A temperatura do vapor principal da caldeira de uma usina termelétrica a carvão, como um parâmetro importante, é frequentemente difícil de manter estável em condições extremas, como a regulação profunda de carga. Para resolver este problema, foi introduzido um modelo de controle preditivo no sistema original de controle da temperatura do vapor principal para realizar a otimização do controle. Um sistema de controle preditivo da temperatura do vapor principal foi construído para uma caldeira ultrasupercrítica, utilizando uma rede neural composta por memória de longo e curto prazo (LSTM) como algoritmo central. Através do método de transferência de hiperparâmetros, a otimização global foi rapidamente alcançada, resolvendo o problema dos modelos de rede neural ficarem presos em mínimos locais e reduzindo o cálculo de otimização em 88%. O erro quadrático médio do modelo preditivo é de 0,495℃, e o erro percentual médio é de 0,082%. Experimentos de simulação MATLAB verificaram que este sistema de controle preditivo reduz a ultrapassagem da temperatura do vapor principal em 50% sob condições extremas, mantém a estabilidade do controle em condições normais por meio de controle segmentado multicondição e pode atender às demandas de regulação da temperatura do vapor principal em diferentes condições de operação.

temperatura do vapor principal; controle preditivo; transferência de hiperparâmetros; otimização global; controle segmentado