马良玉， 陈婷婷， 刘文杰， 李倩倩

(华北电力大学 控制与计算机工程学院，河北保定 071003)

过热蒸汽温度(以下简称过热汽温)是电厂锅炉运行中的关键参数，其过高或过低都会显著影响锅炉机组的安全性和经济性。由于锅炉过热汽温的影响因素较多，且具有较大的惯性和迟延，大型锅炉普遍采用串级比例积分微分(PID)控制器来改善过热汽温的控制品质。但随着风电、太阳能等新能源大规模入网，火电机组参与电网一次调频和自动发电控制(AGC)，经常处于深度变负荷工况下运行，现有的串级汽温控制策略往往达不到理想的控制效果。为适应机组负荷的频繁变化，往往需要对各PID控制器参数进行分段优化整定，但是需要整定的PID参数较多，调试工作量很大，费时费力[1]。随着人工智能技术的发展，一些数据驱动的先进控制策略如神经网络逆控制、神经网络模型预测优化控制等，已开始尝试应用在火电机组上[2-7]。但总体来说这些算法尚存在完备性、全工况适应性和可靠性等问题，还不能完全替代广泛使用的PID控制器。

除此之外，另外一种改善汽温控制效果的新思路是在原PID控制器的顶层对PID设定值进行实时优化补偿，使原有汽温控制系统跟踪调整后的参考值，将过热汽温更好地控制在期望目标。柴天佑等[8-11]对采用设定值实时优化方法提升控制品质的原理进行了分析，并给出了成功应用的案例。

笔者针对某600 MW超临界机组过热器喷水减温系统，基于机组的历史运行数据，建立过热汽温对象的神经网络预测模型，采用模型预测前馈补偿和反馈补偿结合的方法，对过热汽温设定值进行实时优化补偿，达到改善汽温控制效果的目的。……