【Цель】 Создание точной и эффективной динамической модели является ключом к оптимизации стратегии управления и повышению гибкости работы угольных электростанций.【Метод】 Предложен метод динамического моделирования системы координации котла и турбины сверхкритической угольной электростанции на основе физически-информированной нейронной сети для прогнозирования ключевых параметров, таких как давление пара на выходе, энтальпия пара на выходе сепаратора пароводяной смеси и мощность генерации. Метод основан на обычной нейронной сети прямого распространения, при этом основные динамические законы преобразования энергии и массы встроены в функцию потерь нейронной сети, что позволяет сети одновременно учитывать физические законы и изучать особенности данных, улучшая точность, интерпретируемость и обобщающую способность модели.【Результаты】 Результаты моделирования показывают, что при достаточном объеме данных коэффициент детерминации (R2) при одношаговом и многошаговом прогнозировании метода физически-информированной нейронной сети превышает 0,99; при недостатке данных сохраняется высокая точность прогнозирования: среднеквадратичная ошибка (RMSE) многократного прогноза давления пара менее 1%, а RMSE энтальпии пара на выходе сепаратора и мощности генерации менее 0,75% относительной ошибки. В обоих сценариях — при достаточности и недостаточности данных — предлагаемый метод значительно превосходит традиционные методы нейронных сетей, что доказывает эффективность и превосходство предложенного моделирования.【Вывод】 Результаты исследования предоставляют новую эффективную и надежную концепцию моделирования для оптимизации координации управления угольными электростанциями, что имеет важное значение для повышения производительности управления и оптимизации гибкой эксплуатации.

Угольная сверхкритическая установка; система координации котла и турбины; динамическое моделирование; глубокое обучение; физически-информированные сети