En raison des caractéristiques telles que le grand retard, la non-linéarité et la variation dynamique des paramètres dans des conditions de travail, l'objet de contrôle de la température de la vapeur surchauffée de l'unité de 1 000 MW en supercritique est difficile à contrôler avec les méthodes de contrôle traditionnelles, ce qui entraîne de grandes fluctuations de la température de la vapeur surchauffée, voire même des températures trop élevées. Pour résoudre ce problème, un modèle de prédiction dynamique de la température de la vapeur surchauffée basé sur le réseau neuronal GMDH (Group Method of Data Handling) a été établi pour prédire la tendance de variation de la température de la vapeur surchauffée. Les résultats de la simulation montrent que l'effet de prédiction de la température de la vapeur surchauffée basé sur le réseau neuronal GMDH est meilleur que celui basé sur le réseau neuronal linéaire et le réseau neuronal BP, et qu'il présente une meilleure portabilité et praticité.

Supercritique；unité de 1 000MW ；température de la vapeur surchauffée；Réseau neuronal GMDH ；modèle de prédiction