【Ziel】 Die Erstellung eines genauen und effizienten dynamischen Modells ist der Schlüssel zur Optimierung der Steuerungsstrategie und zur Verbesserung der Betriebsflexibilität von kohlebefeuerten Kraftwerksblöcken.【Methode】 Eine Methode zur dynamischen Modellierung des Kessel-Turbinen-Koordinationssystems von ultrasuperkritischen Kohleeinheiten auf Basis eines physik-informierten neuronalen Netzwerks wird vorgeschlagen, um Schlüsselparameter wie Hauptdampfdruck, Dampf-Enthalpie am Ausgang des Wasserdampftrenners und Erzeugungsleistung vorherzusagen. Die Methode verwendet ein herkömmliches Feedforward-Neuronales Netzwerk als Grundgerüst, wobei grundlegende dynamische Gesetze der Energie- und Stoffumwandlung als Verlustfunktion in die Lernarchitektur des Netzwerks eingebettet werden, sodass das Netzwerk beim Lernen der Datenmerkmale gleichzeitig die physikalischen Grundgesetze erfüllt, was Genauigkeit, Erklärbarkeit und Generalisierungsfähigkeit des Modells verbessert.【Ergebnisse】 Simulationsergebnisse zeigen, dass unter Bedingungen mit ausreichenden Daten der Determinationskoeffizient (R2) der Ein-Schritt- und Mehrschrittvorhersagen der physik-informierten neuronalen Netzwerkmethode über 0,99 liegt; unter Datenmangelbedingungen behält die Methode eine hohe Vorhersagegenauigkeit bei, wobei der RMSE der Mehrschrittvorhersage des Hauptdampfdrucks weniger als 1% relative Fehler beträgt, und die RMSE der Dampf-Enthalpie am Austritt des Dampfwasserabscheiders sowie der erzeugten Leistung weniger als 0,75% relative Fehler aufweisen. In beiden Szenarien übertrifft die vorgeschlagene physik-informierte neuronale Netzwerkmethode die traditionellen neuronalen Netzwerkmethoden deutlich, was die Effektivität und Überlegenheit der vorgeschlagenen Modellierungsmethode belegt.【Fazit】 Die Forschungsergebnisse bieten einen neuen effizienten und zuverlässigen Modellierungsansatz für die Optimierung der Koordinationsregelung von Kohlemeinheiten und sind von großer Bedeutung für die Verbesserung der Steuerungsleistung und der flexiblen Betriebsoptimierung.

Ultrasuperkritische Kohleeinheit; Koordinationssystem Kessel-Turbine; dynamische Modellierung; Deep Learning; physik-informierte Netze