燃煤发电在我国能源结构中占主要地位,尽管有非常规能源如页岩气、可燃冰等出现,但目前使用的最廉价、最安全的能源仍然是煤炭。火电厂单元机组是电网的基本组成部分,保障电网基本的负荷要求;它担负着电网的调峰、调频任务,影响电网的运行稳定和经济效益。在日益严峻的环境压力下,如何确保火电厂安全、经济和高效稳定运行成为当务之急。机炉协调控制是一个局部线性、全局强非线性,具有双输入双输出的强耦合控制系统。在全工况范围内,采用常规的控制方法难以保证其得到满意的控制品质。本文是在大量查阅了有关广义预测控制、模糊控制和神经网络控制文献的基础上,针对广义预测控制具有在线计算量大,不适用于非线性系统的特点,提出了采用模糊神经模型的模糊神经网络广义预测控制。通过采用模糊神经网络的辨识方法,克服了传统的模糊系统辨识精度较低的问题,可以有效的解决BP神经网络学习算法存在收敛速度慢和局部极小值问题;同时该算法有效的减少了广义预测控制算法在线计算量,使广义预测控制算法的实时性得到很大的提高。最后采用300MW单元机组协调控制系统数学模型进行了仿真研究,仿真结果表明,控制系统保证对象输出功率和主蒸汽压力值能快速平稳地跟踪设定值。在变负荷工况下,系统仍然能够保持良好的控制性能,与传统PID控制相比该算法表现出良好的自适应性和鲁棒性。