Boiler combustion modeling and optimization based on reinforcement learning algorithm

Jie Dou

doi:10.1007/s42452-025-08019-5

Boiler combustion modeling and optimization based on reinforcement learning algorithm

2025-11-26

0

OA

AI

窦杰 (Jie Dou) *

Z

Zhimei Wen

DOI：10.1007/s42452-025-08019-5

原文链接

查看原文

摘要

En 中文

随着日益恶劣的空气环境以及煤炭资源的逐渐减少，锅炉燃烧优化技术能够实现高效低污染运行，这对保护环境和资源具有重要意义。针对传统学习算法难以构建锅炉燃烧模型的问题，提出了一种结合强化学习算法与主成分分析（PCA）的锅炉燃烧优化方法。主成分分析用于降低锅炉燃烧系统传输的高维数据维度，标准化原始数据，并利用深度强化学习算法构建锅炉燃烧模型。从结果来看，所设计方法均方根误差为0.0217，平均绝对误差为0.0191。与传统深度强化学习算法相比，均方根误差和平均绝对误差分别降低了0.0158和0.0188。该算法比双深度Q网络（DDQN）和Q学习算法更稳定。在实际应用中，锅炉燃烧效率达到92.911%。上述结果表明，改进的深度强化学习算法能够优化并构建锅炉燃烧特征变量的模型。该研究方法为锅炉燃烧过程的高效建模与优化提供了更精确的技术支持，有效提升了燃烧效率并减少污染物排放。该方法在实际工业场景中具有良好的适应性和稳定性，为能源利用的智能化转型提供了可行路径。

Keyword:

Boiler combustion

Reinforcement learning

Deep neural network

Principal component analysis method

Optimized modeling

Boiler combustion modeling and optimization based on reinforcement learning algorithm

摘要

AI总结

期刊

机构

引用论文