污水处理过程的多目标多模型预测控制方法研究

针对污水处理过程节能降耗问题以及污水处理过程的高度非线性、强耦合、不确定性等特点.以基于活性污泥2号模型ASM2的A2/O污水处理过程为研究对象,提出了污水处理过程的多目标多模型预测控制方法.该方法首先采用聚类-PLS方法建立污水过程的多模型预测模型,然后构建了包含出水水质区间控制和经济性能指标的多目标优化结构的预测控制策略.仿真结果表明,与设定值预测控制方法相比,多目标优化预测控制策略在保证出水水质的前提下,能有效地节约能耗费用.     

线性规划实现动态优化的模型预测控制策略

为减小模型预测控制算法中动态优化部分的计算复杂度,提出了用线性规划而非二次规划解决模型预测控制动态优化方法。对单输入单输出和多输入多输出模型预测控制的情形,以控制增量、输出增量和偏移变量作为优化变量,建立线性等式约束和不等式约束,并引入线性目标函数,形成线性规划问题。通过加入多种软约束,可改善动态过程的性能指标,达到平稳控制的目的。最后通过一个实例验证了方法的有效性。     

基于多目标粒子群算法的污水处理智能优化控制

为了满足污水处理过程出水水质排放达标的同时降低运行能耗,提出了一种基于多目标粒子群的污水处理多目标智能优化控制方法。首先,通过分析污水处理运行数据,建立了基于自适应回归核函数的污水处理能耗和出水水质模型;其次,设计出一种污水处理多目标优化方法,利用多目标粒子群优化算法同时对污水处理自适应能耗和出水水质模型进行优化,获得溶解氧和硝态氮浓度的优化设定值;最后,利用PID控制器对溶解氧和硝态氮浓度优化设定值进行跟踪控制,实现了污水处理过程的多目标优化控制。基于污水处理基准仿真平台BSM1的实验结果显示,该多目标优化控制方法不但能够保证出水水质达标,而且能有效降低污水处理过程的能耗。     

基于多目标的模糊神经网络及在pH控制过程中的应用

设计了一种基于多目标的动态模糊递归神经网络（FRNN）建模方法,用于pH中和过程的广义预测控制。所设计的多目标优化算法以提高拟合精度和简化网络结构为原则,同时优化模糊神经网络中的模糊规则数、隶属度函数中心点及其宽度,由此得到的FRNN模型可以高精度拟合pH中和过程。依据该动态模型,在控制过程的每一个控制周期得到其局部线性模型,将广义预测控制中复杂的非线性优化问题转化为简单的二次线性规划问题。仿真对比结果验证了所提方法的有效性。     

基于收敛深度控制的多元混合非线性规划算法

随着对象模型描述的系统性和完整性的提高,过程优化问题的复杂程度逐步增加,对优化算法的性能提出了更高的要求。现有的非线性规划算法在求解性能上各有优劣,本文提出了一种基于收敛深度控制的多元混合非线性规划算法,将各个非线性规划算法视为元算法,利用收敛深度来控制这些元算法之间的相互协作,更好地发挥元算法各自的优势,从而提高求解大规模复杂优化问题的能力。采用空分系统的数据校正问题以及脱丙烷塔和脱丁烷塔联塔系统的优化问题对多元混合算法进行了测试,数值结果表明相比各个单独的非线性规划算法而言,多元混合算法具有更好的求解性能。     

基于收敛深度控制的多元混合非线性规划算法

随着对象模型描述的系统性和完整性的提高,过程优化问题的复杂程度逐步增加,对优化算法的性能提出了更高的要求。现有的非线性规划算法在求解性能上各有优劣,本文提出了一种基于收敛深度控制的多元混合非线性规划算法,将各个非线性规划算法视为元算法,利用收敛深度来控制这些元算法之间的相互协作,更好地发挥元算法各自的优势,从而提高求解大规模复杂优化问题的能力。采用空分系统的数据校正问题以及脱丙烷塔和脱丁烷塔联塔系统的优化问题对多元混合算法进行了测试,数值结果表明相比各个单独的非线性规划算法而言,多元混合算法具有更好的求解性能。     

基于多策略自适应差分进化算法的污水处理过程多目标优化控制

针对污水处理过程中的能耗过高和出水水质不达标等问题,提出一种基于多策略自适应差分进化算法的污水处理过程多目标优化控制方法。首先,在常规跟踪控制结构的基础上,增加对第3、4单元溶解氧浓度的跟踪控制,扩大了能耗和出水水质的优化调节范围。然后,设计一种多策略自适应差分进化算法（MSADE）,该算法采用多策略融合变异和排序优选方法,选取合适的变异策略和较优的随机个体引导种群变异,并根据进化过程信息自适应地更新交叉率,以提升算法的收敛性和pareto解的多样性。最后,将MSADE算法与PID控制器相结合,并构建以能耗和出水水质为优化目标的多目标优化问题,实现对溶解氧和硝态氮浓度设定值的动态寻优和跟踪控制。基于国际基准仿真平台BSM1进行验证,结果表明所提的多目标优化控制方法能有效降低污水处理过程的能耗并提升出水水质。     

