污水曝气污染物浓度预测及其成本最优控制_许玥

污水曝气污染物浓度预测及其成本最优控制_许玥第49卷第16期2018年8月人民长江YangtzeＲiverVol．49，No．16Aug．，2018收稿日期:2017－10－26作者简介:许玥，女，硕士研究生，主要从事智能控制优化方面的研究。E－mail:810478146@qq．com通讯作者:刘惠康，男，教授，主要从事智能控制优化方面的研究。E－mail:huikangl@vip．sina．com文章编号:1001－4179(2018)16－0024－06污水曝气污染物浓度预测及其成本最优控制许玥，刘惠康(武汉科技大学信息科学与工程学院，湖北武汉430081)摘要:在污水处理厂水质检测中，化学需氧量(COD)和氨氮浓度(NH3－N)等指标很难实现实时、精准、经济的测量，因而难以根据污染物浓度对污水处理过程中曝气需氧量和能耗进行控制。应用支持向量机(SVM)建立了预测模型，再用信息粒化时序回归方法来预测COD和NH3－N的变化，实现了对COD和NH3－N的在线软测量。在预测指标符合出水标准的前提下，建立了曝气成本数学模型;并考虑政府COD超量削减补贴，得到综合成本模型。应用NSGA－Ⅱ算法优化曝气处理工艺，可使吨水电耗降低44%～58%。关键词:污水处理;SVM;曝气成本;信息粒化时序回归;COD超量削减补贴;NSGA－Ⅱ中图法分类号:X503文献标志码:ADOI:10．16232/j．cnki．1001－4179．2018．16．005随着工业的发展，水污染问题越来越受到相关部门的重视。污水处理厂是实现污水净化和治理的重要途径。污水处理的生化反应过程非常复杂多变，水质污染的重要指标难以实现实时精确测量。本文利用污水厂实测数据，选择合适的辅助变量，应用SVM建立出水COD和NH3－N的软测量模型，并对其进行在线预测，检测是否符合排放标准。城市污水处理的高能耗增加了处理成本，其中污水曝气环节能耗占总能耗的60%以上［1］。为了尽可能节约污水处理厂的运行成本，并使水质达标，本研究建立曝气电耗数学模型，综合考虑政府COD超量削减补贴，应用NSGA－Ⅱ多目标优化算法，在MATLAB平台进行仿真寻优，以获得污水厂实际生产中所需的参数。1SVM预测建模1．1SVM简介支持向量机理论是由Vapnik等人提出的基于小样本的机器学习方法，在一定程度上克服了“维数灾难”和“过学习”等