关键词:
曝气过程
污水处理
溶解氧
案例推理
神经网络
粒子群
摘要:
为保证出水水质,降低运行成本,污水处理过程的优化需要动态更新污水处理过程操作变量的最优设定值。因此,提出使用进化算法对溶解氧的设定值进行优化,并结合案例推理(case-based reasoning,CBR),提出一种污水处理的曝气过程智能控制方法。首先,建立入水数据与出水指标的神经网络模型,针对不同工况,使用优化算法获取操作变量的优化设定值,建立动态案例库,使用最近相邻法于案例匹配过程中,将案例重用后取得操作变量的优化设定值应用于基准仿真模型1号(benchmark simulation model No.1,BSM1)中,并得到性能评价指标。根据性能评价指标,更新操作变量的优化设定值和神经网络模型。使用BSM1对优化系统进行仿真,优化系统较原系统曝气能耗减少了18.5%,同时出水水质(effluent quality,EQ)指标得到了改善。