控制系统作为火电机组的神经中枢,对于火电机组的安全、稳定、经济运行起到了非常重要的作用,尤其对于超临界机组来说更是如此。为了保证超临界机组安全高效经济运行,优秀的再热汽温控制是非常必要的重要环节,再热汽温度过高或者过低都会对机组的安全运行产生严重影响,因此必须将再热汽温控制在一个合理的范围内。目前超临界机组的再热汽温控制依旧采用传统的PID控制,然而超临界机组的再热汽温对象是一个典型的非线性过程,传统的PID控制对于非线性的控制效果往往较差。针对这一问题,本文在以下几个方面做了工作：1、针对再热汽温对象是一个典型的非线性系统的问题,本文采用了RBF神经网络对超临界机组再热汽温对象进行建模的方法。在建模过程中,根据某电厂600MW超临界机组的实际情况,以烟气挡板开度、喷水减温阀门开度和负荷指令为输入量,采集机组全负荷段范围内的数据进行建模,使得模型具有较好的全负荷范围适用能力。2、针对超临界机组再热汽温对象在实际运行过程中控制效果较差的问题,采用内模控制的方法进行再热汽温控制。采用RBF神经网络建立再热汽温对象的逆模型,即内模控制器NNC,从而建立神经网络内模控制器,在控制器中加入低通滤波器,减少了噪声信号对控制系统的影响。3、针对传统的超临界机组再热汽温PID控制中,由于再热汽温对象存在着大滞后大惯性的问题,难以投入自动控制,在实际控制中往往由运行人员手动操作,因此实际控制中会以喷水减温为主要调节手段对再热汽温进行控制,从而导致机组的经济性能较差的问题,本文提出了一种集成经济性指标的再热汽温神经网络内模控制方法。在训练RBF神经网络逆模型,即内模控制器NNC时,传统的训练指标是仅仅保证再热汽温度的设定值和实际值偏差最小,本文为了提高机组的经济性能,将NNC训练指标改为在保证再热汽温度输出值和设定值偏差最小的的同时喷水减温阀门开度也最小,从而提高了机组的经济性能。该方法当再热汽温度在合理的范围内没有超温的情况下优先将喷水减温阀门关闭,以挡板控制为主,从而提高机组经济性能,当再热汽温度超温后启动喷水减温进行紧急喷水降温,从而保证机组的安全运行。建立了控制器之后,先对高中低三个负荷点的再热汽温设定值做负阶跃变动,测试再热汽温神经网络内模控制器对控制指令变动的跟踪响应情况；然后保持再热汽温设定值控制指令不变,加入一定大小的再热汽温度阶跃扰动,测试再热汽温神经网络内模控制器的抗扰动能力；同时观察这两个实验中喷水阀门和烟气挡板开度的变化情况,验证经济性指标。4、针对传统的RBF神经网络模型网络结构难以精确确定、学习速度较慢等问题,采用改进的遗传算法——递阶遗传算法对再热汽温RBF神经网络正模型(NNM)和逆模型(NNC)的结构和参数同时进行优化,之后进行与第3步相同的仿真实验进行验证。