在机组运行过程中,为保证安全高效的机组运行环境,维持再热汽温在一定范围之内是一个重要环节。而随着高参数直流型锅炉的普及,其明显的大滞后现象使控制难度进一步增加,在实际运行中很难得到满意的控制品质。对于再热汽温系统而言,提升控制品质可以从多个方面着手,从建立模型的角度来说可以从两个方面入手:(1)建立基于实际机组运行过程的较为精准的模型。模型的准确性对系统控制作用有重大的影响,所建立模型不符合实际运行状况时会使系统控制产生较大偏差,从而导致汽温偏离维持范围。本文基于现场运行的历史数据对再热汽温系统进行建模,同时对所建立的模型进行验证,验证模型的准确性与有效性。(2)依据再热汽温的变化趋势进行预测建模提前进行控制调节。再热汽温对象的滞后性使其控制过程变得复杂,故可依据汽温的变化趋势对其提前进行调节,实现预先控制,从而缓解大滞后所带来的控制效果滞后现象。本文采用基于支撑向量机回归模型算法和基于深度学习的算法对再热汽温系统进行短期预测建模,根据再热汽温影响因素的变化建立预测模型,实现短期的再热汽温预测。通过本文提供的再热汽温系统的多种建模方法可知,基于历史数据采用改进粒子群算法进行系统辨识所建模型能够很好的适应现场工况,对再热汽温系统的现场控制提供了参考。同时,采用先进智能算法对再热汽温进行预测是提升控制品质的重要手段,根据现场运行数据预测再热汽温的变化趋势,提前进行控制调节,对机组的现场运行具有指导意义,使得再热汽温的控制品质得到提高。