基于Copt-a iNe t的污水处理过程控制优化研究★

杨 军，闫德鑫

（湖南交通工程学院，湖南 衡阳 421009）

引言

污水处理系统属于非线性系统，该系统特征除时变性和随机性外，还有变量较多和不够稳定，同时容易被多种因素所影响，包括天气因素和进水流量等。如果将环保角度当作考虑角度，则出水水质越高越有利，假如将成本角度当作分析角度，出水水质越高表明产生的能耗也会越多。因此，出于确保同时满足出水水质达标与降低运行能耗目的，相关单位需要做好优化与控制污水处理工作。

1 污水处理过程的模型

就BSM1来说，其关键组成部分包括生化反应池以及二沉池。在生化反应池中，其构成部分包括缺氧区及好氧区，缺氧区数量为2个，好氧区数量为3个。单个缺氧区的体积能够达到1 000 m3，而好氧区的体积是1 333 m3。生化反应池在模拟时选取ASM1，二沉池则在模拟时选用了二次指数沉淀速率的模型，二沉池层数是10层。若水经过生化反应池处理，其中一部分会通过第六层进至沉淀池，其余部分会进行回流，进到生化反应池第一单元，开展循环处理工作。对进至沉淀池的水来说，若符合排放标准，将从上方排出，若无法符合排放标准，将同样回流到生化反应池第一单元，执行循环处理操作。

2 在Copt-aiNet基础上进行优化控制

2.1 人工免疫算法分析

人工免疫算法可对自然免疫系统学习技术进行模仿，此方法得到了生物系统启发，该算法目的是解决无法用经典优化办法解决的复杂问题，常用免疫算法除了克隆选择和B细胞算法外，还有人工免疫网络算法和Opt-aiNet算法。近几年，遗传和粒子群算法已经在污水处理的优化控制工作中得到广泛运用，但是，遗传算法通常不具备良好的局部搜索水平，虽然粒子群算法在局部搜索方面能力很强，但是有非常高的几率落入早熟困境[1]。所以人工免疫算法在被生物免疫机制启发后，达到和生物免疫系统十分相似的功能，除抗原识别功能及细胞分化功能外，还有记忆功能、自我调节功能，可进行全局搜索[2]。

2.2 Copt-aiNet算法分析

Copt-aiNet算法由人工免疫网络算法演变，能够对组合优化方面的问题进行解决，重点在于改进弱亲和力及强亲和力的突变环节，同时，Copt-aiNet算法能够对群体大小进行控制，在描述过程中使用的步骤，除了生成初始种群步骤和对种群各抗体亲和力进行评价步骤外，还有按照免疫操作的机理来更新抗体种群步骤。就更新操作来说，除促进及抑制抗体出现、生成记忆细胞库，还有选择抗体、克隆抗体、变异抗体。

2.3 在处理污水时运用Copt-aiNet进行优化控制

由于污水处理环节的能耗及出水水质之间具有彼此约束关联，出于对约束问题进行解决目的，选择惩罚机制来惩罚出水质量浓度越限状况，让平均越限部分和大惩罚因子做乘法。所以，对越限很多部分来说，对应优化目标具有很大的函数值，会在寻优环节遭到淘汰，在此基础上对优化问题目标函数进行设置[3]。

就等待优化问题来说，其最优解抗体设置成溶解氧质量浓度的设定值及硝态氮质量浓度的设定值，分别设置成ρO5，ref以及ρNO2，ref。对抗体和抗体的亲和度来说，将目标函数值用J指代。就Copt-aiNet基础上的

污水处理优化环节而言，其步骤如下文所示：

第一步，将起始时间设定为0，用t指代，用T代表优化周期。

第二步，生成初始抗体的种群数，把一天划分成n个控制区间，这样做的目的是使一对ρO5和ρNO2的最佳设定值存在于所有控制区间。按照经验和以前的研究，分别对ρO5和ρNO2取值范围进行设定，范围如下：0＜ρO5＜3，0＜ρNO2＜4。以随机方式在此取值范围中出现初始抗体种群，数量为一个，代号为P。

第三步，进行抗体亲和度的评价。按照顺序，把出现初始抗体种群的抗体赋值至寻优参数ρO5，ref以及ρNO2，ref，之后持续对BSM1模型进行运行，时间为一天，对各抗体相对的性能指标J值进行计算，将其当作此抗体亲和度，而且对得到的每一段最小J值进行比较，对应抗体就是最佳抗体，此时应对所得最佳抗体进行记录。

第四步，首先是选择过程，选用多个最佳抗体实行克隆过程以及突变过程，最佳抗体个数用g指代。出于选取g个最佳抗体目的，对亲和力值进行考虑，若目标函数很小，则抗体的合适程度很高，按照最低亲和力值至最高亲和力的顺序，即由最优设定值至最差设定值顺序，完成存至记忆细胞库操作，将选取抗体子种群用Pg指代。

1）克隆过程。用C代表出现的克隆子群，此子群包括利用子种群Pg抗体得到Nc个克隆。对于各抗体能够出现的克隆数进行计算。

2）克隆抑制的过程。利用对抗体间相似性进行比较方式，在克隆抑制环节对抗体子种群的类似性进行评价。假如某对抗体的相似性S超过阈值，相似率为80%，就能够利用克隆抑制过程对指定抗体进行舍弃，通过消除相似抗体方式使供应的群体多样性得到提高。

