CN120103718A 污水的处理方法和污水处理系统 （长沙理工大学）

(10)申请公布号CN120103718A(21)申请号202510586510.X(22)申请日2025.05.08(71)申请人长沙理工大学(74)专利代理机构长沙正务联合知识产权代理 (54)发明名称污水的处理方法和污水处理系统(57)摘要本发明公开了一种污水的处理方法和污水处理系统，污水的处理方法包括：在每个时刻，所述分段仿射外生自回归模型基于过去的污水处理参数预测出水污染物浓度和能耗；基于经济模型预测控制调整污染物去除量、能耗成本和排放成本之间的平衡；选取当前时刻的最优控制输入。由此，通过分段仿射外生自回归模型将污水处理系统划分为多个线性子系统，每个线性的子系统均为一种典型的工况，并且一个线性的子系统对应分段仿射外生自回归模型中的一个子模型，根据实时检测的污水处理的相关参数判断工况，进而选择性地动态激活该工况对应的子模型，进行污染物浓度和能耗的预测，在此基础上，基于经济模型预测生成当前时刻的最优控制输2利用混合整数分段仿射系统在污水处理过程建设分段仿射在每个时刻，所述分段仿射外生自回归模型基于过去的污水处理参数预测出水污染物根据预测出的出水污染物浓度和能耗，基于经济模型预测控制调整污染物去除量、能g(φ)=dφ+c,H,≤D,;3其中，0和θ是两个铰接超平面的参数；±号用于表示凸或非凸函数；通过取max操作，铰接超平面模型能够适应具有折线特征的非线性系统。6.根据权利要求5所述的污水的处理方法，其特征在于，所述铰接超平面模型逼近分段仿射外生自回归模型，所述铰接超平面模型可被扩展为分段仿射外生自回归模型，所述分段仿射外生自回归模型形式为：M表示所述分段仿射外生自回归模型的子模型数量；s₂∈{-1,1}是权重参数，决定哪些子模型被激活，θ₀是模型的全局线性基参数，φ提供模型的基础线性响应，即使没有子模型被激活，即所有S;=0,输出仍由φθ决定，θ和θ都是状态向量91的权重参数，θ₀为全局线性部分，始终生效；θ,为第i个子模型的非线性修正参数，仅在对应区域激活时生效；两者共同构成完整的模型动态，也即θ捕获共性，θ捕获工况特异性；max{φ0,,0}结构确保了所述分段仿射外生自回归模型能够处理非线性系统；令Q=(θ…θM),二元变量：,表示所述分段仿射外生自回归模型的激活状态；连续变量定义：Z;=max{φ,θ,0}=φθδ,用于实现所述分段仿射外生自回归模型。7.根据权利要求6所述的污水的处理方法，其特征在于，通过混合整数规划学习分段仿射外生自回归模型的参数θ,所述混合整数规划的形式为：;M和m2分别是φθ的上边界和下边界，M和m2的约束条件4由于max操作的冗余性，所述分段仿射外生自回归模型的冗余约束条件为：wTθ≥…≥wTθ≥0,i∈[1,M],w为任意非零向量。其中，y为目标污染物浓度，yk-y为出水污染物浓度与目标污染物浓度的偏差；E(uŁ)为污水处理过程的能耗成本；P(yk9.根据权利要求8所述的污水的处理方法，其特征在于，所述进水流量Q的约束条件所述出水污染物浓度y,的约束条件：Ymin≤y,≤y10.一种污水处理系统，其特征在于，适用权利要求1-9中任一项所述的污水的处5污水的处理方法和污水处理系统技术领域[0001]本发明涉及污水处理技术领域，尤其是涉及一种污水的处理方法和污水处理系统。背景技术[0002]污水处理是保护生态环境和人类健康的关键环节。随着城市化进程的加快和环境保护要求的提高，污水处理设施的运行效率和经济性变得尤为重要。[0003]在污水处理过程中，传统的控制方法通常依赖于机理模型，但污水处理系统具有强非线性、时变性和不确定性，导致传统的机理模型难以准确描述污水处理过程中的非线性动态行为，尤其是在面对复杂的进水条件和多变的运行工况时，不仅计算时间和资源消耗较大，而且模型精度往往无法满足实时控制的需求。[0004]并且传统的控制方法通常依赖于设定点跟踪，难以在保证出水质量的同时，优化经济成本和能耗。现有的控制策略往往无法在复杂的运行条件下实现多目标优化。