首页> 资源> 论文>正文

污水回用网络优化设计的研究

论文类型 技术与工程 发表日期 2002-06-01
来源 《工业用水与废水》2002年第3期
作者 周兵,杜红彬,樊希山
关键词 污水 污水回用 污水回用网络
摘要 在工业生产的各个用水过程中会产生大量污水,使污水最小化的一个有效的方法就是设计污水回用网络,以便使污水得到最大程度的回用,这样在满足用水要求的同时使新鲜水消耗最少。利用自适应模拟运大遗传算法对用水网络进行最优设计。

周兵,杜红彬,樊希山
(大连理工大学化工学院,辽宁 大连116012)

  摘 要:在工业生产的各个用水过程中会产生大量污水,使污水最小化的一个有效的方法就是设计污水回用网络,以便使污水得到最大程度的回用,这样在满足用水要求的同时使新鲜水消耗最少。利用自适应模拟运大遗传算法对用水网络进行最优设计。
  关键词:污水;污水回用;污水回用网络
  中图分类号:TP31
  文献标识码:A
  文章编号:1009-2455(2002)03-0013-03

Study on the Optimum Design of Wastewater Reuse Network
ZHOU Bing, DU Hong-bin, FAN Xi-shan
(School of Chemical Engineering, Dalian University of Technology, Dalian 116012, China)

  Abstract: A large amount of wastewater is produced in various processes in industries. A effective way to minimize wastewater is to design the wastewater reuse network so as to make maximal use of wastewater. Adaptive simulated annealing genetic algorithms is adopted for the optimum design of the wastewater network in this paper to meet the water demands as well as to minimize the fresh water consumption.
  Key words: wastewater; wastewater reuse; wastewater reuse network

前言

  在工业生产中,使污水最小化已成为人们普遍关心的问题,而污水最小化又等价于最小化新鲜水消耗。在此文中我们建立了污水回用网络,使之最大。程度的回用污水,并将我们所开发的自适应模拟退火遗传算法应用到此非线性规划问题,实现了用水网络的优化设计,所得的污水回用网络可使新鲜水消耗最少,同时满足用水要求。

1 污水回用网络模型[1]研究

1.1 污水回用网络(WWRN)
  一个简单的清洗过程污水回用流程如图1所示。图中Wj为新鲜水流量,Wrj,i为从过程i回用于过程j的污水流量,Ww为排出的污水量,qi为清洗操作除去的杂质量。无数个这样的回用单元则构成了污水回用网络。
1.2 问题描述
  在一个给定的、含有N个子过程、M种杂质(qi,j,i∈N,j∈M)需除去的清洗过程中,对每一个子过程Pi,杂质的最大允许浓度(Ci,jinmax和(Ci,joutmax是给定的。有必要设计这样一个最优的WWRN,即满足用水要求又使清洗消耗的新鲜水(Wf)最少。

1.3 优化模型
  
此优化模型可表示如下:

     

  约束为:
①流股混合的质量守恒

      

  ②流股分割的质量守恒

  
  在以上的表达中,若i=j则Wri,j表示内部循环流股,通常在无再生的情况上,内部循环流股设为0,若i≠j,Wri,j表示外部循环流股。其中,可能在第i级的操作中回用水就可满足用水要求,此时Wfi=0。此问题属非线性约束优化问题,下面简单介绍一下自适应模拟退火遗传算法,并用两个实例来说明使用此算法对用水网络进行最优设计。

2 自适应模拟退火遗传算法[2](Adaptive SimulatedAnnealing Genetic Algorithms,ASAGA)

  模拟退火遗传算法是将遗传算法[3--4]与模拟退火算法[5]相结合而构成的一种优化方法。遗传算法的局部搜索能力较差,但把握搜索过程总体的能力较强;而模拟退火算法具有较强的局部搜索能力,并能使搜索过程避免陷入局部最优解,但模拟退火算法对整个搜索空间的状况了解不多,不便于使搜索过程进入最有希望的搜索区域,从而使得模拟退火算法的运算效率不高。但如果将遗传算法与模拟退火算法相结合,则有可能开发出性能优良的新的全局搜索算法。我们用模拟退火算法作为算法结构主体,将遗传算法嵌入其内层结构,并采取了自适应改变交叉和变异概率策略和自适应调整搜索步长策略对混合遗传退火算法进行了改进,这样就使此混合算法既有较快的收敛速度又有避免陷入局部极值的能力。

3 实例分析

  我们用上述混合算法对两个较简单的用水网络进行最优污水回用网络设计。
3.1 单杂质过程 表1 例1原始数据 过程 最大人口浓度Cinmax/(mg.L-1) 最大出口浓度Coutmax/(mg.L-1) 传质量/(kg.h-1) 1 0 100 2.0 2 50 100 5.0 3 50 800 30.0 4 400 800 4.0

