基于量子遺傳算法的污水處理過程節(jié)能優(yōu)化控制方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及環(huán)?？刂祁I(lǐng)域，更具體地，涉及一種基于量子遺傳算法的污水處理過 程節(jié)能優(yōu)化控制方法。其綜合考慮出水水質(zhì)、曝氣和栗送能耗及污泥廢物處理費(fèi)用，動(dòng)態(tài)優(yōu) 化污水處理系統(tǒng)的污泥廢物處理、回流與曝氣能耗等運(yùn)行費(fèi)用，并由模糊神經(jīng)網(wǎng)絡(luò)控制器 實(shí)時(shí)調(diào)節(jié)鼓風(fēng)機(jī)曝氣量和污泥栗回流量，以實(shí)現(xiàn)污水處理過程的優(yōu)化控制。
【背景技術(shù)】
[0002] 隨著經(jīng)濟(jì)社會(huì)的飛速發(fā)展，水污染日益嚴(yán)重，已經(jīng)威脅到了所有生物的生存，研究 并推廣高效、穩(wěn)定、經(jīng)濟(jì)的污水處理新技術(shù)已引起世界各國(guó)的高度重視。
[0003] 然而，污水處理系統(tǒng)是一門涉及化學(xué)、物理、生物等多門學(xué)科的綜合性技術(shù)，處理 過程中流量、組分和濃度都在不斷地變化，環(huán)境條件和系統(tǒng)本身的特性也在不斷地變化，影 響著處理系統(tǒng)中物質(zhì)傳遞、迀移和轉(zhuǎn)化過程的平衡。在污水處理系統(tǒng)中，D0(溶解氧)濃度和 MLSS(微生物)濃度是影響污水處理系統(tǒng)穩(wěn)定性的重要參數(shù)。溶解氧過高會(huì)加速消耗污水中 的有機(jī)物，使微生物因缺乏營(yíng)養(yǎng)而引起活性污泥的老化，長(zhǎng)期過高的溶解氧會(huì)降低活性污 泥的絮凝性能和吸附能力，增加能耗，導(dǎo)致懸浮固體沉降性變差，出水水質(zhì)變差;溶解氧的 水平過低，使污泥活性降低，會(huì)抑制生物對(duì)有機(jī)物的降解，產(chǎn)生污泥膨脹，為此實(shí)現(xiàn)D0濃度 的優(yōu)化控制，對(duì)污水處理效果與運(yùn)行費(fèi)用均非常有意義。同樣，微生物溶度的高低直接影響 到污水處理系統(tǒng)的穩(wěn)定，微生物溶度不足，有機(jī)物得不到有效的降解，出水負(fù)荷偏高;微生 物溶度過高，污泥齡過長(zhǎng)，產(chǎn)生污泥膨脹活污泥礦化，進(jìn)而關(guān)系到出水的水質(zhì)。
[0004] 因此根據(jù)進(jìn)水水質(zhì)水量的變化動(dòng)態(tài)優(yōu)化D0濃度和污泥濃度的設(shè)定值，是提高污水 處理系統(tǒng)處理效果、降低運(yùn)行成本的一種可行性方法，也是目前亟待解決的問題。精準(zhǔn)的控 制技術(shù)不僅可以節(jié)省污水處理運(yùn)行費(fèi)用，同時(shí)也是提高污水處理系統(tǒng)性能、保障污水處理 過程高效、穩(wěn)定運(yùn)行的關(guān)鍵。此外，通過提高污水處理過程自動(dòng)化水平，還可以有效地提高 污水處理廠運(yùn)行管理水平，實(shí)現(xiàn)污水處理廠的節(jié)能運(yùn)行。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明為克服上述現(xiàn)有技術(shù)所述的至少一種缺陷(不足），首先提供一種基于量子 遺傳算法的污水處理過程節(jié)能優(yōu)化控制方法，該方法綜合考慮出水水質(zhì)、曝氣和栗送能耗 及污泥廢物處理費(fèi)用，將量子的態(tài)矢量表達(dá)引入遺傳編碼來表示染色體，利用量子門作用 和更新來完成進(jìn)化搜索，用以優(yōu)化污水處理系統(tǒng)的污泥廢物處理、回流與曝氣能耗等運(yùn)行 費(fèi)用，由模糊神經(jīng)網(wǎng)絡(luò)控制器根據(jù)優(yōu)化后的設(shè)定值實(shí)時(shí)調(diào)節(jié)鼓風(fēng)機(jī)曝氣量和污泥栗回流 量，以實(shí)現(xiàn)污水處理過程的優(yōu)化控制，保證出水水質(zhì)要求下減少運(yùn)行費(fèi)用，降低污水處理成 本，促進(jìn)污水處理廠高效穩(wěn)定運(yùn)行。
