基于强化学习与负反馈的脱硝喷氨量动态调节方法及系统
知识产权简介
本发明涉及电厂智能调度及环保控制领域。具体地，涉及一种用于火电厂脱硝系统，基于强化学习策略与负反馈机制进行环境表征与策略优化的喷氨量动态调节模型。
转化前景
本发明创新性地提出了一种基于负反馈机制的喷氨量调节模型。与现有技术相比，具有以下显著优势： 首先，克服了传统理论公式计算误差巨大的缺陷 。通过建立喷氨量、入口NOX、总风量、脱硫来NOX的四元关系，利用强化学习框架下的负反馈机制不断修正动作，使得输出的建议喷氨量能精准拟合实际运行需求，实现了快、准、可解释的控制要求。 其次，有效克服了系统的时间滞后与扰动问题。模型将风量等缓慢变化的参数作为前瞻指标提前引入计算 ，弥补了入口至出口、出口至脱硫处长达数分钟的时间差影响 ，并有效应对了NH3扩散与滞留造成的非线性扰动。 最后，显著提升了预测的稳定性和准确率。在基础预测模型层面，本发明创新性地采用了各项特征的差分（如风量差分、煤量差分等）来预测NOX浓度差分，此举有效过滤了原始特征的绝对值噪声。在两分钟尺度上的趋势预测准确率可达60% ，并且均方根误差降低了约8.18% ，大幅提升了前置预测与后续控制的可靠性。