第一作者：Hongliang Dai
通讯作者：Xingang Wang
DOI：https://doi.org/10.1016/j.jece.2023.109484
文字摘要：在过去的几十年中，研究人员研究了多种多目标优化算法，以解决污水处理过程的最优决策问题。然而，由于影响因素之间复杂的关系，特别是在涉及大量决策变量的废水处理过程中，从帕累托最优集（Pareto optimal sets）中得到理想解仍然是一个挑战。因此，该研究提出了一种基于拥挤距离（crowding distance）的改进动态多目标粒子群优化算法（DMOPSO-CD），以获得污水处理过程中能耗（EC）与出水质量（EQ）平衡的全局最优解。该算法包括优化模块和一个自组织模糊神经网络，提高了粒子的全局搜索能力，保持了非劣解（non-inferior solution）的多样性，并解决了污水处理过程优化中的多目标关键问题。该优化算法应用于benchmark simulation model No.1（BSM1），并且优化结果显示：在干燥、雨天和暴风雨天气下，废水处理的能耗分别降低了7.87%、6.28%和7.30%。这种方法在出水质量和能耗方面优于多种广泛应用的算法，包括多目标布谷鸟搜索算法（multi-objective cuckoo search）、非支配排序遗传算法-II（non-dominated sorting genetic algorithm-II）和改进的帕累托进化算法（improving Pareto evolutionary algorithm），为污水处理的最优决策开辟了新的窗口。
图片摘要：
Highlights:
提出了一种改进的多目标优化算法用于BSM1优化。
该算法具有粒子的全局搜索能力和多样的非劣解。 提出的算法与多目标问题结合，实现了最优控制目标。 动态跟踪污水参数实现了更灵活和准确的优化。 提出的算法和模型实现了更低能耗的污水处理过程。
生化反应池包括两个缺氧罐和三个好氧罐，分别用于完成反硝化和硝化作用。 二级沉淀池由一个沉淀池和一个污泥浓缩池组成。 使用二次指数沉淀速率模型来模拟沉淀过程。 通过控制氧传递系数来维持反应器罐中的溶解氧水平。 并通过控制内循环流来维持缺氧罐中的硝酸盐水平。
基于拥挤距离的动态粒子群多目标优化算法（DMOPSO-CD）
DMOPSO-CD在BSM1中对和的最优控制水平的性能评估
通过控制氧传递系数和优化了和的设定值。SOFNN对实际EQ和EC值的跟踪效果能够跟踪实际值及其在拐点处的偏差（见图4）,且建模的EC和EQ输出与实际输出一致。
在干旱、降雨、雷雨等环境下验证了优化算法的有效性
图5. 不同天气条件下的跟踪结果。干燥天气下的跟踪结果（a），干燥天气下的跟踪结果（b），雨天下的跟踪结果（c），雨天下的跟踪结果（d），暴风雨天气下的跟踪结果（e），暴风雨天气下的跟踪结果（f）。
与其他算法的比较
点击“原文链接”，查看论文
声明：本公众号分享的前沿学术成果来源于各学术网站，不依法享有其所有权。若原作者发现本次分享中的文字及图片涉及侵权，请立刻联系公众号后台或发送邮件，我们将及时修改或删除！
邮箱：environmodel@sina.com
若您认为有用，欢迎
将Environmodel设为星标，或
点击“在看”或“分享”给他人