  优化模型建立如下:
   minf(x)=X1+X2+X3+X4
  
约束条件如下:
  ①流股混合的质量守恒
    X1in=X1+X11+X21+X31+X41
    
X2in=X2+X12+X22+X32+X42
    X3in=X3+X13+X23+X33+X43
    x4in=X4+X14+X24+X34+X44
  ②流股分割的质量守恒
    X1out=W1+X11+X12+X13+X14
    X2out=W2+X21+X22+X23+X24
    X3out=W3+X31+X32+X33+X34
    X4out=W4+X41+X42+X43+X44
  ③每个子过程的组分质量守恒
    C1inX1in=C1outX11+C2outX21+C3outX31+C4outX41
    C2inX2in=C1outX12+C2outX22+C3outX32+C4outX42
    C3inX3in=C1outX13+C2outX23+C3outX33+C4outX43
    C4inX4in=C1outX17+C2outX24+C3outX34+C4outX44
    q1=X1outC1out-X1inC1in
    q2=X2outC2out-X2inC2in
    q3=X3outC3out-X3inC3in
    q4=X4outC4out-X4inC4in
  ④因为在此过程中除去的杂志量相对于水物流很小,可不计,故可认为:
    Xini=Xiout i=1,...4
  将上述约束作为惩罚项。
  另外,(Ciin)max≥Ciin≥0
     (Ciout)max≥Ciout≥0
     Xini≥0,Xi≥0,Xxj≥0, i=1,...4
  包括在变量的上下界中了,不单独作为约束。
  以上各式中符号说明如下:
  minf(x)——最小新鲜水消耗量,t/h;
  xiin——过程入口流量,t/h;
  Xiout——过程出口流量,t/h;
  Xi——各过程新鲜水消耗量,t/h;
  Wi——各过程所排污水量,t/h;
  Ciin——过程入口杂质浓度,mg/L;
  Xij——i过程的污水回用于j过程的流量,t/h;
  qi——清洗操作除出的杂质量,kg/h。
  其中i=1,...4;j=1,...4。
  把Xiin、Xiout作为中间变量,将(1)代入(3),将(1)、(2)代入(4),经过化简,此问题变为32维,分别是Xi,Wi,Ciin,Ciout,Xij(i=1,...4,j=1,...4)。将变量的上下界确定在一个适当的范围内,对32个变量初始化后,利用ASAGA我们求得结果如表2。

表2 使用ASAGA所得结果 i Xi/(t.h-1) Wi/(t.h-1) Ciin/(mg.L-1) Ciout/(mg.L-1) Xi,j/(t.h-1) j 1 2 3 4 1 19.9736 0.0006 0 99.7342 0 0 19.9692 0 2 49.9741 44.2656 0.0058 99.8586 0 0 0.0042 5.7084 3 20.9262 40.8945 48.4857 781.8430 0 0 0 0 4 8.8818e-16 5.7046 98.7657 798.9980 0 0 0 0

  以上结果是数学上最优,在实际应用时还要进行处理,如太小的数可视为0,19.9736视为20等。由此用水网络可设计如图2所示。

  作为比较,表3列出了优化前后新鲜水的消耗量。

表3 新鲜水消耗量 过程 无回用 最优回用 1 20 20 2 50 50 3 37.5 20 4 5 0 新鲜水总量 112.5 90 新鲜水减少率   20%

3.2 多杂质过程
  
表4列出了实例2的限制组成数据,比例为两组分问题,取自文献[1]。

表4 例2原始数据 过程 组分 传质量/(kg.h-1) Cinmax/(mg.L-1) Coutmax/(mg.L-1) 水流/(t.h-1) 1 A 4 0 100 40 B 2 25 75   2 A 5.6 80 240 35 B 3.1 30 90  

  采用与例1同样的方法可得最优WWRN,如图3所示。

  此过程共消耗新鲜水54t/h,如果每个操作都使用新鲜水则需63.4t/h,可见两者相比节水14.8%。

4 结论

  在工业过程中,最优WWRN的设计往往是有效降低污水的关键。设计中的主要困难是在满足清洗任务的同时要使水流服得到最有效的分配。建立在优化基础上的设计方法可用来设计既节省费用又在结构上达到最优的污水回用网络。但有一点需说明,当流股和杂质组分太多时,最优解无法得到保证,这也正是我们需要进一步研究的工作。

参考文献:

  [1]Wang Y P and Smith R.Wastewater Minimization[J].Chem Eng Sci,1994,49(7):981-1006.
  [2] 杜红彬.基于遗传算法和模拟退火算法的混合算法的研究与应用[D].大连:大连理工大学,1999.
  [3]刘勇,唐立山,陈屏.非数值并行算法—遗传算法[M].北京:科学出版社,1998.
  [4] 周明,孙树栋.遗传算法原理及应用[M].北京:国防工业出版社,2000.
  [5] 唐立山,谢云,尤矢勇,等.非数值并行算法——模拟退化算法[M].北京:科学出版社,1998.


  作者简介:周兵(1977--),男,江苏江都人,硕士研究生,电话(0411)3609254,zhoubing1999@263.net。

论文搜索

发表时间

论文投稿

很多时候您的文章总是无缘变成铅字。研究做到关键时,试验有了起色时,是不是想和同行探讨一下,工作中有了心得,您是不是很想与人分享,那么不要只是默默工作了,写下来吧!投稿时,请以附件形式发至 [email protected] ,请注明论文投稿。一旦采用,我们会为您增加100枚金币。