现代火电机组控制对象具有多变量、时变、非线性、时延和耦合等特点,难以建立精确的数学模型,采用常规PID控制手段难以取得良好的控制效果。基于现代控制理论的控制方案因其对模型的精度要求高,难以广泛地应用于电厂热工过程中。随着发电机组向着大容量、高参数方向发展及各种新型发电方式的出现,电厂中各生产环节的特性越来越复杂而其对控制品质的要求越来越高,急需新的控制技术来对其进行有效的控制。预测函数控制是第三代模型预测控制算法,具有在线计算量小、跟踪快速、对模型要求低、鲁棒性强等优点;神经网络具有表示任意非线性映射关系和学习等能力,通过恰当选择网络层次和隐层单元数,能够以任意精度逼近连续函数及其各阶导数。为时变、非线性对象的动态特性的辨识提供了简单有效的方法,解决了时变、非线性对象控制中的瓶颈问题。因此基于人工神经网络技术的预测函数控制策略是解决现代电厂中控制难题的一种有效途径。本文紧密结合我国火电厂的实际情况,以解决电厂实际运行中存在的控制问题为出发点,抓住电厂热工控制系统普遍存在的大滞后和时变特性等特点,在已有预测函数控制算法的基础上,提出了基于人工神经网络技术的预测函数控制算法:将基于人工神经网络的PFC控制和传统PID控制相复合,应用于锅炉全程给水控制仿真研究;将混合人工神经网络自适应PFC控制应用于锅炉水处理仿真,实现了非线性模型的仿真研究;将局部人工神经网络多模型PFC控制应用于过热气温控制仿真研究;将神经网络解耦控制和神经PFC控制应用于负荷仿真,设计了神经网络解耦控制器,实现了慢时变、多变量、强耦合模型的仿真研究。使用MATLAB语言对上述控制方式进行仿真,仿真结果表明以上算法既有人工神经网络控制和预测函数控制等现代控制理论的优点,又无需被控对象的精确数理模型,而且控制效果良好、适应性广,满足了非线性对象及多变量耦合系统等特性不同的生产环节对控制系统的要求。