Volume 4,Issue 3
融合数字孪生与深度强化学习的火电厂燃料智能掺烧多目标动态寻优策略
随着能源需求持续增长与环保政策日趋严格，火电厂燃料利用效率与环保性能成为行业核心议题。传统燃料掺烧策略依赖静态配煤模型，难以应对燃料市场波动、机组负荷变化及环保政策动态调整带来的挑战，导致燃料成本控制与排放管理间存在显著矛盾。本研究针对此问题，提出融合数字孪生与深度强化学习的火电厂燃料智能掺烧多目标动态寻优策略，旨在提升机组运行经济性与环保性。研究构建了基于五维数字孪生架构的高保真动态模型，集成物理模型、数据模型、服务模型、连接模型及虚拟模型，通过多源数据驱动与机理建模相结合的方法，实现燃料掺烧过程的全生命周期仿真。模型采用三维物理建模与多参数仿真技术，精确模拟不同掺烧比例下煤粉气流的混合、燃烧及传热过程，并结合神经网络对关键参数进行在线辨识，实现燃烧效率与污染物排放的协同优化。
[1] 刘红星, 程勇翔, 陈永祥, 赵永平, 詹清. 全过程管控视角下燃料管理优化策略研究[J]. 煤炭加工与综合利用, 2025, (04): 105-109+112.
[2] 刘宏志, 刘宇. “燃煤+”多元耦合智能掺烧技术在大型CFB 锅炉的应用[A] 2024 年电力行业技术监督专业技术交流研讨会优秀论文集[C]. 中国电力技术市场协会, 中国电力技
术市场协会, 2024: 7.
[3] 成佳慧, 张冬练, 王亚琼. 火电厂燃料智能管理系统设计方案研究[J]. 内蒙古煤炭经济, 2021, (12): 39-40.
[4] 高满达, 李庚达, 王昕, 刘淼, 陶志刚, 崔青汝, 胡文森. 火电厂智能燃料典型建设方向与应用研究进展[J]. 热力发电, 2021, 50 (05): 10-17.
[5] 张义政. 基于智能掺烧技术的燃料系统优化及应用. 山东省, 华能国际电力股份有限公司日照电厂, 2020-11-28.
[6] 王凯杰, 朱潘鑫, 臧剑南. 火电厂智能燃料全流程一体化发展方向[J]. 现代制造技术与装备, 2020, 56 (11): 29-34.
[7] 张涛, 侯育杰, 王长安, 杨琨, 戴良旭, 王一平, 车得福. 氨煤掺烧多污染物生成特性与局部燃烧气氛调节机制实验研究[J]. 煤炭学报, 1-13.
[8] 曹霆, 马骏驰, 矫矢乔, 胡自坤, 王超伟, 刘辉. 煤电机组原煤仓配煤掺烧改造技术路线对比[J]. 能源与节能, 2025, (08): 36-39.