)算法和Opt-aiNet算法。近幾年，遺傳和粒子群算法已經(jīng)在污水處理的優(yōu)化控制工作中得到廣泛運(yùn)用，但是，遺傳算法通常不具備良好的局部搜索水平，雖然粒子群算法在局部搜索方面能力很強(qiáng)，但是有非常高的幾率落入早熟困境[1]。所以人工免疫算法在被生物免疫機(jī)制啟發(fā)后，達(dá)到和生物免疫系統(tǒng)十分相似的功能，除抗原識別功能及細(xì)胞分化功能外，還有記憶功能、自我調(diào)節(jié)功能，可進(jìn)行全局搜索[2]。

2.2 Copt-aiNet算法分析

Copt-aiNet算法由人工免疫網(wǎng)絡(luò)算法演變，能夠?qū)M合優(yōu)化方面的問題進(jìn)行解決，重點(diǎn)在于改進(jìn)弱親和力及強(qiáng)親和力的突變環(huán)節(jié)，同時(shí)，Copt-aiNet算法能夠?qū)θ后w大小進(jìn)行控制，在描述過程中使用的步驟，除了生成初始種群步驟和對種群各抗體親和力進(jìn)行評價(jià)步驟外，還有按照免疫操作的機(jī)理來更新抗體種群步驟。就更新操作來說，除促進(jìn)及抑制抗體出現(xiàn)、生成記憶細(xì)胞庫，還有選擇抗體、克隆抗體、變異抗體。

2.3 在處理污水時(shí)運(yùn)用Copt-aiNet進(jìn)行優(yōu)化控制

由于污水處理環(huán)節(jié)的能耗及出水水質(zhì)之間具有彼此約束關(guān)聯(lián)，出于對約束問題進(jìn)行解決目的，選擇懲罰機(jī)制來懲罰出水質(zhì)量濃度越限狀況，讓平均越限部分和大懲罰因子做乘法。所以，對越限很多部分來說，對應(yīng)優(yōu)化目標(biāo)具有很大的函數(shù)值，會在尋優(yōu)環(huán)節(jié)遭到淘汰，在此基礎(chǔ)上對優(yōu)化問題目標(biāo)函數(shù)進(jìn)行設(shè)置[3]。

就等待優(yōu)化問題來說，其最優(yōu)解抗體設(shè)置成溶解氧質(zhì)量濃度的設(shè)定值及硝態(tài)氮質(zhì)量濃度的設(shè)定值，分別設(shè)置成ρO5，ref以及ρNO2，ref。對抗體和抗體的親和度來說，將目標(biāo)函數(shù)值用J指代。就Copt-aiNet基礎(chǔ)上的

污水處理優(yōu)化環(huán)節(jié)而言，其步驟如下文所示：

第一步，將起始時(shí)間設(shè)定為0，用t指代，用T代表優(yōu)化周期。

第二步，生成初始抗體的種群數(shù)，把一天劃分成n個(gè)控制區(qū)間，這樣做的目的是使一對ρO5和ρNO2的最佳設(shè)定值存在于所有控制區(qū)間。按照經(jīng)驗(yàn)和以前的研究，分別對ρO5和ρNO2取值范圍進(jìn)行設(shè)定，范圍如下：0＜ρO5＜3，0＜ρNO2＜4。以隨機(jī)方式在此取值范圍中出現(xiàn)初始抗體種群，數(shù)量為一個(gè)，代號為P。

第三步，進(jìn)行抗體親和度的評價(jià)。按照順序，把出現(xiàn)初始抗體種群的抗體賦值至尋優(yōu)參數(shù)ρO5，ref以及ρNO2，ref，之后持續(xù)對BSM1模型進(jìn)行運(yùn)行，時(shí)間為一天，對各抗體相對的性能指標(biāo)J值進(jìn)行計(jì)算，將其當(dāng)作此抗體親和度，而且對得到的每一段最小J值進(jìn)行比較，對應(yīng)抗體就是最佳抗體，此時(shí)應(yīng)對所得最佳抗體進(jìn)行記錄。

第四步，首先是選擇過程，選用多個(gè)最佳抗體實(shí)行克隆過程以及突變過程，最佳抗體個(gè)數(shù)用g指代。出于選取g個(gè)最佳抗體目的，對親和力值進(jìn)行考慮，若目標(biāo)函數(shù)很小，則抗體的合適程度很高，按照最低親和力值至最高親和力的順序，即由最優(yōu)設(shè)定值至最差設(shè)定值順序，完成存至記憶細(xì)胞庫操作，將選取抗體子種群用Pg指代。

