Una gran cantidad de energía renovable se inyecta en la red, la participación de las plantas de energía térmica supercrítica en la regulación de punta puede provocar fuertes fluctuaciones en la temperatura del punto medio, lo que puede causar problemas como el sobrecalentamiento del vapor. Para un control más estable del sobrecalentamiento del punto medio, se propuso un método de predicción del sobrecalentamiento del punto medio basado en un modelo multimodal (modelo multimodal de red neuronal convexa de entrada doble) al entrenar individualmente submodelos para diferentes longitudes de predicción, construyendo una red de predicción del estado de sobrecalentamiento del punto medio (SPNN) y una red de predicción del error (EPNN). Utilizando esta red de predicción de la convexidad neuronal de entrada doble, se diseñó un controlador de predicción basado en un modelo multimodal de red neuronal convexa profunda de entrada doble (DDICNN-MPC), transformando el problema de control en un problema de optimización convexa y encontrando la matriz de control para la matriz jacobiana de la función objetivo mediante un descenso de gradiente. Los resultados de la simulación muestran que DDICNN-MPC puede seguir la valor establecido del sobrecalentamiento del punto medio de manera rápida y estable, con un pequeño error permanente y buenas capacidades de ajuste.

sobrecalentamiento del punto medio; red neuronal convexa profunda de entrada doble; control predictivo de modelos; descenso de gradiente; optimización convexa