基于強化學習的SCR脫硝系統(tǒng)優(yōu)化控制

摘要： 為了解決選擇性催化還原(SCR)脫硝系統(tǒng)中NO_x排放控制遇到的時效滯后和負荷波動引發(fā)的響應問題，采用強化學習來調控比例積分微分(PID)參數(shù)，基于深度確定性策略梯度(DDPG)算法，重新設計了Critic網絡的損失函數(shù)，并引入了一個延遲隊列來模擬系統(tǒng)的延遲性，并將所提控制策略應用到國內某660 MW超超臨界火電機組中。結果表明：強化學習控制方法在調節(jié)時間、超調量、穩(wěn)定性方面均... （共8頁）