Eine große Menge erneuerbarer Energie wird in das Netz eingespeist, die Beteiligung von überkritischen Wärmekraftwerken an der Spitzeneinstellung kann zu starken Schwankungen in der Temperatur des Mittelpunkts führen, was zu Problemen wie Überhitzung des Dampfes führen kann. Für eine stabilere Kontrolle der Überhitzung des Mittelpunkts wurde eine Methode zur Vorhersage der Überhitzung des Mittelpunkts auf der Grundlage eines multimodalen Modells (multimodellkonvexes Neuronales Netzwerk mit doppelter Eingabe) vorgeschlagen, indem individuell Teilmodelle für verschiedene Vorhersagelängen trainiert, ein Netzwerk zur Vorhersage des Zustands der Überhitzung des Mittelpunkts (SPNN) und ein Netzwerk zur Vorhersage des Fehlers (EPNN) aufgebaut wurden. Unter Verwendung dieses prognostizierten Netzwerks der doppelten Eingabe von Neuronen mit konvexer Struktur wurde ein kontrollierter Vorhersagemodell auf Basis des multimodalen tiefen konvexen Neuronalen Netzwerks mit doppelter Eingabe (DDICNN-MPC) entworfen, indem das Kontrollproblem in ein konvexes Optimierungsproblem umgewandelt und die Kontrollmatrix für die Jacobimatrix der Zielfunktion mithilfe eines Gradientenabstiegs gefunden wurde. Simulationsergebnisse zeigen, dass DDICNN-MPC schnell und stabil dem festgelegten Wert der Überhitzung des Mittelpunkts folgen kann, mit einem kleinen stationären Fehler und guten Anpassungsfähigkeiten.

Überhitzung des Mittelpunkts; multimodales tiefes konvexes Neuronales Netzwerk mit doppelter Eingabe; vorhersagetechnische Steuerung von Modellen; Gradientenabstieg; konvexes Optimierungsproblem