Sur la base d'une unité de 1000 MW, les facteurs influençant la charge de l'unité ont été analysés en détail. Par le choix raisonnable des paramètres d'entrée du modèle et l'utilisation d'un réseau de rétropropagation de l'erreur statique (BP) avec un délai d'entrée d'ordre n et un délai de rétroaction de sortie d'ordre m, un modèle de prévision de charge de l'unité prenant en compte les caractéristiques du cycle de réchauffage a été créé. Des expériences de perturbation ont permis de comparer l'efficacité de la prévision de charge pour différents modèles de réseaux neuronaux. Les résultats montrent qu'un modèle avec un délai d'entrée de 2 et un délai de rétroaction de 2 peut prédire avec précision la charge de l'unité sous diverses perturbations, satisfaisant aux exigences de régulation automatique de la production (AGC) pour améliorer la vitesse de réponse de la charge de l'unité avec des paramètres contrôlables du côté cycle de réchauffage de la turbine à vapeur.

supercritique; groupe électrogène; cycle de réchauffage; modèle de prévision de charge; réseau neuronal BP; simulation