1.一种污水处理过程水质能耗预测及优化控制方法，其特征在于，步骤如下：步骤1：获取污水处理厂在不同时间不同地点污水处理过程中的出水水质和能耗以及影响因素：溶解氧、硝态氮；

步骤2：对获取的数据进行处理，使用变分模态分解VMD分解数据，选择特定的本征模态函数进行滤波处理；

步骤3：建立基于Reformer和STGCN的污水处理过程水质能耗预测模型；

所述步骤3基于Reformer和STGCN的污水处理过程水质能耗预测模型如下：Reformer使用局部敏感哈希LSH降低长序列的处理复杂度和可逆残差层，Reformer中在反向传播期间，按需重新计算每个层的输入，这是使用可逆层来实现的，其中来自网络最后一层的激活用于还原来自任何中间层的激活，这相当于反向运行网络；

STGCN结合了GRU和GCN来提供空间和时间上的同步附着性，首先对节点特征表进行图卷积，然后将结果送至GRU，提取时间特征；STGCN中GRU部分的重置门、更新门、记忆信息及隐藏状态的计算公式为：N×F

其中，f(A,X)表示对输入X进行图卷积运算， X∈R 表示节点的特征F×F

矩阵，F表示节点特征的维数，W0∈R 表示输入层和隐藏层之间权重矩阵，其中H表示隐藏H×T层隐藏单元的个数，W1∈R 表示隐藏层到输出层之间的权重矩阵，其中T表示输出层的大小，ReLU表示激活函数，为简化运算，先将f(A,X)先与隐藏状态做拼接再与权重相乘，同时添加偏置项；

步骤4：使用水循环算法WCA分别优化Reformer和STGCN的超参数得到优化后的Reformer和STGCN的水质能耗预测模型；所述超参数包括Reformer的学习率和STGCN的卷积核的大小和数量；

使用水循环算法优化Reformer的学习率和STGCN的卷积核的大小和数量，具体包括如下步骤：步骤4.1：设置水循环算法的目标函数为污水水质和能耗的预测值与真实值的误差并初始化算法的相关参数；

步骤4.2：在水循环算法初始化过程中，初始化一个初始种群，种群即参数的集合，包括Reformer的学习率和STGCN的卷积核的大小和数量，叫作降雨层，降雨层由大量的雨滴层组成，每一层雨滴代表一组单独的解，假设降雨层中由N层雨滴，则可生成N×N的矩阵X，X可用以下公式生成：X＝LB+rand(UB‑LB)

上式中，UB代表上限，LB代表下限，rand可以生成介于0到1之间的随机数，生成的矩阵X如下：在降雨层中每一层的雨滴都有相应的适应度值，其适应度值由目标函数计算所得，可用下式表示：其中，x表示每一层的雨滴；

步骤4.3：根据适应度值将降雨层雨滴分类，其中适应度值最优的设定为海洋，其次设定为河流，最差的设定为小溪；小溪流向河流或者海洋，其中流向第n条河流或者海洋的小溪的个数有以下公式计算：步骤4.4：计算小溪流动的距离和新的位置，当小溪接近河流时，计算比较两者的适应度值，若小溪的适应度值较优，则交换小溪和河流的位置，同理若河流的适应度值优于海洋，则交换两者的位置，河流边为海洋成为最优解，其位置更新公式如下：其中，XSt、XRi、XSea分别代表小溪、河流和海洋；

步骤4.5：当河流离海洋非常近时，用差的绝对值小于一个极小值，表明河流已经流入海洋，dmax的计算公式如下：其中，Imax代表算法的最大迭代次数；

当满足蒸发条件时，进入降雨阶段，其公式如下所示：

当新形成的小溪直接流入海洋时则用下式表示：

其中，μ是常数，randn是服从正态分布的随机数；形成降雨后水会重新进入汇流过程，即算法继续循环，直到算法达到最大迭代次数Imax停止计算并得到最优解；

步骤4.6：从初始种群中选择合适的海洋作为输出，即最终模型的最优超参数，将算法得到的最优解即Reformer和STGCN的最优参数设置为模型的参数；

步骤5：将处理后的测试数据分别送入Reformer和STGCN进行预测，得到出水水质和能耗的预测结果；

步骤6：建立多目标水循环算法，并结合步骤4得到Reformer和STGCN的水质能耗预测模型进行优化控制；

步骤6.1：利用步骤4优化后的Reformer和STGCN的水质能耗预测模型作为优化目标函数；

步骤6.2：在水循环优化算法的基础上引入拥挤距离机制，构建多目标水循环算法；先按照单个目标函数的计算值将适应值进行排序，再计算相邻适应值之间的拥挤距离，根据距离来对聚集的个体进行删除，让解均匀的分布于最优解集之中；

步骤6.3：利用多目标水循环算法对目标函数进行优化，求出一组最优解集，即多组溶解氧和硝态氮的浓度组成的集合；

步骤6.4：从得到的最优解集中选择一个适合的偏好解，即一组合适的溶解氧和硝态氮的值，即从中选出水质达标的情况下能耗最低的解作为偏好解；

步骤6.5：将选出的偏好解作为底层控制器溶解氧和硝态氮浓度的设定值；

步骤6.6：通过调节溶解氧系数和内回流量，调节好氧池溶解氧浓度和厌氧池硝态氮浓度，在水质达标的情况下降低能耗。

2.根据权利要求1所述的一种污水处理过程水质能耗预测及优化控制方法，其特征在于，步骤2使用VMD滤波处理数据，过程如下：步骤2.1：将获取的数据：出水水质、能耗以及溶解氧和硝态氮使用VMD进行数据分解，将复杂的时间序列信号分解成多个局部频率模式：(1)利用希尔伯特变换对其解析信号进行逐个计算；

(2)针对各子分量，根据其中心频率，把频谱调至相应基带；

(3)依据高斯平滑度对信号进行解调，估算分解模态的频率范围，构建以模态估计带宽之和最小为目标，以所有模态之和与原始信号相等为约束条件的变分问题，其数学表达式如下所示：uk和ωk代表第k个模态分量和中心频率，δ(t)表示单位脉冲函数，f表示输入信号；

步骤2.2：使用滤波去除频率最高的波形，去除频率最高的分解模态。

3.根据权利要求1所述一种污水处理过程水质能耗预测及优化控制方法，其特征在于，所述步骤5中将处理后的数据分别送入Reformer和STGCN进行预测，具体操作为：步骤5.1：将模型的参数按照步骤4中优化后的参数设定；

步骤5.2：将使用VMD滤波后的测试数据分别送入Reformer和STGCN中进行预测；

步骤5.3：分别将Reformer和STGCN的预测结果并与真实值进行比较，评估模型的预测精度。

4.一种基于权利要求1至3任一所述的一种污水处理过程水质能耗预测及优化控制方法的系统，其特征在于，包括数据采集模块、数据预处理模块、模型预测模块和优化控制设计模块；

数据采集模块，获取污水处理厂在不同时间不同地点污水处理过程中的出水水质和能耗以及影响因素：溶解氧、硝态氮；

数据预处理模块，使用变分模态分解VMD分解数据，提高模型的预测精度；

模型预测模块，建立基于Reformer和STGCN的污水处理过程预测模型，并通过水循环算法得到最佳的超参数，最后对数据处理后的污水数据进行预测，得到最终预测结果；

优化控制设计模块，建立多目标水循环算法，结合预测模型以出水水质和能耗为优化目标进行优化控制。