在风能、太阳能等新能源电源大规模入网的形势下，为确保电网的供电品质，大容量超临界、超超临界火电机组参与电网一次调频和自动发电量控制（AGC），进行深度调峰已成为常态。为提高火电机组的深度调峰能力，采用先进控制策略提高机组重要参数的控制效果十分重要。 本项目在国家自然科学基金项目的资助下，进行了一系列理论、仿真及软件开发研究，研制了基于人工神经网络的智能优化控制系统，在火电机组汽温、协调等子系统得以成功应用。 该系统采用先进的人工神经网络建模和群体智能优化技术，针对机组负荷、汽压、过热汽温等重要控制参数，研制了一整套包括神经网络逆控制、神经网络预测优化控制等在内的先进控制算法，开发了优化控制软件，通过数据接口与机组DCS系统双向通讯，实现机组负荷、主汽压及过热汽温等参数的的实时优化控制。

本项目的技术特点在于：将先进的人工智能、神经网络建模、智能控制技术应用于火电厂优化控制，大大改善机组的协调控制、汽温控制效果，增强机组对一次调频、AGC、深度调峰的适应能力。

以基于神经网络的火电厂汽温优化为例，该模块已应用于实际机组，其技术亮点阐述如下：喷水减温是过热汽温控制的常见手段，由于锅炉结构复杂，系统庞大，为取得好的控制效果，多采用串级PID控制。由于过热汽温系统具有强非线性、大迟延、大惯性等特点，且机组参与电网一次调频和自动发电控制AGC，且电厂煤种多变，现有的串级汽温控制往往不适合深度频繁变负荷工况，严重影响汽温控制品质。本项目将传统的PID串级控制技术与人工神经网络（Artificial neural network，ANN）控制算法相融合，针对 亚临界、超临界等不同类型机组机组，对各级过热器系统的汽温特性进行逆建模，并在此基础上，提出了神经网络逆控制器与PID结合的串级智能控制策略，以实现喷水减温系统的实时优化控制。汽温优化系统经调试在实际机组稳定投运，应用结果表明，本项目所采用的先进过热汽温控制略可有效减小过热汽温的波动，设定值跟踪性能与抗干扰性能均得到较大改善，提高了过热汽温的动态和稳态控制品质，有效降低了运行人员对汽温设定值的频繁干预，减轻了运行人员的工作强度。

本项目针对各类型火电厂协调控制系统开展优化，课题涉及的诸多模块均为电厂的热点课题，诸如：采用凝结水节流技术提高火电机组一次调频和深度调峰能力；采用神经网络逆控制策略改善协调系统对AGC负荷指令的快速响应和跟踪能力；采用神经网络逆控制器与PID结合的串级智能控制策略改善深度变负荷过程机组汽温控制效果。

课题的汽温优化模块已经在试点电厂成功投运，取得很好的经济效益。其它模块也已完成仿真验证测试，有待在实际机组加以应用。

考虑当前大容量火电机组面临新能源电力系统风能、太阳能等大规模入网的新形势，参与深度调峰，接受电网“”两个细则”考核已成为常态，智能电厂发展方兴未艾，本课题具有广泛的应用前景。

本团队在国内电站仿真开发、培训、技能竞赛等方面具有重大行业影响力，团队主要成员参与完成的STAR-90仿真技术处于国际领先水平，曾获国家十大科技成就荣誉,在国内电站仿真开发、培训、技能竞赛等方面具有重大行业影响力，团队主要成员参与完成的STAR-90仿真技术处于国际领先水平，曾获国家十大科技成就荣誉，产品遍布全国并出口多个国家。技术应用于我国航天员培训，为航天事业发展做出重要贡献。 以团队骨干教师为依托，自动化系为中电联认可的全国唯一的仿真培训指导教师、高级指导教师培训基地；团队每年承担诸多行业、集团技能运行大赛的组织、命题、裁判工作，形成了全国范围内的专家考评团队。依托仿真开发、培训、技能鉴定、技能竞赛中积累的丰富经验，团队开展电站智能培训指导系统、运行经济性指导系统、电站故障诊断、电站优化控制领域的研究，取得诸多成果。

该项目成果在国家自然科学基金项目“超（超）临界机组负荷快速响应及动态过渡过程故障诊断的智能理论方法研究”支持下进行，经过多年开发已相对成熟，诸多模块已借助火电机组全范围仿真系统完成仿真验证。其中过热汽温优化模块与西安热工院、大唐科研院等合作已经在多个实际电厂落地投运，有效改善了火电机组的汽温控制效果，取得良好的经济效益。

与实际电厂开展技术合作，针对机组的实际情况确定所需的优化模块，签订技术服务合同，完成成果的转化和落地推广。