【标题】Reinforcement learning-based optimal operation of ash deposit removal system to improve recycling efficiency of biomass for CO2 reduction

【作者团队】Jonghun Lim, Hyungtae Cho, Hyukwon Kwon, Hyundo Park, Junghwan Kim

【发表日期】2022.8.12

【论文链接】https://www.sciencedirect.com/science/article/pii/S0959652622031845

【推荐理由】二氧化碳回收的生物质燃烧会产生大量灰烬沉积物，从而降低整体工艺效率。回收锅炉一般采用除灰系统(ADRS)，但ADRS运行效率低，生物质的回收效率降低，导致二氧化碳排放量增加。本工作提出了一种基于强化学习优化的 ADRS 操作，以提高生物质对二氧化碳的回收效率。ADRS 的最佳操作是通过以下步骤得出的。1）收集实时过程运行数据（即烟气、水和蒸汽的温度），并开发了计算流体动力学模型来预测过热器段的烟气温度。2) 使用收集到的数据计算传热率的降低，以定义奖励更新矩阵。3）基于定义的奖励更新矩阵开发了一种改进的Q-learning算法，并使用该算法推导出Q矩阵，预测在给定状态(即每个吹灰位置)执行给定动作(即吹灰)的预期动态回报(即清除灰沉积物的优先级)的函数。4) 使用得到的 Q 矩阵，得出了最优的操作顺序。

内容中包含的图片若涉及版权问题，请及时与我们联系删除