Pour s'adapter aux besoins de charge du réseau électrique, l'unité supra-critique se trouve souvent dans un état de fonctionnement varié, ce qui rend les stratégies de contrôle coordonné traditionnelles incapables de répondre efficacement aux exigences de fonctionnement coordonné entre l'unité et le réseau, impactant la vitesse de réponse de charge de l'unité et entraînant de fortes fluctuations des paramètres tels que la pression principale de vapeur. À cet égard, une méthode de contrôle prédictif et optimisé basée sur les réseaux neuronaux et l'algorithme d'optimisation de groupe de particules (PSO) a été proposée, et une unité supra-critique de 600 MW a été prise comme objet, un modèle de contrôle, de prédiction et d'optimisation (MPOC) a été établi avec le logiciel Matlab, et cette méthode de contrôle a été vérifiée à l'aide d'une machine de simulation d'unité de production électrique. Les résultats montrent que cette méthode peut grandement améliorer la vitesse de réponse de charge de l'unité et répondre aux exigences de contrôle des paramètres tels que la pression principale de vapeur.

unité supra-critique; système de contrôle coordonné; modèle prédictif; réseaux neuronaux; algorithme d'optimisation de groupe de particules