随着我国电力工业的快速发展及电力结构的不断调整，大型超(超)临界火电机组已经成为我国电网的主力机组，因其直流运行特性、变参数运行方式以及多变量耦合等特点，与常规亚临界机组相比在过程控制等方面具有很大的特殊性，需要对超临界机组的动态特性和控制策略进行深入研究。　　 本文在全而总结超临界机组机理建模和控制策略研究现状的基础上，结合某国产600MW超临界机组，重点开展超临界机组仿真建模和基于机器学习模型的非线性预测控制策略的研究工作，并将非线性预测控制策略应用于超临界机组热工过程控制仿真研究中。本文主要内容如下：　　 1．建立了超临界机组整体非线性动态数学模型，包括单相受热面、双相受热面、喷水减温器以及简化的烟气侧和汽机侧数学模型。基于模块化建模方法，以某国产600MW超临界机组为研究对象，构建了超临界机组整体仿真模型，并完成了典型负荷下的主要输入量扰动试验，获得了超临界机组的关键过程动态特性。　　 2．建立了超临界机组过热系统简化数学模型，包括减温器模型和过热管模型。提出了一种基于现场数据和改进粒子群算法的模型参数优化方法，以获得所建模型的主要参数值，并结合某国产600MW超临界机组运行数据进行算例分析，进一步研究了超临界机组过热汽温对象的动态特性。　　 3．在研究径向基函数神经网络在线学习算法的基础上，对最小资源分配网络算法的参数调整方法进行了改进，提出了一种扩展最小资源分配网络算法，建模实例验证了算法的有效性和快速性。结合带有“精英策略”的改进粒子群优化算法，提出了一种基于神经网络模型的非线性预测控制算法，仿真结果表明控制策略具有良好的控制品质。　　 4．将基于神经网络模型的非线性预测控制算法应用于超临界机组负荷控制中。通过在线辨识负荷系统的神经网络模型作为预测模型，然后采用改进粒子群优化算法对控制律进行寻优，从而实现控制。仿真实验表明，在保证中间点温度、机前压力稳定的基础上，获得良好的负荷跟踪能力。　　 5．将精确在线支持向量回归算法应用于非线性系统建模中，结合非线性建模实例，分析了算法与扩展最小资源分配网络非线性建模能力的优劣。同时，将黄金分割法应用于目标函数优化过程中，提出了一种基于支持向量回归模型的非线性预测控制策略，仿真实例验证了控制策略的有效性。　　 6．将基于支持向量回归的非线性预测控制算法应用于超临界机组过热汽温控制中。控制策略采用传统的串级控制结构，内回路采用固定参数的比例控制器快速消除内扰，外回路采用非线性预测控制器以克服大范围的系统特性变化。仿真实验表明，在机组负荷大范围变动情况下，该方法具有良好的控制品质。