单元机组协调控制系统在快速响应电网负荷要求、保障机组安全经济运行方面起着重要作用。协调控制系统具有多变量、强耦合、非线性、大滞后、参数时变等特点,基于线性参数模型的传统控制方法往往不能取得很好的控制效果。因此,非线性系统建模方法和非线性控制策略在协调控制系统中的应用一直是重要的研究课题之一。本文的研究工作主要从上述两个方面进行展开:(1)支持向量机是一种小样本统计学习理论,通过引入核函数和结构风险最小化原则,使得训练获得的非线性数学模型能够取得较高拟合精度并具有良好的泛化能力。作为改进算法的最小二乘支持向量机,在简化计算、提高收敛速度的同时,也在参数选择、噪声敏感等方面存在一些问题。因此,本文提出了一种在线自适应加权最小二乘支持向量机算法,该算法采用粒子群算法和网格搜索相结合的方式进行超参数寻优,通过改进的加权函数提高最小二乘支持向量机对于噪声的鲁棒性,并且引入滚动时间窗的概念进行实时模型跟踪。仿真实验表明了该算法的有效性,并最终建立了协调控制系统的非参数系统模型。(2)逆系统方法是解决非线性系统控制问题的策略之一,该方法通过求解原系统的逆系统模型,实现非线性系统的线性化,并且将逆系统方法推广到MIMO系统可以实现多变量非线性系统的解耦控制。针对难以获得实际系统模型的准确结构及参数的问题,本文采用在线自适应加权最小二乘支持向量机直接对逆系统模型进行辨识,与原系统串联后得到符合CARIMA模型的?阶纯滞后伪线性系统,并结合广义预测控制算法对模型失配、噪声扰动具有良好鲁棒性的特点,设计了基于逆系统方法的广义预测控制闭环系统。仿真结果表明,该方法具有很好的设定值跟踪和抗干扰能力,提高了协调控制系统的控制品质。