直接空冷机组在富煤贫水的我国北方占较大比例,其利用轴流风机鼓入空气冷却汽轮机排汽,节水效果显著。目前,直接空冷机组采用全部风机统一转速的控制方式,利用电机群带动轴流风机群,驱动大气空气强制对流,冷却翅片管内的汽轮机乏汽,以维持机组背压请求,导致驱动电机群能耗巨大。通过实验研究,空冷机组的煤耗要明显高于湿冷机组,所以,建立背压动态模型,推广可实现的背压优化控制策略与节能工程,对于提高空冷机组的经济效益具有非常重要的意义。本文在直接空冷机组背压的机理模型基础上,分析背压的主要影响因素,建立机组背压的动态系统模型。通过采集不同工况下的直接空冷机组的历史数据,采用麻雀搜索算法优化的深度神经网络,建立背压的神经网络模型,实现背压的预测;分析空冷风机转速和机组负荷与背压之间的关系特性,建立典型工况下的背压传递函数模型,采用麻雀搜索算法辨识模型参数,并设计前馈控制策略。针对背压的非线性、时变等复杂的控制特性,本文提出一种限定记忆递推最小二乘的背压动态模型在线辨识方法,建立背压的实时数据模型,有效解决数据饱和问题,通过实验确定合适的记忆长度,减小当前输入值变化波动的影响,准确预测背压。针对直接空冷机组轴流风机采用“转速归一”传统PID控制而造成能耗较高的问题,本文从直接空冷风机阵列的集群效应出发,将直接空冷整列分为外围风机区和内围风机区,提出一种分区预测控制策略,并根据限定记忆递推最小二乘算法辨识得到的内外分区数据模型,设计多种工况下的仿真实验,仿真实验证明:分区预测控制策略让高效的内围风机承担低效的外围风机的负荷,避免所有风机转速一致造成的换热效率低,在多种工况下,可以降低至少4.6%的能耗并具有调节时间快、超调小、抗干扰能力强的优点,实现节能和较高控制品质的目标。