锅炉空气分级燃烧技术的使用虽降低了NO_x排放，但同时造成了炉内高温火焰上移，导致位于炉膛上部的屏式过热器吸热量增加和超温加剧，影响机组的安全运行．因此，锅炉亟需一个可对NO_x排放和屏式过热器超温进行协调优化的多目标控制策略．针对目前基于机器学习的锅炉优化模型普遍局限于针对单一锅炉运行目标的优化，提出了基于深度强化学习的锅炉多目标优化模型，包括预测模型和优化模型：预测模型采用深度神经网络构建锅炉运行参数与NO_x浓度和屏式过热器温度的非线性映射；优化模型采用深度确定性策略梯度（DDPG）算法训练策略网络，通过优化运行参数实现锅炉的多目标协同控制．对某600 MW锅炉的研究结果表明，通过锅炉配风和过热器减温水量等参数的调整，可实现NO_x排放和屏式过热器超温率的协同优化，NO_x排放平均降低22.6 mg/m³，屏式过热器超温率平均降低0.161.