基于LSTM-GA的过热蒸汽两级减温器协同预测控制

火力发电机组中,由于过热蒸汽减温控制系统存在高延迟、大惯性、参数多变等特点,使用PID控制器难以取得良好的控制效果,且传统的自动控制策略缺乏一二级减温器的互动手段。针对以上问题,提出了一种基于LSTM-GA的预测控制算法,使用长短期记忆网络(Long Short-Term Memory,LSTM)建立两级过热蒸汽减温系统的预测模型,遗传优化算法(Genetic Algorithm,GA)求解两级减温水最优控制量,实现两级减温器协同优化预测控制。根据某330 MW亚临界燃煤机组运行数据建立仿真模型,经计算分析,LSTM-GA预测控制器能够提前预测,做出判断,其快速性稳定性准确性均优于传统PID控制,并且实现了两级减温器的联动控制。验证结果表明了此算法的可行性、有效性,为优化过热蒸汽的减温控制提供了一种新方法。