L'établissement d'un modèle précis de la centrale électrique dans des conditions de travail variables sur une grande échelle est l'étape la plus fondamentale et cruciale dans le contrôle intelligent de la production d'électricité et aussi l'élément essentiel de cela. Afin d'améliorer la rapidité du processus de modélisation et la précision et l'universalité du modèle obtenu, cet article propose une nouvelle méthode de modélisation floue de type T-S basée sur le regroupement quantique de l'abeille. Tout d'abord, cette méthode considère le regroupement quantique de l'abeille comme un algorithme de classification pour l'identification de prémisses et accroît la vitesse de regroupement par l'introduction du concept quantique. En outre, la décision de regroupement tient compte des constantes décisionnelles et des contraintes de l'espace des données, en éliminant la subjectivité du nombre de regroupements définis par l'homme lors du processus de regroupement en fonction des résultats de l'identification des prémisses, dans la partie conclusionnelle de l'identification des prémisses, en utilisant une méthode des moindres carrés exponentiels pondérée par l'exactitude garantit la simplicité et la précision du processus d'identification des paramètres du modèle local. Enfin, en utilisant le système de contrôle coordonné de l'unité de contrôle supercritique comme exemple, cet article discute de l'application de l'algorithme proposé dans la modélisation des unités de production d'énergie intelligente. Les résultats de la simulation montrent que cet algorithme non seulement garantit la rapidité du processus de modélisation, mais garantit également que le modèle obtenu maintient toujours une grande précision dans des conditions de travail variables sur une grande échelle de l'unité, montrant une bonne universalité et adaptabilité.

production d'électricité intelligente; contrôle du fonctionnement; regroupement quantique de l'abeille; modélisation floue de type T-S; systèmes de contrôle coordonné; grandes variations des conditions de travail; identification des modèles; unité de contrôle supercritique