En base a una unidad de 1000 MW, se analizaron en detalle los factores que afectan la carga de la unidad. A través de la selección razonable de los parámetros de entrada del modelo y el uso de una red neuronal de retropropagación de errores estática (BP) con un retardo de entrada de orden n y un retardo de retroalimentación de salida de orden m, se creó un modelo de predicción de carga de la unidad que considera las características del ciclo de recalentamiento. A través de experimentos de perturbación, se comparó la eficacia de la predicción de carga de diferentes modelos de redes neuronales. Los resultados muestran que un modelo con un retardo de entrada de orden 2 y un retardo de retroalimentación de 2 puede predecir con precisión la carga de la unidad bajo diversas perturbaciones, cumpliendo con los requisitos de regulación automática de la generación (AGC) para mejorar la velocidad de respuesta de la carga de la unidad con parámetros controlables del lado del ciclo de recalentamiento de la turbina de vapor.

supercrítico; grupo generador; ciclo de recalentamiento; modelo de predicción de carga; red neuronal BP; simulación