基于均匀分布NSGAII算法的污水处理多目标优化控制

针对污水处理过程控制中能耗过大、出水水质超标严重等问题，提出了一种基于均匀分布的NSGAII(non-dominated sorting genetic algorithm II based on uniform distribution, UDNSGAII)多目标优化智能控制系统。首先，该方法以污水处理能耗和出水水质作为优化目标，建立多目标优化模型。其次，为了获得溶解氧和硝态氮的优化设定值，提高Pareto解的性能，该算法将种群映射到目标函数对应的超平面, 并在该平面上进行聚类以增加解的多样性。此外，加入分布性判断模块和分布性加强模块提高解的分布性。最后，采用比例积分微分(proportional integral derivative, PID)控制器对溶解氧和硝态氮的优化设定值进行底层跟踪控制。为了验证该算法的有效性，采用国际基准的污水处理仿真平台(benchmark simulation model No.1, BSM1)来进行实验。结果显示，所提出的UDNSGAII多目标优化控制方法能够在满足出水水质达标的同时，有效地降低污水处理过程能耗。     

基于多目标粒子群算法的污水处理智能优化控制

为了满足污水处理过程出水水质排放达标的同时降低运行能耗,提出了一种基于多目标粒子群的污水处理多目标智能优化控制方法。首先,通过分析污水处理运行数据,建立了基于自适应回归核函数的污水处理能耗和出水水质模型;其次,设计出一种污水处理多目标优化方法,利用多目标粒子群优化算法同时对污水处理自适应能耗和出水水质模型进行优化,获得溶解氧和硝态氮浓度的优化设定值;最后,利用PID控制器对溶解氧和硝态氮浓度优化设定值进行跟踪控制,实现了污水处理过程的多目标优化控制。基于污水处理基准仿真平台BSM1的实验结果显示,该多目标优化控制方法不但能够保证出水水质达标,而且能有效降低污水处理过程的能耗。     

汽油调合调度优化

采用连续时间建模方法，建立了一种新的汽油非线性调合和调度集成优化的混合整数非线性规划（MINLP）模型，克服了当前在油品调合调度中采用线性调合模型或者将非线性调合过程和调度分开优化的缺陷。针对建立MINLP模型的特点，将原MINLP问题转化为求解一系列的混合整数线性规划（MILP）模型，避免了直接求解MINLP模型的复杂性。最后以某大型炼油企业为例，验证了模型和算法的实用性。     

Some efficient approaches for multi-objective constrained optimization of computationally expensive black-box model problems

Multi-objective constrained optimization problems which arise in many engineering fields often involve computationally expensive black-box model simulators of industrial processes which have to be solved with limited computational time budget, and hence limited number of simulator calls. This paper proposes two heuristic approaches aiming to build proxy problem models, solvable by computationally efficient optimization methods, in order to quickly provide a sufficiently accurate approximation of the Pareto front. The first approach builds a multi-objective mixed-integer linear programming (MO-MILP) surrogate model of the optimization problem relying on piece-wise linear approximations of objectives and constraints obtained through brute-force sensitivity computation. The second approach builds a multi-objective nonlinear programming (MO-NLP) surrogate model using curve fitting of objectives and constraints. In both approaches the desired number of approximated solutions of the Pareto front are generated by applying the ɛ-constraint method to the multi-objective surrogate problems. The proposed approaches are tested for the cost vs. life cycle assessment (LCA)-based environmental optimization of drinking water production plants. The results obtained with both approaches show that a good quality approximation of Pareto front can be obtained with a significantly smaller computational time than with a state-of-the-art metaheuristic algorithm.     

基于分解算法的功热交换网络多目标优化

功热网络设计问题指在流程设计中对变压和换热过程进行耦合优化设计的问题,以此来提高整体系统的能效并降低成本。前人工作中一般采用数学规划法对功热网络建模优化。然而,由于存在变压过程和换热器面积计算的非线性约束,以及换热匹配的二元变量,整体模型往往是一个高度非凸的混合整数非线性规划模型,难以求解。本文提出一种高效的功热网络优化方法。模型中分别用透平压缩机和换热器实现功热网络中轴功和热的交换。求解过程采用分解算法,主问题中用随机算法对关键变量优化,功和热两个子网络问题中用确定性算法求解。目标函数考虑了经济和环境影响。案例测试对比了不同优化目标得到的结果以及多目标Pareto曲线,验证了所提出方法的高效性。     

Multi-objective modeling and optimization for scheduling of cracking furnace systems

