Sur la base d'une unité de 1 000 MW ultra-supercritique, les facteurs influençant la charge unitaire sont analysés en détail et les paramètres d'entrée du modèle sont choisis de manière raisonnable. Des réseaux de neurones statiques à propagation d'erreur (back propagation, BP) avec un retard d'entrée de n ordre et un retard de rétroaction de sortie de m ordre sont utilisés pour établir un modèle de prédiction de charge unitaire prenant en compte les caractéristiques du cycle de réchauffage. Une comparaison de l'effet de prédiction de charge des différents modèles de réseaux de neurones est réalisée par simulation perturbée. Les résultats montrent qu'un modèle avec un retard d'entrée de 2 ordres et un retard de sortie de 2 ordres peut prédire avec précision la charge unitaire dans toutes sortes de perturbations, répondant ainsi aux exigences de contrôle automatique de la génération (AGC) pour améliorer la vitesse de réponse de la charge unitaire en utilisant les paramètres contrôlables du côté de la boucle de réchauffage de la turbine à vapeur.

ultra-supercritique; unité de génération; cycle de réchauffage; modèle de prédiction de charge; réseau de neurones BP; simulation