超(超)临界燃煤发电机组由于具有环保、高效等优势,已成为我国电网的主力机组。在当前新能源消纳问题日益严峻及以电网为中心的负荷调度体制下,大容量火电机组高频率深度调峰变负荷运行已成为常态,这对机组的热工控制水平提出了更高的要求。过热汽温作为影响锅炉安全经济性的重要参数,过高、过低或波动太大都会影响机组正常运行。喷水减温是目前最常用的过热汽温控制手段,由于过热蒸汽系统的非线性、大惯性、大迟延等特点,在机组负荷大幅度变化时,固定参数的串级PID控制往往不能达到要求的汽温控制效果,而PID参数的在线整定又费时费力,实际运行时较难实现。为此,本文针对过热汽温喷水减温系统,基于机组的历史运行数据和神经网络建模方法,在汽温控制回路的顶层对汽温设定值进行实时的动态智能补偿优化,以期在不改变PID本身参数的前提下,改善过热汽温的控制效果。本文深入研究了基于神经网络预测模型的过热汽温设定值补偿优化方案,并借助仿真机进行详细的实验研究。文中首先介绍了神经网络的工作原理、BP算法以及在MATLAB中的实现,阐述了过热蒸汽系统的特性和过热汽温的影响因素。在此基础上采用神经网络方法建立了一级、二级过热汽温特性的神经网络预测模型,并对模型进行了验证。在不改变原汽温控制逻辑和PID参数的前提下,在汽温控制回路顶层设计了基于预测模型的前馈补偿和误差反馈补偿相结合的设定值动态优化补偿策略。基于MATLAB编制了汽温设定值实时优化补偿算法,并借助超临界机组仿真系统进行了详细的控制仿真实验。结果表明,与机组原控制相比,增加设定值智能优化补偿方案后,无论从超调量还是调节时间看,过热汽温的控制品质均得到明显提升,达到了预期效果。