На примере одной из сверхкритических единиц мощностью 1 000 МВт подробно проанализированы факторы, влияющие на нагрузку единицы, и подобраны параметры моделирования, применены статические нейронные сети обратного распространения ошибки (back propagation, BP) с задержкой ввода порядка n и задержкой обратной связи выхода порядка m. Создана модель прогнозирования нагрузки единицы, учитывающая особенности цикла нагрева. Проведено сравнение эффективности прогнозирования нагрузки разных структур нейронных сетей в эксперименте с возмущениями. Результаты показали, что модель со входной задержкой второго порядка и обратной связи второго порядка может точно прогнозировать нагрузку единицы при любых возмущениях, что удовлетворяет требованиям автоматического регулирования генерации (AGC) для повышения скорости отклика нагрузки единицы с использованием управляемых параметров турбинного нагрева.

сверхкритическая; электрогенератор; цикл нагрева; модель прогнозирования нагрузки; нейронная сеть BP; моделирование