1）克隆過程。用C代表出現(xiàn)的克隆子群，此子群包括利用子種群Pg抗體得到Nc個(gè)克隆。對于各抗體能夠出現(xiàn)的克隆數(shù)進(jìn)行計(jì)算。

2）克隆抑制的過程。利用對抗體間相似性進(jìn)行比較方式，在克隆抑制環(huán)節(jié)對抗體子種群的類似性進(jìn)行評價(jià)。假如某對抗體的相似性S超過閾值，相似率為80%，就能夠利用克隆抑制過程對指定抗體進(jìn)行舍棄，通過消除相似抗體方式使供應(yīng)的群體多樣性得到提高。

鹽囊細(xì)胞（Epidermal bladder cells，EBC）是冰葉日中花的特異細(xì)胞，存在于除了根以外的所有組織表面，但在不同組織其形態(tài)也各不一樣。鹽囊細(xì)胞是儲存NaCl的場所，在受到鹽脅迫時(shí)，冰葉日中花的地上部分就開始將NaCl儲存在各個(gè)部位的鹽囊細(xì)胞中。鹽脅迫下的鹽囊細(xì)胞呈現(xiàn)隆狀的凸起［2］。研究顯示，EBC 可累積多達(dá) 1.2 mol／L 的 Na＋， 在離子和水穩(wěn)態(tài)方面起著非常重要的作用［7］。因此，EBC對冰葉日中花的耐鹽性起關(guān)鍵作用。

第五步，得到克隆子群C，之后利用突變過程得到成熟克隆新子群，用C＊指代。對Copt-aiNet迭代環(huán)節(jié)抗體突變數(shù)進(jìn)行計(jì)算，抗體為i，使用公式定義突變率，突變率為α，設(shè)置歸一化親和度，用f＊指代。

1）弱突變過程。假如Copt-aiNet迭代時(shí)，抗體子種群的抗體在親和力方面沒能得到改善，需要對弱突變過程進(jìn)行執(zhí)行。此時(shí)，弱突變存在于群體P的全部元素。

2）強(qiáng)突變過程。在Copt-aiNet中，對各抗體實(shí)行強(qiáng)突變操作，能夠強(qiáng)化搜索和局部改進(jìn)抗體子種群的抗體。

第六步，停止標(biāo)準(zhǔn)。觀察能否實(shí)現(xiàn)最大迭代次數(shù)目標(biāo)，假如未能達(dá)到，需要對上述步驟進(jìn)行重復(fù)。假如符合迭代次數(shù)要求或者精度方面的標(biāo)準(zhǔn)，需要終止本次尋優(yōu)操作，對相關(guān)ρO5優(yōu)化設(shè)定值以及ρNO2優(yōu)化設(shè)定值進(jìn)行輸出，說明在第t天，設(shè)置值尋優(yōu)過程完成。

第七步，設(shè)定t=t+T，此時(shí)回到第二步開展此后一天的設(shè)定值尋優(yōu)操作，直至所有優(yōu)化設(shè)定值尋優(yōu)操作結(jié)束為止。利用PID控制器對ρO5實(shí)時(shí)設(shè)定值狀況和ρNO2實(shí)時(shí)設(shè)定值狀況進(jìn)行跟蹤，本次研究的PID控制器選擇了增量式控制器。

3 仿真試驗(yàn)及試驗(yàn)結(jié)果研究

3.1 仿真試驗(yàn)

出于對污水處理優(yōu)化控制對策效果進(jìn)行驗(yàn)證目的，通過污水生化處理基準(zhǔn)的仿真模型平臺展開仿真試驗(yàn)，該BSM1平臺除晴天入水?dāng)?shù)據(jù)和雨天入水?dāng)?shù)據(jù)外，還有暴雨入水?dāng)?shù)據(jù)，上述數(shù)據(jù)具有很高真實(shí)性，各組數(shù)據(jù)均經(jīng)過兩周采樣數(shù)據(jù)組合，采樣時(shí)間是15 min。就入水?dāng)?shù)據(jù)來說，周末數(shù)據(jù)和周中數(shù)據(jù)相比變化很大，進(jìn)水質(zhì)量濃度與組分質(zhì)量濃度具有減小趨勢。此仿真試驗(yàn)選用了晴天工況的數(shù)據(jù)，在試驗(yàn)中能夠發(fā)現(xiàn)，周一至周五的數(shù)據(jù)規(guī)律具有相似性，而周六入水流量與周日入水流量呈顯著下降態(tài)勢[4]。

此次BSM1仿真模型條件：在好氧池的氧傳遞系數(shù)方面，KLa3與KLa4相等，為240；在外回流量方面Qr為18 446 m3/d；污泥排放量Qw是385 m3/d。

