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
Transfer reinforcement learning control for a selective catalytic reduction denitration system under complex conditions作者机构:上海大学机电工程与自动化学院上海200444
出 版 物:《控制理论与应用》 (Control Theory & Applications)
年 卷 期:2024年第41卷第3期
页 面:496-501页
核心收录:
学科分类:083002[工学-环境工程] 0830[工学-环境科学与工程(可授工学、理学、农学学位)] 08[工学] 0802[工学-机械工程] 0835[工学-软件工程] 080201[工学-机械制造及其自动化]
主 题:SCR脱硝系统 变工况 未知工况 强化学习 迁移学习
摘 要: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.