火电机组灵活调峰运行时负荷、煤量等参数频繁变化,会造成过热汽温控制系统动态超调,引起过热汽温剧烈波动问题。通过建立可靠的过热汽温特性模型,并发展针对性的优化控制策略,将有利于提高过热汽温的控制品质,对维持过热汽温的稳定具有重要意义。本文以某660MW亚临界燃煤机组为研究对象,围绕基于深度学习的过热汽温对象特性建模与控制策略优化开展研究工作,主要研究内容如下:首先,从过热汽温系统的传热机理和守恒关系出发,分别建立了喷水减温器和过热器的机理模型。提出了一种改进的人群搜索算法,其采用随机惯性权重变异法优化隶属函数的惯性权重,以边界反射法约束种群个体的搜索范围,以混沌扰动法增加种群个体的多样性。基于所提出的改进人群搜索算法,求解机理模型的相关经验参数,并利用现场运行数据对所提模型的泛化能力和精度进行了算例验证。其次,提出了一种融合机理的深度学习（PFNN）过热汽温辨识方法。该方法将导前区机理损失和滞后区机理损失作为深度神经网络的惩罚约束条件,从而有效控制了深度神经网络训练时参数的迭代更新方向和更新速度。基于现场数据对本文辨识方法进行了验证,结果表明:PFNN具有较强的泛化能力和较高的预测精度,在过热汽温对象特性辨识时表现出较好的适应性和稳定性。再次,为抑制干扰参数对过热器出口温度的影响,以过热汽温主要干扰量的历史运行数据为基础,采用深度神经网络（DNN）建立动态前馈模型,得到了一种过热汽温动态前馈优化控制策略,通过及时补偿减温阀位来抑制过热器温度的频繁波动。同时,为克服一级过热器出口温度对主蒸汽温度的干扰作用,基于主蒸汽温度PFNN特性模型和过热汽温主要干扰参数特性,提出了一种长短期记忆神经网络（LSTM）随动控制方法,通过优化一级过热器出口温度的设定值减小主蒸汽温度波动。仿真试验结果表明:DNN动态前馈控制策略可有效抑制干扰参数对过热汽温的影响,从而提高过热汽温的控制品质;LSTM随动控制策略可减小主蒸汽温度的动态偏差,与前馈模型同时作用于过热汽温控制系统时,可有效提升主蒸汽温度的调节精度和稳定性。最后,设计了过热汽温自动控制优化平台,开发并应用了过热汽温控制系统优化逻辑、控制品质评价及分析检测软件。