热工过程的优化与效率提升在火力发电中的应用  

作　　者：杨东林 

机构地区：[1]贵州兴义电力发展有限公司,贵州兴义562400

出　　处：《装备制造技术》2023年第11期222-224,共3页Equipment Manufacturing Technology

摘　　要：在现代社会迅猛发展的背景下,我国火电厂规模不断扩大,发电机组容量也越来越高,对发电机组热工汽温控制提出了更高的要求。目前,我国火电厂常采用的热工系统通常具有大惯性、大滞后、时变、与非线性的特性,在一定程度上影响了控制系统的应用效果,不仅增加火电发电机组运行的危险性,而且还增加火力发电的投入成本,不利于火力发电厂的发展。针对现代火电厂发电机组容量逐渐提升的情况,本文基于人工智能中的深度强化学习技术,提出了一种热工过程优化与效率提升控制算法。该算法在传统深度确定性策略梯度(DDPG)算法的基础上,通过增加乘性因子进行优化,提出一种性能更加良好的热工过程优化控制算法,以获得更精确的优化结果,从而提升火力发电机组热工过程控制效果,提升火电厂运行安全性,并降低火力发电运行成本。通过对该算法的应用可以发现,相比传统热工调节方式,该算法具有最短的调控时间和最低的超调量。因此,该控制算法在火电厂发电机组热工汽温控制方面具有一定的应用价值,并可进行大规模推广。

关 键 词：热工过程 深度确定性策略梯度算法 动量因子 深度强化学习 

分 类 号：TM621[电气工程—电力系统及自动化]