基于动态模糊神经网络的超临界机组协调控制

为改善超临界机组的协调控制品质,研究了基于动态模糊神经网络(DFNN)的机组负荷与主汽压特性逆模型建模方法,借助火电机组全范围仿真机获取的仿真数据进行离线建模。以上述模型为基础,提出一种模型离线训练与在线校正相结合的协调系统DFNN逆控制方案,编制了实时控制算法。通过与仿真机进行实时双向数据交换,开展了详细的协调控制仿真试验。结果表明:采用DFNN逆控制,机组在大幅变工况下负荷与主汽压响应的快速性与机组原PID控制相比有较为显著的提高,有效改善了机组的协调控制品质。