熱力発電所における持続可能な石炭混合のための強化学習による多目的最適化
Zhongfeng Li1,2, Lei Liu1, Zhenlong Zhao1
1School of Electrical Engineering, Yingkou Institute of Technology, Yingkou, Liaoning, People's Republic of China.
この研究は,発電所での石炭混合の最適化のための新しいアルゴリズムを導入し,コストと環境への影響を大幅に削減します. Q学習強化 NSGA-II (QLNSGA-II) アルゴリズムは,石炭火力発電の効率と持続可能性を向上させます.
科学分野:
- * 多目的最適化アルゴリズム
- * エネルギーシステムにおけるコンピューティングインテリジェンス
- * 燃焼工学と環境科学
背景:
- 熱力発電所での石炭混合は,経済,運用,環境上の複雑な課題を提示しています.
- * 既存の方法は,コスト削減や排出量削減などの競合する目標のバランスをとるのに苦労します.
- * 混合パラメータのダイナミックな調整は,リアルタイムのパフォーマンスの最適化に不可欠です.
研究 の 目的:
- * 多目的の石炭混合のための新しいアルゴリズム,Q学習強化NSGA-II (QLNSGA-II) の開発と検証.
- * ダイナミックパラメータ調整のためのNSGA-IIのエリート主義的な選択とQ-ラーニングの適応的政策最適化を統合する.
- * 灰の融合熱力学と汚染物質の放出運動を考慮して,物理に基づいた客観的関数を確立する.
主な方法:
- * QLNSGA-IIアルゴリズムの開発,適応速度調整のためのQ-ラーニングと多目的最適化のためのNSGA-IIを組み合わせた.
- * 燃焼効率とNOx排出量制限を組み込む物理ベースの目的機能の実装
- * 発電所でのベンチマークテスト (WFG,UFスイート) と産業試験による検証
主要な成果:
- * QLNSGA-IIは,ベンチマークスイートよりも優れたパフォーマンスを示し,反転世代距離 (IGD) を12. 7%,ハイパーボリューム (HV) を9. 3%改善しました.
- * 工業的な検証では,燃料コストが14.7%削減され,スラグの発生率は41%減少しました.
- * 重要な環境的利益には,硫黄の含有量の減少 (24.8%),純熱率の増加 (6.9%),年間コストと排出量の大幅な削減が含まれています.
結論:
- * QLNSGA-IIは,複雑な多目的の石炭混合問題に対する,拡張可能で堅固なソリューションを提供します.
- * アルゴリズムは,石炭火力発電の経済的,運用的,環境的要因を効果的にバランスします.
- このアプローチは,エネルギー部門の効率化と持続可能性の向上において重要な進歩を意味します.
さらに関連する動画
10:36Author Spotlight: Optimization of Airflow Velocities in Battery Cooling Systems for Enhanced Thermal Performance and Reduced Energy Consumption
Published on: November 3, 2023
08:17Coupling Carbon Capture from a Power Plant with Semi-automated Open Raceway Ponds for Microalgae Cultivation
Published on: August 14, 2020
関連する概念動画
Maximum Power Flow and Line Loadability
Multi-input and Multi-variable systems
In the absence...
Distributed Loads: Problem Solving
Reinforcement Schedules
Once a behavior is learned,...
Thermal expansion and Thermal stress: Problem Solving
To solve the problem, first, identify the known and unknown quantities. The initial length (L) of the bridge is 1275 m, the coefficient of linear expansion (α) for steel is 12 x 10-6/°C, and the change in...
Maxwell-Boltzmann Distribution: Problem Solving
This distribution function f(v) is defined by saying that the expected number N (v1,v2) of particles with speeds between v1 and v2 is given by
