Para adaptarse a las necesidades de carga de la red eléctrica, la unidad supercrítica a menudo se encuentra en un estado de operación de variación significativa, lo que hace que las estrategias de control coordinado tradicionales no puedan adaptarse adecuadamente a los requisitos de operación coordinada entre la unidad y la red, afectando la velocidad de respuesta de carga de la unidad y causando fuertes fluctuaciones en parámetros como la presión principal de vapor. En este sentido, se propone un método de control predictivo optimizado basado en redes neuronales y el algoritmo de optimización de enjambre de partículas (PSO), y se toma como objeto una unidad supercrítica de 600 MW, se establece un modelo de control, predicción y optimización (MPOC) con el software Matlab, y esta método de control se verifica con una máquina de simulación de unidades de generación de energía. Los resultados muestran que este método puede mejorar significativamente la velocidad de respuesta de carga de la unidad y cumplir con los requisitos de control de parámetros como la presión principal de vapor.

unidad supercrítica; sistema de control coordinado; modelo predictivo; redes neuronales; algoritmo de optimización de enjambre de partículas