本文關(guān)鍵詞：污水處理過程節(jié)能優(yōu)化控制方法的研究

  更多相關(guān)文章： 污水處理 ASM1 BSM1 能耗特征模型 優(yōu)化控制

【摘要】：污水處理過程是一個變量繁多，具有大時變、大時滯特點的動態(tài)非線性生化反應(yīng)過程，對污水進(jìn)行有效處理已成為當(dāng)今世界為解決水環(huán)境問題的重要議題。為了提高污水處理裝置運行效率、保證出水質(zhì)量、降低運行費用，研究新型的智能優(yōu)化控制方法來實現(xiàn)節(jié)能達(dá)標(biāo)的目標(biāo)，是當(dāng)前污水處理行業(yè)的發(fā)展趨勢。 論文基于BSM1模型提出了一種污水處理過程多變量回路控制策略，建立了一種能夠直接表達(dá)出水水質(zhì)與能耗關(guān)系的能耗特征模型，設(shè)計了一種預(yù)測優(yōu)化控制方法，以實現(xiàn)污水處理節(jié)能降耗，并通過實驗驗證了其研究工作的可行性和有效性。論文的主要創(chuàng)新點概括如下： 1、在深入分析活性污泥法的數(shù)學(xué)模型ASM1和基準(zhǔn)仿真模型BSM1的基礎(chǔ)上，建立了BSM1仿真平臺，并于MATLAB環(huán)境下實現(xiàn)可視化運行。同時提出了一種污水處理多變量回路控制策略，該策略基于遞歸神經(jīng)網(wǎng)絡(luò)設(shè)計控制器，并應(yīng)用到建立的BSM1平臺上，實驗結(jié)果顯示，相較于傳統(tǒng)PID控制、前饋BP神經(jīng)網(wǎng)絡(luò)控制，該回路控制策略具有更優(yōu)的自適應(yīng)性、魯棒性和穩(wěn)定性。 2、針對污水處理過程難沒有水質(zhì)和能耗間關(guān)系表達(dá)的問題，提出了一種污水處理過程能耗特征模型。首先通過系統(tǒng)分析出水評價指標(biāo)、能耗影響指標(biāo)及其分別與ASM1各組分間的組成關(guān)系，挖掘出能耗與出水水質(zhì)的內(nèi)部聯(lián)系，從而設(shè)計了一種基于擴(kuò)展Elman神經(jīng)網(wǎng)絡(luò)的模型建模方法，實現(xiàn)了能耗特征模型的建立。仿真結(jié)果表明，污水處理過程能耗特征模型（EENN-ECM）能直接的實時精確的表達(dá)出水水質(zhì)和能耗的關(guān)系，填補(bǔ)了污水處理過程能耗通用模型的空白。 3、為解決污水處理過程能耗較高的問題，提出了一種基于EENN-ECM的節(jié)能優(yōu)化控制策略。該策略基于A/O脫氮工藝首先對污水處理過程生物脫氮機(jī)理進(jìn)行分析，，進(jìn)而確定對生化反應(yīng)池的溶解氧濃度、混合液懸浮固體濃度和硝態(tài)氮濃度實施控制優(yōu)化，然后設(shè)計出一種預(yù)測控制方法，建立了一套完整的優(yōu)化控制系統(tǒng)架構(gòu)，最后應(yīng)用于污水處理過程中。實驗表明，該優(yōu)化控制策略能夠?qū)崿F(xiàn)底層控制器設(shè)定值的動態(tài)優(yōu)化，有效降低能耗。
【關(guān)鍵詞】：污水處理 ASM1 BSM1 能耗特征模型 優(yōu)化控制
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：X703
【目錄】：

