复杂工况下选择性催化还原脱硝系统的迁移强化学习控制

针对复杂工况下选择性催化还原(SCR)系统难以实现精确脱硝控制的问题,本文提出一种基于迁移强化学习的智能控制方法.首先根据机组负荷的变化将整体运行过程划分为不同阶段.然后训练了强化学习控制器以分别学习各个阶段的不同特征,从而实现了变工况下SCR脱硝系统的精确控制.此外,借鉴了迁移学习的思路以应对预料之外的未知工况,避免了因工况未知所造成的不利影响.最后将训练好的控制器用于实际SCR脱硝系统的控制中,实验结果表明所提方法可以有效地控制复杂工况下燃煤机组NOx的排放量,为复杂工况下SCR脱硝系统的智能控制提供了借鉴....

Full description

Saved in:
Bibliographic Details
Published in控制理论与应用 Vol. 41; no. 3; pp. 496 - 501
Main Authors 孙小明, 彭晨, 程传良
Format Journal Article
LanguageChinese
Published 上海大学机电工程与自动化学院,上海 200444 01.03.2024
Subjects
transfer learning
未知工况
SCR脱硝系统
强化学习
迁移学习
variable working condition
unknown working condition
变工况
SCR denitration system
reinforcement learning
Online AccessGet full text

Cover

More Information
Summary:针对复杂工况下选择性催化还原(SCR)系统难以实现精确脱硝控制的问题,本文提出一种基于迁移强化学习的智能控制方法.首先根据机组负荷的变化将整体运行过程划分为不同阶段.然后训练了强化学习控制器以分别学习各个阶段的不同特征,从而实现了变工况下SCR脱硝系统的精确控制.此外,借鉴了迁移学习的思路以应对预料之外的未知工况,避免了因工况未知所造成的不利影响.最后将训练好的控制器用于实际SCR脱硝系统的控制中,实验结果表明所提方法可以有效地控制复杂工况下燃煤机组NOx的排放量,为复杂工况下SCR脱硝系统的智能控制提供了借鉴.
ISSN:1000-8152
DOI:10.7641/CTA.2023.21030