为污水处理的曝气过程通过风机将空气压缩鼓入污水处理生化池，使生化池的溶解氧浓度（DO）维持在合适水平，创造有利于微生物好氧降解污染物的有氧条件，提高微生物的活性和污染物去除能力。进水工况对生物曝气工艺的稳定性影响较大。此外，曝气过程能耗高，风机的电能消耗占污水处理工艺总能耗的40%以上。采取合理有效的曝气控制策略能够提升污水处理系统的整体运行性能和节能效果。

曝气过程为典型的高非线性、大滞后性的复杂过程，其参数优化设定与控制一直是研究的热点。

丛秋梅等提出基于带有工况中心修正的污水处理多模型等在线建模方案，提高了对处理过程COD、氨氮浓度等关键参数预测的准确性，但因缺乏控制策略的进一步优化，仅能为操作人员提供决策参考，节能降耗性能有所限制。

栗三一等采用多目标进化算法寻找溶解氧优化设定值，抑制了出水氨氮及总氮的峰值，同时减少超标率。Honggui HAN等采用全局优化算法寻找溶解氧浓度优化设定值，并对溶解氧控制器进行优化分析，提高了污水处理能力，但缺乏对入水周期性的考虑，一定程度上增加了优化运算成本。

Jianhui WANG等基于污水厂真实历史数据，采用新型混合神经网络模型等智能回归预测算法预测出水参数，同时结合遗传算法等寻优算法降低处理过程的总能耗与总物耗。N. KSHETRY等基于算法融合思想搭建了污水处理过程稳定性及安全性的决策控制系统。

S. SARAVANA KUMAR等基于试错法的模糊逻辑控制对污水处理过程控制策略进行综合优化，一定程度保证了系统出水的达标稳定性，但处理能耗成本增加。P. MAHESWARI等基于实际污水厂校正BSM1模型中的硝酸盐浓度和溶解氧浓度进行嵌套回路控制，在处理效果与节能降耗方面有一定改善，但该模型具有较强的针对性，适用性较低。

为实现曝气过程的优化控制，达到保质降耗的目的，基于污水处理过程，将入水情况的周期性进行入水工况感知划分，以入水工况为单位对处理过程的操作策略进行优化，提高决策响应速度，降低运算成本，并通过搭建系统运行评估体系反映系统的处理能力及优化性能。“工况感知-自主决策-性能评估”多层次污水处理智能曝气优化方案的工况感知层将采用K-means聚类算法建立初始工况库，结合注水原理实现工况库的自主更新。

在工况感知基础上，自主决策层将采用最小二乘支持向量机（LS-SVM）与神经网络反向传播算法（BPNN）建立系统的软测量模型，结合粒子群全局寻优算法（PSO）求解当前入水工况生化池溶解氧的最优设定值（DOset）。性能评估模块将依据系统运行的经济效益、出水水质与出水成分等建立评估数据库，评估系统优化决策性能。

结论

（1）基于感知-决策-评估的污水处理曝气智能优化方法结合K‑means聚类算法与注水原理，对入水数据进行感知，能够支持入水工况库的自主更新，提高了系统稳定性。采用LS‑SVM与BPNN建立计算全局寻优过程个体适应度的软测量模型1及用于约束全局寻优求解空间的软测量模型2，采用PSO对当前工况进行曝气优化自主决策；输入溶解氧浓度优化设定值，针对系统运行情况进行性能评估，并由评估结果对决策系统进行优化更新。

（2）在优化系统出水达标且出水水质（EQ）优于原系统1%~2%的情况下，经济指标（EC）相比原系统下降了10%~15%，节能效果显著。该智能曝气优化方法可作为国内中等规模城镇污水处理厂节能减排的优化参考。

（3）由于污水处理环境具有差异性，BSM1的仿真数据在国内中等规模城镇污水处理厂中的适用性较低，故BSM1仿真模型仅作为所述感知-决策-评估智能曝气优化系统的仿真验证平台。完成优化性能的仿真验证后，后续研究将进一步结合国内中等规模城镇污水处理厂的入水特性建立针对性入水工况感知模块，根据污水厂实际运行数据构建自主决策预测与全局寻优模块，最后针对实际污水厂的处理需求搭建符合国内处理要求的性能评估机制，完成该优化方法在国内中型城镇污水厂的落地应用，达到节能减排的目的。