• 摘要4-5
• Abstract5-7
• 目錄7-9
• 第1章 緒論9-21
• 1.1 論文的課題背景及研究意義9-11
• 1.1.1 課題背景9-10
• 1.1.2 研究意義10-11
• 1.2 活性污泥法污水處理過程模型研究現(xiàn)狀11-13
• 1.2.1 機(jī)理模型的發(fā)展過程及現(xiàn)狀11-13
• 1.2.2 智能模型的發(fā)展現(xiàn)狀13
• 1.3 污水處理過程的優(yōu)化控制現(xiàn)狀13-18
• 1.3.1 污水處理過程概述13-14
• 1.3.2 常見的活性污泥過程影響因素14-16
• 1.3.3 污水處理優(yōu)化控制方法的研究現(xiàn)狀16-18
• 1.4 課題來源18
• 1.5 研究內(nèi)容與章節(jié)安排18-21
• 第2章 污水處理過程機(jī)理模型分析21-41
• 2.1 活性污泥法 ASM1 模型描述21-26
• 2.2 BSM1 模型結(jié)構(gòu)26-31
• 2.2.1 生化反應(yīng)池模型27-28
• 2.2.2 二沉池模型28-30
• 2.2.3 性能評價指標(biāo)30-31
• 2.3 BSM1 模型仿真31-32
• 2.4 多變量回路控制的污水處理過程能耗分析32-39
• 2.4.1 控制變量與控制結(jié)構(gòu)的描述33-34
• 2.4.2 神經(jīng)網(wǎng)絡(luò)控制器的設(shè)計34
• 2.4.3 仿真結(jié)果與對比試驗分析34-39
• 2.5 本章小結(jié)39-41
• 第3章 基于 EENN 的污水處理過程能耗特征模型研究41-57
• 3.1 污水處理過程能耗模型機(jī)理分析41-45
• 3.1.1 出水水質(zhì)評價指標(biāo)分析42-43
• 3.1.2 能耗影響指標(biāo)分析43-44
• 3.1.3 兩者關(guān)聯(lián)分析44-45
• 3.2 擴(kuò)展的 Elman 遞歸神經(jīng)網(wǎng)絡(luò)45-50
• 3.2.1 遞歸神經(jīng)網(wǎng)絡(luò)的特點46-47
• 3.2.2 擴(kuò)展 Elman 神經(jīng)網(wǎng)絡(luò)47-49
• 3.2.3 網(wǎng)絡(luò)的學(xué)習(xí)算法49-50
• 3.3 基于擴(kuò)展 Elman 神經(jīng)網(wǎng)絡(luò)的能耗模型建模50-55
• 3.3.1 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計51-52
• 3.3.2 建模數(shù)據(jù)來源52-53
• 3.3.3 仿真結(jié)果與分析53-55
• 3.4 本章小結(jié)55-57
• 第4章 基于能耗特征模型的節(jié)能優(yōu)化控制57-77
• 4.1 預(yù)測控制的基本概念及原理57-59
• 4.2 污水生物脫氮技術(shù)介紹59-62
• 4.2.1 生物脫氮機(jī)理59-61
• 4.2.2 污水生物脫氮工藝61
• 4.2.3 A/O 脫氮工藝流程61-62
• 4.3 基于 EENN-ECM 的污水處理過程預(yù)測優(yōu)化控制62-70
• 4.3.1 優(yōu)化問題的描述62-66
• 4.3.2 性能指標(biāo)函數(shù)的建立66-68
• 4.3.3 預(yù)測優(yōu)化控制系統(tǒng)的設(shè)計68-70
• 4.4 仿真實驗與分析70-75
• 4.5 本章小結(jié)75-77
• 結(jié)論與展望77-79
• 參考文獻(xiàn)79-83
• 附錄83-85
• 攻讀碩士學(xué)位期間所發(fā)表的學(xué)術(shù)論文85-87
• 致謝87

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉大偉;沈文浩;;活性污泥法污水處理基準(zhǔn)仿真模型的開發(fā)及進(jìn)展[J];中國給水排水;2007年20期

2 彭永臻,王之暉,王淑瑩;基于BP神經(jīng)網(wǎng)絡(luò)的A/O脫氮系統(tǒng)外加碳源的仿真研究[J];化工學(xué)報;2005年02期

3 許超,陳治綱,邵惠鶴;預(yù)測控制技術(shù)及應(yīng)用發(fā)展綜述[J];化工自動化及儀表;2002年03期

4 王振華;;基于Hopfield神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分類[J];計算機(jī)應(yīng)用;2011年S2期

5 杜樹新;污水生化處理過程建模與控制[J];控制理論與應(yīng)用;2002年05期

6 袁德成,于海斌;活性污泥脫氮過程的建模與控制[J];控制理論與應(yīng)用;2004年03期

7 喬俊飛;王會東;;模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)自組織算法及應(yīng)用[J];控制理論與應(yīng)用;2008年04期

8 叢秋梅;柴天佑;余文;;污水處理過程的遞階神經(jīng)網(wǎng)絡(luò)建模[J];控制理論與應(yīng)用;2009年01期

9 喬俊飛;韓紅桂;;神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)動態(tài)優(yōu)化設(shè)計的分析與展望[J];控制理論與應(yīng)用;2010年03期

10 李鴻儒,王建輝,顧樹生;準(zhǔn)對角遞歸神經(jīng)網(wǎng)絡(luò)及其算法的研究[J];系統(tǒng)仿真學(xué)報;2004年07期

本文編號：809564