锅炉和汽轮机作为发电机组的主体设备,机炉的协调控制是机组响应外界负荷要求的基础,并为机组运行的安全可靠性提供保障。超(超)临界发电机组在大容量和高参数带来的高效率的同时,也使锅炉和汽轮机之间的相关性更高,协调控制的难度随之增大。在协调控制的实际任务中,如何处理控制量的约束是关键。本文针对超临界火力发电机组的协调控制问题,综合考虑约束设置灵活性和易用性结合强化学习的方法提出了协调控制方案。本文的主要工作总结如下:1、针对超临界机组锅炉蓄热能力变小、主蒸汽温度对给水量变化更为敏感的问题,本文将强化学习的方法引入给水控制中,基于强化学习的策略梯度方法,本文提出了给水控制的Actor-Critic神经网络,可在动作空间中结合工程实际情况设置给水量的约束,并利用Proximal Policy Optimization算法对控制网络进行训练,仿真结果表明本文提出的强化学习控制网络方法在给水量分配与中间点焓值的稳定性能上均能得到满意的结果。2、本文针对锅炉跟随负荷控制方式下协调控制系统的功率响应速度较慢的问题,提出了基于强化学习的燃料量优化方案。采用前馈反馈控制方案建立系统的稳定点,利用马尔可夫过程的框架构建强化学习控制任务,通过仿真验证证明了本文提出的强化学习燃料量优化方案能有效地实现负荷跟踪优化目标。3、针对强化学习方法在实际应用中可解释性难的问题,本文在给水控制网络的设计过程中,从神经网络隐藏层的神经元分配、奖励折扣因子、时间差分误差衰减因子以及优势函数clip因子等四个方面进行了研究,提供了一种在工业控制背景下强化学习求解控制问题的解释方案。