[0006] 為解決上述技術(shù)問題，本發(fā)明的技術(shù)方案如下：
[0007] -種基于量子遺傳算法的污水處理過程節(jié)能優(yōu)化控制方法，包括下述步驟：
[0008] (1)構(gòu)建用于基于量子遺傳算法的污水處理過程節(jié)能優(yōu)化控制方法的目標(biāo)函數(shù)模 型：
[0009] (11)基于污水處理系統(tǒng)傳統(tǒng)數(shù)學(xué)模型(ASM)，采用有限元分析理論和靈敏度分析 法對(duì)樽塑講行降維分析，使系統(tǒng)樽塑簡(jiǎn)化：
[0011]
分別為曝氣池中底物濃度和微生物濃度的變化速率，mg/ (L. d); k和 Kd分別為底物最大比利用速率常數(shù)和微生物的衰減速率，一般取1.5和O.ScrSKsS飽和常 數(shù)，取0.046Kg/m3 ;K。為氧的開關(guān)常數(shù)或稱氧的飽和常數(shù)，一般取0.0002Kg/m3; Y為微生物產(chǎn) 率系數(shù)，取0.58kg(MLSS)/kg(B0D);
[0012 ] (12)綜合考慮運(yùn)行費(fèi)用和出水水質(zhì)兩個(gè)方面，構(gòu)造優(yōu)化目標(biāo)函數(shù)：
[00M]其中，T表示運(yùn)行周期，取10天，為反應(yīng)池的曝氣費(fèi)用，
[0015]
[0016]其中Af為在溶解氧濃度為D0f時(shí)轉(zhuǎn)移單位質(zhì)量氧所需費(fèi)用，取0.9元/kg(0 2)，D0f取 1.5mg/L，0s為飽和溶解氧濃度，取8.5mg/L，曝氣池的體積V = 2500m3; WSR為回流污泥費(fèi)用，
，B為單位污泥回流量所需費(fèi)用，取0.045元/m3，X r為回流污泥中 的微生物量，取6.01^(11^3)/1113，^^為污泥廢物排放量；1^為污泥廢物處理費(fèi)，
C為單位污泥廢物處理所需費(fèi)用，取1.2元/kg(MLSS);
[0017] (13)目標(biāo)函數(shù)模型約束條件：目標(biāo)函數(shù)約束即污水處理系統(tǒng)傳統(tǒng)數(shù)學(xué)模型中的物 料平衡方程，輸出約束即出水水質(zhì)約束，執(zhí)行器約束包括:操作變量0<D0<0 S，Qw>0，PS-P (T) 2 0，PS為允許排放的有機(jī)物總量，P(T)就表示每個(gè)周期排放的有機(jī)物總量；
[0018] (2)優(yōu)化控制算法的實(shí)現(xiàn)，米用量子遺傳算法，將量子的態(tài)矢量表達(dá)引入遺傳編碼 來表示染色體，以實(shí)現(xiàn)目標(biāo)函數(shù)優(yōu)化，得到兩個(gè)模糊神經(jīng)網(wǎng)絡(luò)控制回路的溶解氧和污泥溶 度的設(shè)定值最優(yōu)解；
[0019] 量子遺傳算法以量子計(jì)算中的一些概念和理論為基礎(chǔ)，將量子的態(tài)矢量表達(dá)引入 遺傳編碼來表示染色體，利用量子邏輯門實(shí)現(xiàn)染色體的演化，并可將量子比特的幾率幅度 表示應(yīng)用于染色體的編碼，使得一條染色體可以表達(dá)多個(gè)態(tài)的疊加，利用量子門作用和更 新來完成進(jìn)化搜索，從而實(shí)現(xiàn)了目標(biāo)的優(yōu)化求解；
[0020] ①量子比特編碼
