Das Factory-Level-Überwachungsinformationssystem (SIS) als Art von Informationssystem, das hauptsächlich darauf abzielt, den Betrieb der Einheit zu optimieren und die wirtschaftliche Effizienz des Betriebs zu verbessern, hat bereits eine wichtige Rolle im Management des Fabrikniveaus des Kraftwerks gespielt. Um die großen Datenmengen auf der SIS-Plattform effektiver zu nutzen, wurde eine dynamische prädiktive Regelung auf SIS-Plattform vorgeschlagen. Am Beispiel eines Kohlekraftwerks in der Provinz Hubei wurde die Überhitzungstemperatur des Dampfs im Kessel als Regelobjekt und der Dampfstrom als Störgröße betrachtet, um die Änderungen des Betriebszustands des Kessels widerzuspiegeln. Unter Verwendung der Methode zur Identifizierung des neuronalen Netzwerks wurde ein dynamisches Modell des Regelobjekts aufgebaut und der Algorithmus zur Steuerung der dynamischen Matrix auf das Dampftemperaturregelungssystem angewendet. Die Simulationsergebnisse deuten darauf hin, dass ein dynamisches neuronales Modell der Überhitzungstemperatur des Dampfes, das auf simulierten Daten aufgebaut wurde, die dynamischen Eigenschaften des Regelobjekts in verschiedenen Betriebszuständen gut vorhersagen kann, und dass die Strategie zur Steuerung der dynamischen Matrix auf der Basis des neuronalen Netzwerkmodells besser ist als der Effekt der traditionellen PID-Regelung.

Kohlekraftwerk; SIS; Überhitzungstemperatur des Dampfs; Algorithmus zur Steuerung der dynamischen Matrix; neuronales Netzwerk; prädiktive Regelung