污水处理过程节能优化控制方法的研究

发布时间：2017-09-07 12:28

  本文关键词：污水处理过程节能优化控制方法的研究

  更多相关文章： 污水处理 ASM1 BSM1 能耗特征模型 优化控制

【摘要】：污水处理过程是一个变量繁多，具有大时变、大时滞特点的动态非线性生化反应过程，对污水进行有效处理已成为当今世界为解决水环境问题的重要议题。为了提高污水处理装置运行效率、保证出水质量、降低运行费用，研究新型的智能优化控制方法来实现节能达标的目标，是当前污水处理行业的发展趋势。 论文基于BSM1模型提出了一种污水处理过程多变量回路控制策略，建立了一种能够直接表达出水水质与能耗关系的能耗特征模型，设计了一种预测优化控制方法，以实现污水处理节能降耗，并通过实验验证了其研究工作的可行性和有效性。论文的主要创新点概括如下： 1、在深入分析活性污泥法的数学模型ASM1和基准仿真模型BSM1的基础上，建立了BSM1仿真平台，并于MATLAB环境下实现可视化运行。同时提出了一种污水处理多变量回路控制策略，该策略基于递归神经网络设计控制器，并应用到建立的BSM1平台上，实验结果显示，相较于传统PID控制、前馈BP神经网络控制，该回路控制策略具有更优的自适应性、鲁棒性和稳定性。 2、针对污水处理过程难没有水质和能耗间关系表达的问题，提出了一种污水处理过程能耗特征模型。首先通过系统分析出水评价指标、能耗影响指标及其分别与ASM1各组分间的组成关系，挖掘出能耗与出水水质的内部联系，从而设计了一种基于扩展Elman神经网络的模型建模方法，实现了能耗特征模型的建立。仿真结果表明，污水处理过程能耗特征模型（EENN-ECM）能直接的实时精确的表达出水水质和能耗的关系，填补了污水处理过程能耗通用模型的空白。 3、为解决污水处理过程能耗较高的问题，提出了一种基于EENN-ECM的节能优化控制策略。该策略基于A/O脱氮工艺首先对污水处理过程生物脱氮机理进行分析，，进而确定对生化反应池的溶解氧浓度、混合液悬浮固体浓度和硝态氮浓度实施控制优化，然后设计出一种预测控制方法，建立了一套完整的优化控制系统架构，最后应用于污水处理过程中。实验表明，该优化控制策略能够实现底层控制器设定值的动态优化，有效降低能耗。
【关键词】：污水处理 ASM1 BSM1 能耗特征模型 优化控制
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：X703
【目录】：

• 摘要4-5
• Abstract5-7
• 目录7-9
• 第1章 绪论9-21
• 1.1 论文的课题背景及研究意义9-11
• 1.1.1 课题背景9-10
• 1.1.2 研究意义10-11
• 1.2 活性污泥法污水处理过程模型研究现状11-13
• 1.2.1 机理模型的发展过程及现状11-13
• 1.2.2 智能模型的发展现状13
• 1.3 污水处理过程的优化控制现状13-18
• 1.3.1 污水处理过程概述13-14
• 1.3.2 常见的活性污泥过程影响因素14-16
• 1.3.3 污水处理优化控制方法的研究现状16-18
• 1.4 课题来源18
• 1.5 研究内容与章节安排18-21
• 第2章 污水处理过程机理模型分析21-41
• 2.1 活性污泥法 ASM1 模型描述21-26
• 2.2 BSM1 模型结构26-31
• 2.2.1 生化反应池模型27-28
• 2.2.2 二沉池模型28-30
• 2.2.3 性能评价指标30-31
• 2.3 BSM1 模型仿真31-32
• 2.4 多变量回路控制的污水处理过程能耗分析32-39
• 2.4.1 控制变量与控制结构的描述33-34
• 2.4.2 神经网络控制器的设计34
• 2.4.3 仿真结果与对比试验分析34-39
• 2.5 本章小结39-41
• 第3章 基于 EENN 的污水处理过程能耗特征模型研究41-57
• 3.1 污水处理过程能耗模型机理分析41-45
• 3.1.1 出水水质评价指标分析42-43
• 3.1.2 能耗影响指标分析43-44
• 3.1.3 两者关联分析44-45
• 3.2 扩展的 Elman 递归神经网络45-50
• 3.2.1 递归神经网络的特点46-47
• 3.2.2 扩展 Elman 神经网络47-49
• 3.2.3 网络的学习算法49-50
• 3.3 基于扩展 Elman 神经网络的能耗模型建模50-55
• 3.3.1 网络结构设计51-52
• 3.3.2 建模数据来源52-53
• 3.3.3 仿真结果与分析53-55
• 3.4 本章小结55-57
• 第4章 基于能耗特征模型的节能优化控制57-77
• 4.1 预测控制的基本概念及原理57-59
• 4.2 污水生物脱氮技术介绍59-62
• 4.2.1 生物脱氮机理59-61
• 4.2.2 污水生物脱氮工艺61
• 4.2.3 A/O 脱氮工艺流程61-62
• 4.3 基于 EENN-ECM 的污水处理过程预测优化控制62-70
• 4.3.1 优化问题的描述62-66
• 4.3.2 性能指标函数的建立66-68
• 4.3.3 预测优化控制系统的设计68-70
• 4.4 仿真实验与分析70-75
• 4.5 本章小结75-77
• 结论与展望77-79
• 参考文献79-83
• 附录83-85
• 攻读硕士学位期间所发表的学术论文85-87
• 致谢87

【参考文献】

中国期刊全文数据库 前10条

1 刘大伟;沈文浩;;活性污泥法污水处理基准仿真模型的开发及进展[J];中国给水排水;2007年20期

2 彭永臻,王之晖,王淑莹;基于BP神经网络的A/O脱氮系统外加碳源的仿真研究[J];化工学报;2005年02期

3 许超,陈治纲,邵惠鹤;预测控制技术及应用发展综述[J];化工自动化及仪表;2002年03期

4 王振华;;基于Hopfield神经网络的数据分类[J];计算机应用;2011年S2期

5 杜树新;污水生化处理过程建模与控制[J];控制理论与应用;2002年05期

6 袁德成,于海斌;活性污泥脱氮过程的建模与控制[J];控制理论与应用;2004年03期

7 乔俊飞;王会东;;模糊神经网络的结构自组织算法及应用[J];控制理论与应用;2008年04期

8 丛秋梅;柴天佑;余文;;污水处理过程的递阶神经网络建模[J];控制理论与应用;2009年01期

9 乔俊飞;韩红桂;;神经网络结构动态优化设计的分析与展望[J];控制理论与应用;2010年03期

10 李鸿儒,王建辉,顾树生;准对角递归神经网络及其算法的研究[J];系统仿真学报;2004年07期

本文编号：809564