提高能源利用效率已成为当下研究热点。我国在燃气运输过程中有大量的压力能未被利用,将压力能通过膨胀机与发电机搭配构成燃气发电系统,可有效回收压力能用于发电,而燃气发电系统是否能够稳定运行取决于燃气调压系统的控制质量。目前燃气调压系统通常采用PID控制方法对出口压力进行控制,由于燃气系统具有非线性和滞后特性,受下游用户用燃气负荷波动的影响,传统PID控制无法保证系统的动态性能,容易造成燃气出口压力波动较大,不仅会影响系统向下游用户稳定供气,而且会影响发电系统稳定运行。对于发电系统,通常的做法是通过调节膨胀机入口处的流量调节阀来减小压力波动,从而使发电机转速稳定,但是能量通过节流阀后会有较大损耗,无法充分回收利用该部分压力能。此外,目前发电系统机/网侧变流器常用的控制方法为直接转矩/功率控制,该方法只能根据控制周期初始转矩、磁链或功率检测值与其设定值之间的误差选择电压矢量,由于计算和查询电压矢量表需要消耗一定的时间,并且系统运行时有多个电压矢量可供选择输出,根据查表法确定的电压矢量不一定为当前时刻的最优控制量,有可能导致转矩、磁链或功率有较大的脉动。针对目前燃气调压系统出口压力波动较大的问题,本论文提出了基于负荷预测的燃气调压系统非线性预测控制策略,以北京某燃气调压站系统为研究对象,利用两个神经网络分别构建了系统负荷预测模型和燃气出口压力预测模型;为了解决现有非线性优化算法计算量大的问题,本论文将神经网络作为优化反馈控制器,以利用神经网络的非线性处理能力实现非线性预测控制。论文将系统目标函数作为神经网络控制器的优化性能指标,基于拉格朗日变分法,采用梯度下降法对神经网络控制器进行在线训练,利用负荷预测和滚动优化及时克服负荷扰动的影响,维持出口压力稳定。基于拉格朗日变分法的神经网络梯度下降训练算法占用存储空间适中、计算量小,保证了控制器权值的收敛性和系统的稳定性,易于工程实现。另一方面,本论文利用双PWM变流器电力电子元件代替原有的节流调速装置控制发电机转速并实现并网,结合调压系统压力控制,使系统在实现调压功能的同时,利用压力能进行发电。为了解决电机侧转矩、网侧功率波动大的问题,本论文研究了模型预测直接转矩/功率控制策略,建立了转矩、磁链和功率的预测模型,并进行延时补偿,消除算法因计算导致的控制延时,将减小上述变量与其设定值之间的偏差作为优化目标,对预测时域内不同电压矢量作用下转矩、磁链或功率的变化情况进行预测,根据所构建的优化目标函数对每个电压矢量的预测结果进行评估,选择使预测时域内整体目标函数最优的电压矢量序列,并将该序列的首项输出,以改善系统的动态性能,降低转矩、磁链或功率的脉动。仿真实验结果表明,本论文所提出的燃气调压系统神经网络非线性预测控制策略,与经过参数整定后的PID算法相比,超调量降低了8%,调节时间降低了60%;论文所提出的模型预测直接转矩/功率控制策略,相比传统的直接转矩/功率控制方法,机侧转速、转矩脉动减小了3%与15%,网侧功率脉动减小8%,电流的谐波率降低6.92%,整体动态响应速度提高50%。