Copt-aiNet參數(shù)設(shè)置：將抗體初始種群的規(guī)模設(shè)置成40，將最大迭代次數(shù)設(shè)置成500，按照經(jīng)驗(yàn)對懲罰因子進(jìn)行選擇，c1和c2相等，c3、c4、c5相等，其數(shù)值分別是500和100。

在Copt-aiNet優(yōu)化控制對策基礎(chǔ)上，獲得第五分區(qū)溶解氧及第二分區(qū)硝態(tài)氮在質(zhì)量濃度方面的優(yōu)化設(shè)定值，并得到PID跟蹤曲線。

試驗(yàn)每天在最優(yōu)設(shè)定值方面均有所不同，能夠按照污水處理時(shí)的系統(tǒng)運(yùn)行情況實(shí)時(shí)調(diào)整，整體而言，優(yōu)化設(shè)定值會在周一至周五位于高位波動狀態(tài)，周六至周日的優(yōu)化設(shè)定值有所降低，原因在于周末的入水流量比周中的入水流量小，周二處在最高位置，在周末優(yōu)化設(shè)定值很小和周一入水流量明顯加大情況下，為確保污水處理過程在正常狀態(tài)下運(yùn)行，應(yīng)對設(shè)定值進(jìn)行增加。同時(shí)，試驗(yàn)表明PID控制器具有很好的跟蹤設(shè)定值效果。

就污水處理環(huán)節(jié)來說，通常需要利用KLa5變化以達(dá)到對溶解氧濃度ρO5進(jìn)行控制目的，利用內(nèi)回流量Qa改變對硝酸氮濃度ρNO2進(jìn)行控制，所以對ρO5跟蹤控制效果與ρNO2跟蹤效果來說，其與Qa及KLa5變動有著緊密關(guān)聯(lián)。

3.2 各情況對比分析

依據(jù)出水水質(zhì)指標(biāo)在平均值方面的對比和能耗對比狀況，為了獲得優(yōu)化結(jié)果，本研究開展了3種狀況的對比，除開環(huán)控制情況和常規(guī)控制情況外，還有Copt-aiNet情況。開環(huán)控制情況即保證曝氣量及內(nèi)回流流量不會出現(xiàn)變化，常規(guī)控制指的是把溶解氧質(zhì)量濃度的設(shè)定值保持在2 g/m3，使硝酸氮質(zhì)量濃度的設(shè)定值保持在1 g/m3。各控制對策的出水質(zhì)量濃度如表1所示，各控制對策的能耗比較如表2所示。

表1 各控制對策的出水質(zhì)量濃度 mg/L

表2 各控制對策的能耗比較 kWh/d

通過各控制對策的出水質(zhì)量濃度表，能夠發(fā)現(xiàn)上述控制對策來說，無論是化學(xué)需氧量質(zhì)量濃度（ρCOD）方面、固體懸浮物質(zhì)量濃度（ρTSS）方面，還是五天生化需氧量質(zhì)量濃度（ρBOD5）方面均沒能出現(xiàn)明顯改動，文章提出的控制對策要比另外的控制辦法更好，在總氮質(zhì)量濃度（ρTN）方面及氨氮質(zhì)量濃度（ρNH）方面出現(xiàn)了顯著改變，并且能夠?qū)σ陨现笜?biāo)具有的彼此沖突特點(diǎn)進(jìn)行反映，在總氮質(zhì)量濃度提高的情況下，氨氮質(zhì)量濃度會有所下降，而在總氮質(zhì)量濃度下降情況下，氨氮質(zhì)量濃度會有所升高。就總體情況而言，以上指標(biāo)都可以符合約束標(biāo)準(zhǔn)。依據(jù)各控制對策的能耗比較表，能夠發(fā)現(xiàn)，在曝氣能耗有所下降時(shí)，泵送能耗會稍微增多，但是總能耗發(fā)生顯著下降，具有很好的節(jié)能效果，同時(shí)曝氣能耗及泵送能耗之間存在著較為顯著的沖突特點(diǎn)。

4 結(jié)語

本研究的創(chuàng)新之處在于使用Copt-aiNet算法來處理城鎮(zhèn)污水，能夠使出水水質(zhì)提高，使功耗下降，同時(shí)開展污水監(jiān)測工作，避免在處理污水時(shí)發(fā)生水質(zhì)無法符合標(biāo)準(zhǔn)的問題。研究特點(diǎn)在于污水處理消耗能源下降，提高污水在凈化之后的安全性。此外，本文重點(diǎn)研究了人工免疫算法的污水處理及控制對策，能夠及時(shí)在處理污水時(shí)監(jiān)測其參數(shù)，形成的污水處理系統(tǒng)不僅作用顯著，而且可靠程度得到明顯提高。