La température de la vapeur principale de la chaudière d'une centrale au charbon est un paramètre important, qui est souvent difficile à maintenir stable en conditions extrêmes telles que les ajustements profonds de la charge. Pour résoudre ce problème, un modèle de contrôle prédictif a été introduit dans le système de contrôle existant de la température de la vapeur principale pour optimiser le contrôle. Un système de contrôle prédictif de la température de la vapeur principale a été construit pour une chaudière supercritique ultra haute, en utilisant un réseau de mémoire à long et court terme (LSTM) composite comme algorithme central. Grâce à la méthode de transfert des hyperparamètres, l'optimisation globale est rapidement réalisée, ce qui résout le problème des modèles de réseaux neuronaux qui tombent dans des optima locaux, tout en réduisant de 88 % la charge de calcul d'optimisation. L'erreur quadratique moyenne du modèle prédictif est de 0,495℃, et l'erreur de pourcentage moyenne est de 0,082 %. Les simulations MATLAB ont montré que ce système de contrôle prédictif réduit de 50 % le dépassement de la température de la vapeur principale face aux conditions extrêmes, maintient la stabilité du contrôle dans les conditions normales grâce au contrôle segmenté multi-condition, et satisfait aux exigences de régulation de la température de la vapeur principale sous différentes conditions de fonctionnement.

température de la vapeur principale; contrôle prédictif; transfert d’hyperparamètres; optimisation globale; contrôle segmenté