一种用于超超临界机组的智能广义预测控制方法和系统

本发明公开了一种用于超超临界机组的智能广义预测控制方法和系统，涉及电力系统及控制领域。首先，采集机组关键运行参数，并进行标准化与去噪处理，构建高质量输入数据集；其次，构建并训练神经网络模型，学习机组在不同负荷与扰动条件下的非线性动态特性，实现对系统未来状态的准确预测；最后，将神经网络的预测结果作为广义预测控制器的输入，与传统GPC算法融合，实现对控制策略的自适应优化与控制信号的动态调整。该方法兼具神经网络的非线性建模能力与GPC的优化控制优势，显著提升了机组在变负荷、非线性干扰条件下的运行稳定性与调节性能，具备良好的工程实用性和推广价值。