基于深度学习的火电燃烧优化控制方法及系统

本发明提供一种基于深度学习的火电燃烧优化控制方法及系统，涉及火电燃烧优化控制技术领域，包括基于最大平均差异准则和多核密度估计方法识别异常场景，并据此对运行数据进行采样。采用互信息最大化准则对样本进行动态量化编码，并利用递归神经网络提取工况特征向量。根据工况特征向量评估系统状态，并通过对抗学习网络筛选满足约束条件的控制动作，计算策略梯度优化得到最优控制策略。最后，将最优策略分解为子策略，基于模糊决策树构建分布式一致性协调模型，确定最优执行时序，并通过自适应死区补偿器修正控制信号，实现火电燃烧优化控制。本发明能够有效提高火电机组运行的稳定性和经济性，降低污染物排放。