[0021]用遺傳算法中的二進(jìn)制編碼，對(duì)污水處理優(yōu)化目標(biāo)函數(shù)模型進(jìn)行量子編碼;量子 遺傳算法用一個(gè)或多個(gè)量子比特存儲(chǔ)和表達(dá)一個(gè)基因，再由這些個(gè)量子比特表達(dá)的基因構(gòu) 成一條染色體;一條采用多量子比特編碼m參數(shù)的染色體q表示為
[0023] 其中，<表示第代，第j個(gè)體的染色體；（)表示第V代，第j個(gè)體的染色體
的量子比特編碼，1 < i <m，l < 1 < k，k表示編碼每一個(gè)基因的量子比特?cái)?shù);m表示染色體的 基因個(gè)數(shù)；
[0024] 這里將種群各個(gè)個(gè)體的量子比特編碼(α，β)都初始化為 體所表達(dá)的全部可能狀態(tài)是等概率的；
[0025]②量子門更新
[0026]量子計(jì)算中通過選擇量子旋轉(zhuǎn)門作用于量子的疊加態(tài)，使其發(fā)生相互干涉，產(chǎn)生 相位改變，從而改變其各基態(tài)所對(duì)應(yīng)的概率幅，實(shí)現(xiàn)染色體的更新進(jìn)化;量子旋轉(zhuǎn)門的調(diào)整 操作為：
[0028] 其更新過程如下：
[0030] 其中，和代表染色體第i個(gè)量子比特旋轉(zhuǎn)門更新前后的概率幅； 為旋轉(zhuǎn)角，它的大小和符合由事先設(shè)計(jì)的調(diào)整策略確定；
[0031] 由上式得出a'i和杉'1分別為：
[0033] 所以 | c/ 土 12+ | β' 土 12 = [aicosOO-PisinOi) ]2+[α?8；?η(θ?)+β?(308(θ?) ]2 = | ai 12+1 2= 1可知變換之后I a、12+ I 12的值仍為1;
[0034] ③量子遺傳算法具體步驟為：
[0035]步驟1:初始化種群Q(to)，隨機(jī)生成η個(gè)以量子比特為編碼的染色體；
[0036]步驟2:對(duì)初始種群中Q(to)的每個(gè)個(gè)體進(jìn)行一次測(cè)量，得到對(duì)應(yīng)的確定量P(to);
[0037] 步驟3:對(duì)各確定解進(jìn)行適應(yīng)度評(píng)估；
[0038] 步驟4:記錄最優(yōu)個(gè)體和對(duì)應(yīng)的適應(yīng)度；
[0039]步驟5:判斷計(jì)算過程是否可以結(jié)束，若滿足結(jié)束條件則退出，否則繼續(xù)計(jì)算；
[0040]步驟6:對(duì)種群中的每個(gè)個(gè)體實(shí)施一次測(cè)量，得到相應(yīng)的確定解；
[0041 ]步驟7 :對(duì)各確定解進(jìn)行適應(yīng)度評(píng)估；
[0042]步驟8:利用量子旋轉(zhuǎn)門對(duì)個(gè)體實(shí)施調(diào)整，得到新的種群Q(t+1);
[0043]步驟9:記錄最優(yōu)個(gè)體和對(duì)應(yīng)的適應(yīng)度；
[0044] 步驟10:將迭代次數(shù)t加1，返回步驟5。
[0045]算法步驟1是初始化種群Q(t〇)，種群中全部染色體的所有基因（《廣/〇都被初始
，這意味著一個(gè)染色體所表達(dá)的是其全部可能狀態(tài)的等概率疊加：
[0047]其中，S為該染色體的第k種狀態(tài)，表現(xiàn)形式為一長(zhǎng)度m的二進(jìn)制(X1，X2, ···，&)，其 中xi的值為〇或者1。
[0048] 綱鱗儀請(qǐng)綱白州棚亍一·糧，以謝0且石廳勺解作，)={?..、乂[斯， <為第V代種群中第j個(gè)解(第j個(gè)個(gè)體的測(cè)定值），表現(xiàn)形式為長(zhǎng)度為m的二進(jìn)制串，其中每 一位為0或1，是根據(jù)量子比特的概率（|位丨|或|漢|，i = 1，2···，m)選擇得到的。測(cè)量過程中為， 隨機(jī)產(chǎn)生一個(gè)[0，1]區(qū)間的數(shù)，若它大于概率幅的平方，則測(cè)量結(jié)果取值1，否則