盐囊细胞（Epidermal bladder cells，EBC）是冰叶日中花的特异细胞，存在于除了根以外的所有组织表面，但在不同组织其形态也各不一样。盐囊细胞是储存NaCl的场所，在受到盐胁迫时，冰叶日中花的地上部分就开始将NaCl储存在各个部位的盐囊细胞中。盐胁迫下的盐囊细胞呈现隆状的凸起［2］。研究显示，EBC 可累积多达 1.2 mol／L 的 Na＋， 在离子和水稳态方面起着非常重要的作用［7］。因此，EBC对冰叶日中花的耐盐性起关键作用。

第五步，得到克隆子群C，之后利用突变过程得到成熟克隆新子群，用C＊指代。对Copt-aiNet迭代环节抗体突变数进行计算，抗体为i，使用公式定义突变率，突变率为α，设置归一化亲和度，用f＊指代。

1）弱突变过程。假如Copt-aiNet迭代时，抗体子种群的抗体在亲和力方面没能得到改善，需要对弱突变过程进行执行。此时，弱突变存在于群体P的全部元素。

2）强突变过程。在Copt-aiNet中，对各抗体实行强突变操作，能够强化搜索和局部改进抗体子种群的抗体。

第六步，停止标准。观察能否实现最大迭代次数目标，假如未能达到，需要对上述步骤进行重复。假如符合迭代次数要求或者精度方面的标准，需要终止本次寻优操作，对相关ρO5优化设定值以及ρNO2优化设定值进行输出，说明在第t天，设置值寻优过程完成。

第七步，设定t=t+T，此时回到第二步开展此后一天的设定值寻优操作，直至所有优化设定值寻优操作结束为止。利用PID控制器对ρO5实时设定值状况和ρNO2实时设定值状况进行跟踪，本次研究的PID控制器选择了增量式控制器。

3 仿真试验及试验结果研究

3.1 仿真试验

出于对污水处理优化控制对策效果进行验证目的，通过污水生化处理基准的仿真模型平台展开仿真试验，该BSM1平台除晴天入水数据和雨天入水数据外，还有暴雨入水数据，上述数据具有很高真实性，各组数据均经过两周采样数据组合，采样时间是15 min。就入水数据来说，周末数据和周中数据相比变化很大，进水质量浓度与组分质量浓度具有减小趋势。此仿真试验选用了晴天工况的数据，在试验中能够发现，周一至周五的数据规律具有相似性，而周六入水流量与周日入水流量呈显著下降态势[4]。

此次BSM1仿真模型条件：在好氧池的氧传递系数方面，KLa3与KLa4相等，为240；在外回流量方面Qr为18 446 m3/d；污泥排放量Qw是385 m3/d。

Copt-aiNet参数设置：将抗体初始种群的规模设置成40，将最大迭代次数设置成500，按照经验对惩罚因子进行选择，c1和c2相等，c3、c4、c5相等，其数值分别是500和100。

在Copt-aiNet优化控制对策基础上，获得第五分区溶解氧及第二分区硝态氮在质量浓度方面的优化设定值，并得到PID跟踪曲线。

试验每天在最优设定值方面均有所不同，能够按照污水处理时的系统运行情况实时调整，整体而言，优化设定值会在周一至周五位于高位波动状态，周六至周日的优化设定值有所降低，原因在于周末的入水流量比周中的入水流量小，周二处在最高位置，在周末优化设定值很小和周一入水流量明显加大情况下，为确保污水处理过程在正常状态下运行，应对设定值进行增加。同时，试验表明PID控制器具有很好的跟踪设定值效果。

就污水处理环节来说，通常需要利用KLa5变化以达到对溶解氧浓度ρO5进行控制目的，利用内回流量Qa改变对硝酸氮浓度ρNO2进行控制，所以对ρO5跟踪控制效果与ρNO2跟踪效果来说，其与Qa及KLa5变动有着紧密关联。

3.2 各情况对比分析

依据出水水质指标在平均值方面的对比和能耗对比状况，为了获得优化结果，本研究开展了3种状况的对比，除开环控制情况和常规控制情况外，还有Copt-aiNet情况。开环控制情况即保证曝气量及内回流流量不会出现变化，常规控制指的是把溶解氧质量浓度的设定值保持在2 g/m3，使硝酸氮质量浓度的设定值保持在1 g/m3。各控制对策的出水质量浓度如表1所示，各控制对策的能耗比较如表2所示。

表1 各控制对策的出水质量浓度 mg/L

表2 各控制对策的能耗比较 kWh/d

通过各控制对策的出水质量浓度表，能够发现上述控制对策来说，无论是化学需氧量质量浓度（ρCOD）方面、固体悬浮物质量浓度（ρTSS）方面，还是五天生化需氧量质量浓度（ρBOD5）方面均没能出现明显改动，文章提出的控制对策要比另外的控制办法更好，在总氮质量浓度（ρTN）方面及氨氮质量浓度（ρNH）方面出现了显著改变，并且能够对以上指标具有的彼此冲突特点进行反映，在总氮质量浓度提高的情况下，氨氮质量浓度会有所下降，而在总氮质量浓度下降情况下，氨氮质量浓度会有所升高。就总体情况而言，以上指标都可以符合约束标准。依据各控制对策的能耗比较表，能够发现，在曝气能耗有所下降时，泵送能耗会稍微增多，但是总能耗发生显著下降，具有很好的节能效果，同时曝气能耗及泵送能耗之间存在着较为显著的冲突特点。

4 结语

本研究的创新之处在于使用Copt-aiNet算法来处理城镇污水，能够使出水水质提高，使功耗下降，同时开展污水监测工作，避免在处理污水时发生水质无法符合标准的问题。研究特点在于污水处理消耗能源下降，提高污水在净化之后的安全性。此外，本文重点研究了人工免疫算法的污水处理及控制对策，能够及时在处理污水时监测其参数，形成的污水处理系统不仅作用显著，而且可靠程度得到明显提高。