基于遗传算法的ASM3参数估计研究

摘要

针对我国水污染严重，水资源短缺，污水处理厂面临的运行管理不足、运行稳定性差及自动化水平较低的现状，污水处理厂的运行优化势在必行。基于WEST软件平台，合理构建污水处理厂工艺模型，并利用MATLAB编写基于遗传算法的参数估计程序，通过模拟验证，参数估计可有效提高模型的拟合程度，为工艺运行和自动化控制提供理论参考。
　　本课题基于IWA推出的ASM3模型，主要探讨活性污泥系统的脱氮除碳过程，结合苏州市吴中区城区污水处理厂二期卡鲁塞尔氧化沟工艺的实际运行状况，构建基于WEST软件平台的工艺模型，进行参数估计和模拟验证等试验。
　　根据研究对象的进水水质与具体工艺，在对ASM3进行建模过程中，提出适当的省略部分组分或反应过程从而简化模型的思想。依据卡鲁塞尔氧化沟工艺特点和实测DO沿程变化特征，基于WEST模型搭建原理，对氧化沟进行分区，提出采用15个容积相同的CSTR串连模型表达氧化沟反应过程的方案。
　　根据搭建成功的污水处理厂工艺模型，设置构筑物物理参数、废水特征参数、污水处理厂运行参数及模型参数等，构筑物物理参数来自于污水厂的调研，运行参数的设置采用工艺实际运行和模型模拟结合方法给出初始值，废水特征参数和模型参数在模拟初期均采用IWA提出的默认值，在此等条件下，进行稳态模拟，将出水模拟值与实测值对比。
　　依据所建模型对模型参数进行敏感度分析，主要分析对象包括化学计量学系数、组分参数及动力学参数，采用扰动分析方法，按照10％的幅度逐个改变参数大小，稳态模拟输出模型变量，根据敏感度计算公式即可求出每个参数对每种模型组分或出水指标的敏感度值，进行统一比较分析。
　　敏感度分析为参数估计提供参考，选取敏感度值较高的参数进行优化估计可适当减少工作量，节省时间。本研究选取了四个动力学参数，基于遗传算法和最小二乘原理，利用MATLAB编写参数估计程序，得出了一组最优参数估计值。
　　为了检验参数估计结果是否能有效提高模型拟合程度，分别在默认参数和估计参数条件下进行稳态和动态模拟，对出水指标COD、TSS、氨氮和TN分析比较。
　　本论文得出以下结论：
　　（1）采用串联式CSTR模型可有效表达卡鲁塞尔氧化沟反应系统流程，提出通过省略部分组分或反应过程的模型简化思想也是可行的；
　　（2）在模型构建完整及参数已知的情况下进行稳态模拟验证，将出水模拟值与实测值对比可知，COD、氨氮、TN及TSS四个出水指标拟合情况良好，绝对误差和相对误差分别为14mg/L、0.12mg/L、1.33mg/L及0.1mg/L和39%、7.1%、20.5%及1.2%，分析的此误差是可接受的，模拟结果证明了该工艺模型的构建是可行的，基于WEST软件平台的模型构建方法和理论也适合于国内污水处理厂的工艺模拟；
　　（3）敏感度分析结果显示：动力学参数和化学计量学系数中，对氨氮影响较大的主要是μA、KA,NH、bA,O2、YH_O2、YSTO_O2等；对硝氮影响较大的依次是μA、ηNO、bA,O2、YSTO_NO、YH_NO、等；对TN影响较大的依次是bSTO,NO、KA,NH、ηNO、KA,HCO、KO、YSTO_NO、YH_NO等。在主要考虑除碳脱氮的工艺模拟过程中，可适当选取对氮和COD敏感度较高的参数进行优化估计研究，如本研究选取μA、KA,NH、KA,O和bA,O2作为参数估计对象；
　　（4）根据参数敏感度分析，选取四个总敏感度值较大的动力学参数进行参数估计，基于遗传算法的优化机理，利用MATLAB编写计算程序，最终所得优化参数值：μA=1.1192d-1，KA,NH=0.9027gN/m3，KA,O=0.6081gO2/m3，bA,O2=0.1625d-1；
　　（5）利用默认参数和估计参数进行稳态和动态模拟，结果表明，经过参数估计后的模拟结果与实测值的拟合程度比默认参数情况下拟合程度更高，特别是氨氮和TN的吻合效果更加明显，可见提出的参数估计思想可有效提高模型的拟合效果。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 课题研究背景

1.2 研究目的与意义

1.3 研究内容和技术路线

第二章 污水处理厂数学模型的建立

2.1 污水处理厂概况

2.2 生物反应系统数学模型ASM3

2.3 Carrousel氧化沟物理模型搭建

2.4 本章小结

第三章 稳态模拟

3.1 初始条件定义

3.2 稳态模拟

3.3 本章小结

第四章 敏感度分析

4.1 敏感度分析

4.2 敏感度分析结果

4.3 本章小结

第五章 基于GA的参数估计

5.1 参数估计方法概述

5.2 遗传算法

5.3 参数估计MATLAB实现

5.4 本章小结

第六章污水处理厂工艺模型验证

6.1 参数估计稳态模拟验证结果分析

6.2 参数估计动态模拟验证结果分析

6.3 本章小结

第七章结论与展望

7.1 结论

7.2 展望

参考文献

致谢

作者简介

附录1: 遗传算法参数估计部分程序