在火电厂单元机组运行中,主蒸汽温度是一项非常重要的参数,对火电厂运行的安全性和经济性具有很大的影响。但由于过热蒸汽对象大迟延、大惯性、多扰动的特性,可能会产生较大的超调量和较长的调节时间,这使得常规PID控制变得越发困难,所以主蒸汽温度控制一直是火电厂运行控制研究的热点,同时也是难点。目前常见的控制方法如预测控制、自适应控制以及状态变量控制等基于现代控制理论的控制方法由于其算法存在缺陷,导致很少能在现场使用。与此同时,智能控制方法如模糊控制、神经网络控制等在飞速发展,本文针对此情况展开研究,主要研究工作如下:(1)将长短期记忆(LSTM)神经网络引入主蒸汽温度的预测,因其算法本身具有时序性的特点,将主蒸汽温度也作为输入变量之一参与预测,并使用火电厂实际数据对一天的主蒸汽温度进行预测,通过预测结果证明了该算法在主蒸汽温度预测中的可行性和准确性。(2)对模糊控制中用来平衡偏差和偏差变化率的权重因子的取值进行改进。根据模糊控制思想,使得权重因子根据偏差和偏差变化率的等级量取值,并使用拉格朗日插值方法对权重因子进行代数插值,使其可以连续变化,从而使模糊控制具有了自适应能力。(3)提出一种基于长短期记忆神经网络算法预测的模糊控制方法,使用长短期记忆神经网络对下一时刻主蒸汽温度进行预测,得到下一时刻主蒸汽温度的值与当前时刻的主蒸汽温度作为控制器校正环节的输入,控制器校正环节也是模糊控制,以主汽温度变化的偏差和偏差的变化率为输入,同时此时的主蒸汽温度与设定值差值的正负对应不同的校正环节的取值规则,最后将校正环节的输出与原模糊控制取和共同作用于喷水减温阀来控制主蒸汽温度。经过仿真实验验证了该方法在主蒸汽温度控制中的有效性和安全性。