电厂热工控制系统是复杂的非线性控制系统,针对此系统,众多先进控制算法已经得到了初步应用,并且已经解决了一些控制难题。但是经常性大范围变负荷会引起控制对象特性的改变,由此引起的控制问题还没有很好解决。针对这一问题,本文研究了多模型控制方法的相关理论及其在电厂热工系统中的若干控制方法与技术,主要内容如下:在分析循环流化床锅炉汽温系统动态特性的基础上,针对其动态特性的时变大迟延特点,采用多模型GPC前馈—反馈广义预测控制方案,有效地克服了单一模型难以适应工况变化和系统的时变大迟延,消除了给水流量变化对汽温的耦合。将基于多模型的PID控制应用于主蒸汽温度系统中,控制系统保留了传统的串级控制结构,导前区内回路应用固定参数PID控制快速消除内扰,外回路采用多模型PID控制以克服大范围的系统特性变化。多模型调度基于汽温系统时变特性的主要影响因素―机组负荷。通过对子模型控制器的模糊加权综合,实现了多模型控制器间的平滑切换。整个系统算法简单,易于实现。针对主汽温系统的特性,提出了一种多模型IMC-PI串级控制方案,以解决主蒸汽温度系统的非线性时变性以及大惯性大滞后的动态特性。在若干典型的工作点建立多固定模型,设计相应的控制器,并通过模糊加权的方法实现了多模型间的平滑切换。同时,控制系统结合了串级控制和内模控制的特点,内回路采用固定参数PID控制快速消除内扰。主调节器采用内模控制器,可以克服对象惰性区的时滞特性。设计了基于多模型的两级神经网络自整定PID控制策略,并将其推广到多变量控制系统。两级神经网络分别是静态网络SNN和动态网络DNN,均为对角递归神经网络(DRNN)结构。SNN用来粗调PID控制器参数,根据各局部模型分别设计PID控制器参数,用来离线训练SNN。在SNN多模型PID参数调度的基础上,DNN依据偏差和偏差变化率进行PID参数的细调整定,以克服机组负荷的小范围变化、参数的慢时变漂移和各种扰动。结合灰色预测理论,基于两级DRNN自整定控制策略的过热汽温控制系统获得了良好的动态调节品质,具有较强的鲁棒性。在协调控制系统的应用表明该方法可以实现多变量控制系统动态近似解耦和静态完全解耦,且具有响应速度快、鲁棒性好等特点。