污水处理厂的运行条件经常发生变化，传统的控制方法难以快速适应这些变化，导致控制效果不发明内容[0005]本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明的一个目的在于提出一种污水的处理方法，该污水的处理方法可以在保证出水质量的同时，优化经济[0006]本发明进一步地提出了一种污水的处理系统。[0007]根据本发明实施例的污水的处理方法，包括：获取污水处理的相关参数；利用整数分段仿射系统在污水处理过程建设分段仿射外生自回归模型，识别多工况的非线性动态特性；在每个时刻，所述分段仿射外生自回归模型基于过去的污水处理参数预测出水污染物浓度和能耗；根据预测出的出水污染物浓度和能耗，基于经济模型预测控制调整污染物去除量、能耗成本和排放成本之间的平衡；选取当前时刻的最优控制输入，调整污水处理[0008]由此，由于污水在被处理的过程中具有较强的非线性特征，例如污水中的微生物的代谢速率与能够被微生物降解的底物的浓度之间呈非线性关系，并且由于污水的处理过程会存在不同的工况，例如污水处理系统的污水进水在不同时间段的进水负荷的波动会使得污水处理系统处于不同的工况来应对，这两种问题会导致传统模型难以描述。[0009]本发明通过利用混合整数分段仿射系统在污水处理过程建设分段仿射外生自回归模型，分段仿射外生自回归模型可以根据混合整数分区规则，将污水处理系统划分为多个线性子系统，每个线性的子系统均表示污水处理系统处于一种典型的工况，并且一个线性的子系统对应分段仿射外生自回归模型中的一个子模型，也即多个子模型可以一一对应地准确描述多个子系统，根据实时检测的污水处理的相关参数判断污水处理系统此时处于6[0012]在本发明的一些示例中，所述分段仿射外生自回归模型的形式为：为输出，也即为出水污染物浓度；中为回归向量；φ₁=[1,Q1-1…,Q₁₋m,C₁₋1,…,C₁-n,u₋1…,u-n。]为状态向量，且φ₁=[1,φ,],包含进水流量Q、进水污染物浓度C和控制输入u1;e为噪输入u的历史数据阶数，历史数据阶数决定模型使用过去多少时刻的输入值来预测当前输构成一个多面体分区，C,定义了第j个子模型的激活区域，通过线性8(4)=±max{φθ,φθ7};其中，θ和θ是两个铰接超平面的参数；士;M表示所述分段仿射外生自回归模型的7二元变量：,表示所述分段仿射外生自回归模型的激活状连续变量定义：z,=max{φθ,0}=φ,θδ,用于实现所述分段仿射外生ε,≥|y₁-g(φ,,O|,误差&的约束条件为：,M和m分由于max操作的冗余性，所述分段仿射外生自回归模型的冗余约束条件为：wTθ≥…≥wTθ≥0,i∈[1,M],w为任意非零向量。8度，Yk-yre为出水污染物浓度与目所述进水污染物浓度C的约束条件为：Cmin≤C,≤Cmax;和/或所令△u,=u,-u₁,为了防止控制变量突变，所述控制输入u1采用平滑约束：附图说明[0022]本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得9沉池，进行进一步地杂质处理，由于污水在被处理的过程中具有较强的非线性特征，例如受溶解氧(D0)、pH等参数耦合的影响，污水中的微生物的代谢速率与能够被微生物降解的底物的浓度之间呈非线性关系；又例如沉淀池的污泥沉降速度与污泥浓度之间呈指数关系，也即呈非线性关系；又例如污水处理厂的曝气系统的氧传质效率与气泡大小、以及水深之间均呈非线性相关。还有曝气阀门的开度与空气流量存在死区和饱和区，也会存在非线性[0027]另外，由于污水的处理过程会存在不同的工况，例如污水的进水负荷波动，如日常污水进水高峰(早/晚)与污水进水低峰(中午)差异显著,以及暴雨时流量骤增导致稀释效应；又例如工艺模式变更，如在脱氮除磷时，厌氧处理阶段和好氧处理阶段交替运行，又例如季节性温度变化；以及异常事件冲击，如工业废水偷排和设备故障等，污水处理过程的不同工况和非线性特征这两种问题会导致传统的模型难以进行准确的描述，从而会降低模型与污水处理过程预测的稳定性和可靠性。