Angesichts der aktuellen Probleme im Zusammenhang mit Subjektivität und Erfahrung bei Entscheidungen, die auf der Start / Stop-Technologie des Schleifsystems basieren, einem hohen Energieverbrauch und Schwierigkeiten beim Auffinden des Potenzials zur Optimierung der Energieeinsparung in technischen Systemen wird ein Bewertungsmodell für die Start / Stop-Entscheidung des Schleifsystems vorgeschlagen, das den Energieverbrauch des Schleifsystems und seine Leistung bei der Lastverfolgung der Maschinen berücksichtigt. Darüber hinaus wurde eine intelligente Entscheidungsmethode auf der Grundlage des tiefen verstärkenden Lernens für das automatische Starten des Schleifsystems untersucht und ein geschlossenes Regelungssystem für die automatische Entscheidungsfindung des Schleifsystems entwickelt. Die Forschungsergebnisse wurden durch Simulation verifiziert und erfolgreich auf eine häufig verwendete Kohlemühle in einem 1000-MWh-Hochleistungskraftwerk angewendet, was die Energieeffizienz erheblich verbessert hat. Die Forschungsergebnisse können eine effektive Referenz für die Technologie des überwachten und unüberwachten Betriebs des Kraftwerks bieten.

tief verstärkendes Lernen, Schleifsystem, automatische Steuerung, intelligente Entscheidungsfindung