考虑回热循环的超超临界机组负荷预测神经网络模型

以某超超临界1 000 MW机组为对象,详细分析了影响机组负荷的因素,通过合理选择模型输入参数,采用具有n阶输入时延和m阶输出反馈时延的静态误差反向传播(back propagation,BP)神经网络,建立了考虑回热循环特性的机组负荷预测模型。通过扰动仿真试验,对不同结构神经网络模型的负荷预测效果进行比较。结果表明:具有2阶输入时延、2阶输出反馈时延的模型,在各种扰动下均可精确地预测机组负荷,满足自动发电控制(AGC)条件下利用汽轮机回热循环侧可控参数提高机组负荷响应速度的要求。