基于数字孪生模型的主汽温预测控制策略

摘要

针对超临界机组主汽温对象大惯性、大时滞、时变及工况复杂等特点，提出一种基于数字孪生模型的主汽温预测控制策略。该控制策略通过主汽温数字孪生模型预测主汽温值，并采用反馈校正修正预测值，使用黄金分割法滚动优化目标函数，输出最优控制量。所建立的主汽温数字孪生模型，包含主汽温系统传递函数模型与Xgboost-LSTM偏差模型，采用迁移学习理论实现在线更新，具有了高预测精度、高效更新能力与强鲁棒性。以某1 000 MW超临界机组末级过热系统为例，进行仿真实验。结果表明，基于数字孪生模型的主汽温预测控制策略有效改善了主汽温系统的控制品质与鲁棒性，具有良好的负荷适应能力。

关键词

主汽温 / 数字孪生 / 预测控制 / 迁移学习