数据和知识驱动的城市污水处理过程多目标优化控制

城市污水处理过程优化控制是降低能耗的有效手段,然而,如何提高出水水质的同时降低能耗依然是当前城市污水处理过程面临的挑战.围绕上述挑战,文中提出了一种数据和知识驱动的多目标优化控制(Data-knowledge driven mul-tiobjective optimal control,DK-MOC)方法.首先,建立了出水水质、能耗以及系统运行状态的表达关系,获得了运行过程优化目标模型.其次,提出了一种基于知识迁徙学习的动态多目标粒子群优化算法,实现了控制变量优化设定值的自适应求解.最后,将提出的DK-MOC应用于城市污水处理过程基准仿真模型1(Benchmark simulation mod...

Full description

Saved in:
Bibliographic Details
Published in自动化学报 Vol. 47; no. 11; pp. 2538 - 2546
Main Authors 韩红桂, 张琳琳, 伍小龙, 乔俊飞
Format Journal Article
LanguageChinese
Published 北京工业大学信息学部,计算智能与智能系统北京市重点实验室 北京100124 01.11.2021
Subjects
城市污水处理过程;数据和知识驱动方法;多目标优化控制;知识迁徙学习;动态多目标粒子群优化
Online AccessGet full text
ISSN0254-4156
DOI10.16383/j.aas.c210098

Cover

More Information
Summary:城市污水处理过程优化控制是降低能耗的有效手段,然而,如何提高出水水质的同时降低能耗依然是当前城市污水处理过程面临的挑战.围绕上述挑战,文中提出了一种数据和知识驱动的多目标优化控制(Data-knowledge driven mul-tiobjective optimal control,DK-MOC)方法.首先,建立了出水水质、能耗以及系统运行状态的表达关系,获得了运行过程优化目标模型.其次,提出了一种基于知识迁徙学习的动态多目标粒子群优化算法,实现了控制变量优化设定值的自适应求解.最后,将提出的DK-MOC应用于城市污水处理过程基准仿真模型1(Benchmark simulation model No.1,BSM1).结果 表明该方法能够实时获取控制变量的优化设定值,提高了出水水质,并且有效降低了运行能耗.
ISSN:0254-4156
DOI:10.16383/j.aas.c210098