电站锅炉汽温对象具有大惯性、大时滞以及多因素扰动的特点,使得常规的串级PID控制很难将汽温控制在理想的范围之内,同时也难以适应自动发电量控制(Automatic Generation Control,简称AGC)的控制要求。当系统受到较大扰动时,即便是一些先进控制策略也无能为力。鉴于此,基于电力公司实际的课题需求,本文针对预测控制理论及其在汽温控制系统中的应用问题,开展了如下研究：(1)通过现场试验,采集了不同负荷和时间段的汽温对象数据。然后,通过多种建模方法建立了不同需求的数学模型,包括基于传统方法的阶跃响应模型(切线法、两点法和面积法)和基于智能算法的BP和RBF神经网络模型,并对各种模型进行了测试。(2)深入研究了动态矩阵控制(简称DMC)以及广义预测控制(简称GPC),其中包括动态矩阵控制的简化算法研究以及广义预测控制的优化研究。为了解决基本粒子群优化算法容易过早陷入局部最优点的不足,用一种改进的混合粒子群优化算法对广义预测控制进行优化。仿真分析表明,改进混合粒子群优化算法比基本粒子群优化算法具有更高的搜索效率和精度,对设定值具有更好的跟踪性能和控制品质,适宜于广义预测控制的在线滚动优化计算及求解。(3)结合实际工程需求,本文提出一种基于间接能量平衡法的广义预测控制策略。通过构造间接能量平衡式修正减温水系统,变串级随动为定值随动系统。Matlab仿真结果表明,本文改进方法有效克服了过热汽温的大时滞特性,显著地提高了锅炉过热、再热汽温的控制精度。(4)为了将预测控制算法应用于实际汽温系统,必须将新型控制算法嵌入到厂方DCS平台,生成动态链接并进行参数组态,以更新现有模块化库,该部分工作为本课题成功应用的关键。本文结合国电智深EDPF-NT Plus DCS控制系统平台,进行了预测控制软件的模块化开发研究以及相应的测试。(5)利用编译通过的新型算法模块进行SAMA图组态,构造新的预测控制系统回路,并进行现场离线调试和在线应用。实验室的离线仿真结果表明,新提出的算法具有较好的汽温控制效果,以及良好的控制鲁棒性。目前,该新型算法即将进入实际现场应用及调试运行阶段。