Anhand einer 1.000-MW-Einheit im Ultra-Supercritical-Modus werden die Faktoren, die die Einheitslast beeinflussen, detailliert analysiert und die Eingangsmodellparameter vernünftig ausgewählt. Ein Modell zur Vorhersage der Einheitslast, das die Merkmale des Überhitzungszyklus berücksichtigt, wird unter Verwendung statischer Backpropagation (BP)-Neuronennetzwerke mit einer Eingangsverzögerung der Ordnung n und einer Ausgangsrückkopplungsverzögerung der Ordnung m aufgestellt. Durch gestörte Simulationsexperimente wird die Vorhersagewirkung verschiedener neuronaler Netzwerkmodelle verglichen. Die Ergebnisse zeigen, dass ein Modell mit einer Eingangsverzögerung der Ordnung 2 und einer Ausgangsrückkopplung der Ordnung 2 die Einheitslast unter allen Arten von Störungen genau vorhersagen kann, was den Anforderungen an die automatische Generaturregelung (AGC) genügt, um die Reaktionsgeschwindigkeit der Einheitslast unter Verwendung steuerbarer Parameter auf der Überhitzungsschleifenseite zu verbessern.

Ultra-Supercritical; Generatoreinheit; Überhitzungszyklus; Lastvorhersagemodell; BP-Neuronennetzwerk; Simulation