[0028]因此，本发明在不同处理阶段，通过安装多个传感器实时监测关键参数，并控制器获取污水处理的相关参数，控制器利用混合整数分段仿射系统(MI-PWA)在污水处理过程建设分段仿射外生自回归模型，分段仿射外生自回归模型可以根据混合整数分区规则，将污水处理系统划分为多个线性子模型，每个线性的子系统均表示污水处理系统处于一种典型的工况，并且一个线性的子系统对应分段仿射外生自回归模型中的一个子模型，也即多个子模型可以一一对应地准确描述多个子系统，根据实时检测的污水处理的相关参数判断污水处理系统此时处于何种工况，从而判断该工况所对应的线性的子系统，进而选择性地动态激活对应的子模型进行出水污染物浓度和能耗的预测，例如污水处理系统在低进水负荷工况时污水处理子系统对应分段仿射外生自回归模型中的一种子模型，控制器选择性地动态激活该子模型对当前的污水处理子系统进行更加准确的描述，从而准确可靠地预测当前的出水污染物浓度和能耗。[0029]在此基础上，基于经济模型预测控制调整污染物去除量、能耗成本和排放成本之间的平衡，生成当前时刻的最优控制输入，并实时调整污水处理系统的运行参数，这样不仅可以确保污水处理系统在不同工况下的稳定运行，而且在提升污水处理系统去污精度的同[0030]进一步地，在污水处理系统根据上一时刻的最优控制输入调整污水处理厂的运行参数后，多个传感器检测到的相关数据收到上一时刻的最优控制输入而改变，从而根据改变后的数据重复上述步骤，这样可以使得污水处理系统始终去污精度高，并且经济成本较[0031]图2展示了污水经过本发明的污水处理方法处理后，出水水质的预测值与真实值[0032]在本发明的一些实施例中，选取当前时刻的最优控制输入，调整污水处理的相关参数的步骤还包括：污水处理的相关参数包括但不限于曝气量和污泥回流比。[0033]调整曝气量可以优化溶解氧(DO)水平，曝气量为微生物提供氧气，促进有机物(COD/BOD)和氨氮的降解，污泥回流将二沉池的活性污泥重新引入活性污泥反应池，维持微生物浓度。[0034]增加曝气量可以提升污染物去除率，但会使能耗上升；减少曝气量可以降低能耗，但是会引起溶解氧不足导致污泥膨胀或硝化反应不完全(氨氮超标)的风险，提高回流比，为状态向量，且φ,=[1,φ.],包含进水流量Q、进水污染物浓度C和控制输入u;e,为噪声(可看作扰动);g(φ,)为一个分段污水处理过程建设分段仿射外生自回归模型，识别多工况的非线性动态特性的步骤可包基本形式为：g(4)=±max{φθ⁺,φθ-};其中，0和0是两个铰接超平面的参数；±应具有折线特征的非线性系统。需要说明的是，取max操作为在一组数据中取最大值的操,=φθ+∑s,max{φ,θ,0}+e₁;M表示分段仿射外生自回归模型的子模型[0040]max{φ0,,0}结构确保了分段仿射外生自回归模型能够处理非线性系统；令值时，污水处理系统处于低负荷工况，即δ,=1;当进水流量大于预设值或进水污染物浓度型的参数θ,混合整数规划(MILP)的形式为：,其中，误差E,定义：ε≥ly,-g(φ,,◎|,误差E的约束条件为：,M和m2分别是z≥0,z≤Mδ,由于max操作的冗余性，分段仿射外生自回归模型的冗余约束条件为：wTθ≥…≥wTθw≥0,i∈[1,M],w为任意非零向量。[0044]具体地，通过混合整数规划(MILP)学习分段仿射外生自回归模型，可以提高计算效率和控制精度。[0045]需要说明的是，当状态向量41位于两个子模型的分区边界附近时，分段仿射外生自回归模型中的预测污水处理系统不同工况的多个子模型可能被同时激活，导致同一输入对应多个可能的输出值，导致优化问题存在多个局部解，分段仿射外生自回归模型紊乱，通过限定分段仿射外生自回归模型的冗余约束条件，可以使得一个控制输入只能得到一个输出值，提升分段仿射外生自回归模型的稳定性和可靠性。[0046]在本发明的一些实施例中，经济模型预测控制的目标函数的形式为：yk-yre为出水污染物浓度与目标污染物浓度的偏差；E(u)为污水处理过程的能耗成本，yk-yre为出水污染物浓度与目标污染物浓度的偏差；E(u)为污水处理过程的能耗成本，例如曝气量uk对应的能耗成本；P(yk)为污染物排放成本；2,2₂,23为权重系数，用于体现优先级，例如环保严格时4调高，权重系数适于调整污染物去除量、能耗成本和排放成本之间的平衡。[0047]需要说明的是，在多目标优化问题中，有多个目标函数需要同时考虑，在本发明中例如污染物排放成本、能耗成本和目标污染