Aufgrund von Merkmalen wie großer Verzögerung, Nichtlinearität und dynamischer Parameteränderung unter Arbeitsbedingungen ist das Kontrollobjekt der Überhitzungsdampftemperatur der 1 000-MW-Einheit in überkritischen Zuständen schwer mit herkömmlichen Kontrollmethoden zu kontrollieren, was zu großen Schwankungen der Überhitzungsdampftemperatur und sogar zu zu hohen Temperaturen führt. Zur Lösung dieses Problems wurde ein dynamisches Vorhersagemodell für die Überhitzungsdampftemperatur auf Basis des GMDH-Neuronalen Netzwerks (Group Method of Data Handling) erstellt, um den Trend der Temperaturänderung des Überhitzungsdampfes vorherzusagen. Die Simulationsergebnisse zeigen, dass der Vorhauseffekt der Überhitzungsdampftemperatur auf Basis des GMDH-Neuronalen Netzwerks besser ist als der auf Basis des linearen neuronalen Netzwerks und des neuronalen Netzwerks BP sowie eine bessere Transportfähigkeit und Praktikabilität besitzt.

Überkritisch; 1 000-MW-Einheit; Überhitzungsdampftemperatur; GMDH-Neuronales Netzwerk; Vorhersagemodell