Se analizan en detalle los factores que afectan la carga de la unidad, tomando como objeto una unidad de 1,000 MW ultra supercrítica, y se eligen de manera razonable los parámetros de entrada del modelo. Se establece un modelo de predicción de carga de la unidad que tiene en cuenta las características del ciclo de recalentamiento, empleando redes neuronales estáticas de retropropagación de error (back propagation, BP) con una entrada de retraso de orden n y un retraso de retroalimentación de salida de orden m. Se comparan los efectos de predicción de carga de diferentes estructuras de modelos de redes neuronales a través de experimentos de simulación de perturbaciones. Los resultados muestran que un modelo con un retraso de entrada de orden 2 y un retraso de retroalimentación de salida de orden 2 puede predecir con precisión la carga de la unidad en todas las perturbaciones, cumpliendo así con los requisitos de control automático de la generación (AGC) para mejorar la velocidad de respuesta de la carga de la unidad utilizando parámetros controlables del lado del ciclo de recalentamiento de la turbina de vapor.

ultra supercrítica; unidad generadora; ciclo de recalentamiento; modelo de predicción de carga; red neuronal BP; simulación