Большое количество возобновляемых источников энергии попадает в сеть, участие сверхкритических тепловых электростанций в регулировании пика может вызвать значительные флуктуации температуры средней точки, что в свою очередь приведет к проблемам, таким как превышение температуры пара. Для более стабильного контроля над перегревом средней точки был предложен метод прогнозирования перегрева средней точки на основе множественной модели (модель множественной глубокой входной выпуклой нейронной сети) с помощью отдельного обучения подмоделей для разных шагов прогнозирования, построения сети прогнозирования состояния перегрева средней точки (SPNN) и сети прогнозирования ошибки (EPNN). Используя эту сеть прогнозирования выпуклой нейронной сети с двойным входом, был разработан контроллер прогнозирования на основе множественной глубокой входной выпуклой нейронной сети (DDICNN-MPC), преобразующий задачу управления в задачу выпуклой оптимизации и находящий матрицу управления для якобианской матрицы целевой функции с помощью градиентного спуска. Результаты симуляции показывают, что DDICNN-MPC способен быстро и стабильно отслеживать заданное значение перегрева средней точки, имеет небольшую установившуюся ошибку и хорошие регулирующие способности.

перегрев средней точки; множественная глубокая входная выпуклая нейронная сеть; прогностическое управление моделями; градиентный спуск; выпуклая оптимизация