Research on optimal scheduling of thermal power system in thermal power plant based on deep reinforcement learning

火力发电站 调度(生产过程) 计算机科学 减速器 热的 数学优化 工程类 汽车工程 控制理论(社会学) 机械工程 人工智能 废物管理 数学 物理 气象学 控制(管理)
作者
Pan Wang,Ye Liu
出处
期刊:Journal of physics [IOP Publishing]
卷期号:2442 (1): 012009-012009
标识
DOI:10.1088/1742-6596/2442/1/012009
摘要

Abstract Optimal dispatch is one of the key technologies to realize the efficient and economical operation of the thermal power system in thermal power plants. In order to reduce the energy consumption of thermal power system in thermal power plants, ensure the optimal dispatching effect and improve the efficiency of optimal dispatching, this paper introduces deep reinforcement learning to design a new optimal dispatching method for thermal power system in thermal power plants. The thermal power system structure of thermal power plant is analyzed, and the models of boiler, steam turbine and temperature and pressure reducer are established. The optimal scheduling problem of steam turbine and boiler thermal system is studied. By setting the objective function and determining the constraint function, the relevant optimal scheduling model is constructed. The SAC algorithm in deep reinforcement learning is used to solve the model to achieve the important goal of optimal scheduling. The experimental results show that the total fuel consumption of the proposed method is small, and the proposed method has a better optimal scheduling effect of thermal power system in thermal power plants, and can effectively improve the optimal scheduling efficiency.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
ZHANG完成签到 ,获得积分10
3秒前
科研通AI2S应助LZQ采纳,获得10
6秒前
001完成签到 ,获得积分10
6秒前
研友_LN7bvn完成签到,获得积分10
6秒前
小糊涂完成签到 ,获得积分10
8秒前
王建平完成签到 ,获得积分10
14秒前
俭朴的八宝粥完成签到,获得积分10
19秒前
hou2012完成签到,获得积分10
21秒前
所有与弦的梦完成签到,获得积分10
24秒前
当女遇到乔完成签到 ,获得积分10
29秒前
song完成签到 ,获得积分10
32秒前
汉堡包应助科研通管家采纳,获得10
36秒前
37秒前
小二郎应助科研通管家采纳,获得10
37秒前
慕青应助科研通管家采纳,获得10
37秒前
科研通AI2S应助科研通管家采纳,获得10
37秒前
orixero应助科研通管家采纳,获得10
37秒前
37秒前
Er魁完成签到 ,获得积分10
38秒前
asdwind完成签到,获得积分10
42秒前
45秒前
Research完成签到 ,获得积分10
52秒前
同學你該吃藥了完成签到 ,获得积分10
52秒前
kang完成签到 ,获得积分10
55秒前
JF完成签到,获得积分10
56秒前
慧慧完成签到 ,获得积分10
59秒前
落忆完成签到 ,获得积分10
1分钟前
Xixi_yuan完成签到,获得积分10
1分钟前
Alone离殇完成签到 ,获得积分10
1分钟前
奋斗雅香完成签到 ,获得积分10
1分钟前
mmm完成签到 ,获得积分10
1分钟前
bird完成签到,获得积分10
1分钟前
关中人完成签到,获得积分10
1分钟前
高兴大白菜真实的钥匙完成签到 ,获得积分10
1分钟前
舒适的天奇完成签到 ,获得积分10
1分钟前
laohu完成签到,获得积分10
1分钟前
1分钟前
1分钟前
善良的冰颜完成签到 ,获得积分10
1分钟前
abcdefg发布了新的文献求助10
1分钟前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2700
Neuromuscular and Electrodiagnostic Medicine Board Review 1000
こんなに痛いのにどうして「なんでもない」と医者にいわれてしまうのでしょうか 510
The First Nuclear Era: The Life and Times of a Technological Fixer 500
岡本唐貴自伝的回想画集 500
Distinct Aggregation Behaviors and Rheological Responses of Two Terminally Functionalized Polyisoprenes with Different Quadruple Hydrogen Bonding Motifs 450
Ciprofol versus propofol for adult sedation in gastrointestinal endoscopic procedures: a systematic review and meta-analysis 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3671320
求助须知:如何正确求助?哪些是违规求助? 3228175
关于积分的说明 9778742
捐赠科研通 2938431
什么是DOI,文献DOI怎么找? 1610011
邀请新用户注册赠送积分活动 760503
科研通“疑难数据库(出版商)”最低求助积分说明 736020