在以区域电网为中心的负荷管理模式下,随着新能源发电上网的比例逐步提高,大容量火电机组参与电网深度调峰越来越频繁,导致机组常常运行于大范围变负荷的工况,这给机组的控制水平提出了更高的要求。大容量火电机组的过热汽温具有非线性、大时滞、强耦合等特点,传统控制方法在机组深度调峰时效果难以保证,经常出现超温和调节时间过长等问题,造成受热面和蒸汽管道材料的衰减速度加快,既影响机组安全又降低使用寿命。应用智能优化控制策略来提高过热汽温的控制品质,是汽温控制的重要研究方向。本文在分析超临界机组的运行特性基础上,采用神经网络方法对过热器喷水减温系统特性进行逆建模,在此基础上研究基于神经网络逆控制的过热汽温喷水减温优化控制方案。文中首先论述了几种神经网络的结构、训练方法,并介绍了神经网络逆控制的概念和逆控制器的设计原理。通过分析机组过热器喷水减温系统的的特性及汽温影响因素,选取合适的网络输入输出参数,分别采用BP、RBF、Elman三种不同的神经网络,建立喷水减温系统的神经网络逆模型,并利用600MW机组的动态数据,进行逆模型的离线训练,比较不同模型的建模精度。在逆模型建立的基础上,选用精度较高的Elman神经网络逆模型,研究喷水减温系统的神经网络逆控制方案,并借助仿真机进行详细的大范围变负荷控制仿真实验。结果表明:本文提出的神经网络逆控制方法,可有效改善超临界机组过热汽温的控制品质,提高机组的运行灵活性,展示了良好的工程应用前景。