直接空冷技术因其显著的节水优势被广泛应用于我国富煤贫水的“三北”地区,截止目前,直接空冷机组装机容量已占我国火电机组装机容量的62.64%。直接空冷机组拥有低耗水率、低成本和综合换热效率高的优点,但同时也存在着机组背压较高、发电标准煤耗大的问题。在当下火电机组为接纳新能源并网而不断进行深度调峰的形势下,发电企业也对机组经济考核指标提出了更高的要求,背压作为影响直接空冷机组经济性能的关键参数之一,如何快速、稳定控制背压在最优值范围内成为当下研究的热门方向。本文以300 MW亚临界直接空冷机组为研究基础,通过求取机组不同工况下的经济背压值,并结合现场运行经验建立了多个工况点的最优背压初始数据组,以此作为BP神经网络背压设定值模型的学习集。通过粒子群算法对BP神经网络优化,提高模型精度、学习泛化能力和学习速度,最终建立了多因素影响下的背压设定值模型。通过该模型可以依据不同工况在线动态给定背压设定值,使机组在运行安全的前提下最大限度地提高机组经济性能,同时也在一定程度上减少了工作人员的工作量,为未来机组实现背压设定值动态给定提供了方法依据。针对现场背压难以快速稳定跟踪设定值的情况,应用能快速响应、鲁棒性较好且易于在工业现场实现的广义预测控制算法(Generalized predictive control,GPC)来优化背压控制,并依据不同负荷下的背压模型设计了相应的背压控制系统。通过仿真试验比较分析了背压控制系统分别采用PID、Fuzzy-PID和GPC控制时的控制性能。仿真结果表明,采用GPC算法在设定值扰动和内部扰动情况下,相比采用PID、FuzzyPID控制时系统的动态性能和稳态性能更好,且在面对模型失配时表现出较强的鲁棒性,更适合应用到现场复杂工况下的背压控制系统中,对实际生产现场背压控制策略改进具有一定的指导意义。通过从背压设定值、背压控制策略两方面进行深入的优化研究,将理论研究和机组实际运行情况相结合,建立了背压设定值动态给定模型,并对背压控制策略进行改进,对同类型直接空冷机组背压控制的优化改进有一定指导意义。