【Ziel】 Die Stabilität des Dampfeinlasssystems im Festoxid-Elektrolyseur-System ist entscheidend für die Steigerung der Elektrolyseeffizienz und die Verlängerung der Lebensdauer des Elektrolyseurs. Die nichtlineare Kopplungseigenschaft zwischen Dampfdruck und Durchfluss stellt jedoch hohe Anforderungen an die Steuerungsstrategie. 【Methode】 Es wurde ein Versuchsstand für das Dampfeinlasssystem eines 50-kW-Festoxid-Elektrolysesystems aufgebaut, um die Fehler des Dampfstroms und die Druckschwankungskontrolle zu untersuchen. Basierend auf den gesammelten Betriebsdaten des Versuchsstands wurde ein Deep-Deterministic-Policy-Gradient-Agent mit doppelter Verzögerung trainiert und eine mehrzielige intelligente Steuerungsstrategie (intelligent control, IC) auf Basis eines Deep-Reinforcement-Learning-Algorithmus vorgeschlagen, die das Ziel erreicht, den Fehler des Systemausgangsdurchflusses auf unter 3 % und die Druckschwankungen auf unter 1 kPa zu kontrollieren. 【Ergebnisse】 Die Experimente zeigten: Unter der IC-Strategie betrug der maximale Fehler des Dampfstroms 1,4 %, die maximale Druckschwankung ±0,67 kPa; unter der PID-Steuerungsmethode betrug der stationäre Fehler des Ausgangsdurchflusses 3,8 %, die maximale Druckschwankung ±1,25 kPa. Im Vergleich zu PID verringerte die IC-Strategie den maximalen Fehler des Dampfstroms um 63,2 % und die Druckschwankungen des Dampfes um 46,4 %. 【Schlussfolgerung】 Daher ist die Steuerungsleistung der IC-Strategie deutlich besser als die von PID.

Festoxid-Elektrolyseur;Dampfeinlasssystem;Deep Reinforcement Learning;Mehrzielsteuerung