Cracking furnace is the core device for ethylene production. In practice, multiple ethylene furnaces are usual y run in parallel. The scheduling of the entire cracking furnace system has great significance when multiple feeds are simultaneously processed in multiple cracking furnaces with the changing of operating cost and yield of product. In this paper, given the requirements of both profit and energy saving in actual production process, a multi-objective optimization model contains two objectives, maximizing the average benefits and minimizing the average coking amount was proposed. The model can be abstracted as a multi-objective mixed integer non-linear programming problem. Considering the mixed integer decision variables of this multi-objective problem, an improved hybrid encoding non-dominated sorting genetic algorithm with mixed discrete variables (MDNSGA-I ) is used to solve the Pareto optimal front of this model, the algorithm adopted crossover and muta-tion strategy with multi-operators, which overcomes the deficiency that normal genetic algorithm cannot handle the optimization problem with mixed variables. Finally, using an ethylene plant with multiple cracking furnaces as an example to illustrate the effectiveness of the scheduling results by comparing the optimization results of multi-objective and single objective model.     

考虑环境影响的间歇过程多目标最优化设计

同时考虑费用和环境影响的间歇化工过程多目标最优化设计问题的求解,通常的做法是使用权重系数法,将其转变成单一目标来优化。但大多数情况下,这种权重系数很难确知。因此,有必要提供多个解以便于设计者作出合理的最终选择。采用多目标遗传算法和线性规划相结合的方法求解出间歇化工过程优化设计模型的非劣解集,并与不同权重系数下的单目标算例进行了比较。结果表明,用多目标遗传算法求解间歇化工过程是有效的。这为设计者在间歇化工过程最优化研究考虑环境因素的决策提供了更多的选择。     

考虑生产成本和环境成本的蒸汽动力系统多目标运行优化

石化企业生产过程中污染性气体的排放问题日益引起人们的重视,生产过程进行用能调度运行优化时,需要兼顾节能降本和减少排放两个矛盾的优化目标。综合考虑能源设备、生产操作及大气污染物排放等因素,建立了蒸汽动力系统的多目标混合整数线性规划(MOMILP)模型,采用改进增广e-约束法对生产成本和环境成本两个目标统筹进行优化,从而获取设备燃料配比和能源分配的优化调度方案。同时,以某石化企业蒸汽动力系统实例为背景,对不同环境收费标准下的生产调度方案进行细致对比和分析,结果验证了所用优化调度模型的有效性。     

基于动态优化的催化裂化装置再生器裕量分析与控制设计(Ⅱ) 求解方法与结果分析

用动态优化的方法求解催化裂化装置再生器的工艺裕量与控制设计。对于该多目标混合整数动态优化问题,通过ε-约束法处理多目标优化问题,将控制性能目标函数转化为控制性能约束;通过将0-1变量松弛化、引入附加等式约束求解混合整数动态优化问题。求解得到非劣解集,绘制关于控制性能指标和工艺指标的关系曲线,发现系统对控制器性能的要求愈高,所需要的裕量应愈大。由此进行折中处理,从而找到兼顾工艺要求和控制性能的催化裂化装置再生器优化设计方案。     

基于改进粒子群算法的乙苯脱氢过程多目标优化

设计了一种基于支配关系构造非支配解集的多目标粒子群算法(MOPSO),将当前找到的非支配解保存到一个外部集——最优解集,利用支配更新其最优解集,多次迭代后得到Pareto最优解集。把乙苯脱氢反应过程的收率和选择性作为优化目标,动力学模型和实际生产状况作为约束条件构造乙苯脱氢过程的多目标优化问题,利用改进的多目标粒子群算法进行优化求解。基于求得的Pareto最优解集研究了各个操作条件对乙苯脱氢生产过程收率和选择性的影响,为后续乙苯催化脱氢系统实施先进控制奠定了基础。     

混合多目标骨干粒子群优化算法在污水处理过程优化控制中的应用

通过对污水生化处理过程的分析,选取能耗和罚款最低为优化目标,建立污水生化处理过程多目标优化控制模型。为了提高Pareto最优解集的收敛性和多样性,提出一种基于Pareto支配和分解的混合多目标骨干粒子群优化算法（HBBMOPSO）。该方法采用带自适应惩罚因子的分解方法选取个体引导者,采用Pareto支配和拥挤距离法维护外部档案和选取全局引导者。此外,采用精英学习策略增强粒子跳出局部Pareto前沿的能力。最后,将HBBMOPSO与自组织模糊神经网络预测模型和自组织控制器相结合,实现污水生化处理过程溶解氧和硝态氮设定值的动态寻优、智能决策和底层跟踪控制。利用国际基准仿真平台BSM1进行实验验证,结果表明所提HBBMOPSO方法在保证出水水质参数达标的前提下,能够有效降低污水处理过程的能耗。