以煤气化为基础的油电联产系统是一种先进的煤炭利用方式，融合了费托合成液体燃料生产以及IGCC发电技术。煤炭经气化生成合成气(CO+H2)，然后合成气进入浆态床反应器通过费托合成反应生产液体燃料，驰放气进入燃气蒸汽联合循环电站发电。作为油电联产系统合成过程的核心技术，费托合成浆态床反应器是一个非线性、耦合的多变量系统，浆态床反应器控制系统的设计关系到整个联产系统的稳定运行。目前费托合成浆态床反应器技术还处于工业示范阶段，浆态床反应器动态特性以及控制策略的研究尚属空白。因此，针对费托合成浆态床反应器的建模与控制研究具有很重要的理论意义以及实际应用价值。　　本文以煤基合成油示范厂的浆态床反应器为对象，对油电联产系统合成过程的建模与控制进行了如下研究:　　1、针对费托合成浆态床反应器，采用机理分析建模的方法，基于双泡模型假设，综合考虑了反应器内的流动特性、传质传热、化学反应动力学与选择性，建立了浆态床反应器的动态数学模型。将该模型应用于浆态床反应器的动态特性研究，模拟计算了新鲜气流量、循环气流量以及冷却水流量变化对浆态床反应器性能的影响。结果表明，随着新鲜气流量增加，液体燃料的产量增加，反应器温度升高;随着循环气流量增加，反应器的压力明显升高，温度略有上升，产量减少;随着冷却水流量增加，反应器温度迅速下降，幅度较大，产量随之减少。　　2、针对费托合成过程的非线性辨识问题，提出了一种基于差异演化算法(DE)的径向基函数神经网络(RBFNN)模型设计方法。首先引入自适应策略对标准差异算法的控制参数进行改进，然后将DE算法的种群分解为几组并行的子种群，每组子种群对应于一类隐节点数相同的RBF网络，在RBFNN的学习过程中进行多子种群并行优化，从而实现RBF网络结构与参数的同时调整。该算法可以利用合成过程的输入输出数据，自动设计出满足误差精度要求且结构较小的RBFNN模型。将该算法应用于浆态床反应器油品产量的建模，得到的RBFNN模型结构简单，辨识误差小，具有较好的泛化能力，能够反映合成过程的动态特性。　　3、浆态床的床层温度是合成反应器最重要的工艺参数。针对浆态床反应器床温的控制问题，建立了床温的RBFNN预测模型，提出一种基于模糊神经网络控制器(FNN)的预测控制方法，在预测控制的滚动优化中，采用改进差异演化算法对FNN控制器的参数进行优化，以获得最优控制量。将该控制方法应用于浆态床反应器的床温控制，具有较好的控制品质。然后针对FNN控制器参数较多，又提出一种基于PID神经元网络(PIDNN)的控制方案，能够更好地满足控制实时性的要求。　　4、针对浆态床反应器床温压力系统的解耦控制问题，提出了一种基于多输出PID神经元网络(MPIDNN)的控制方法。首先利用现场数据，采用非线性辨识方法建立浆态床的压力模型，与床温模型一起组成反应器的多变量预测模型。然后在该模型的基础上，采用多输出PID神经元网络设计了反应器的解耦控制方案，并采用差异演化算法对MPIDNN控制器的参数进行在线优化，以获得最优控制量。将该方法应用于浆态床反应器床温压力系统的控制，结果表明，MPIDNN控制方法通过同时调整冷却水流量以及循环气流量，对反应器的床温和压力进行快速、稳定地控制。