Zur Untersuchung einer effizienten Steuerungsmethode für ein paralleles Kompressionssystem mit überkritischem CO2 wurde mit der Simulationssoftware GT-SUITE ein dynamisches Simulationsmodell des parallelen Kompressionssystems mit überkritischem CO2 erstellt. Basierend auf dem durch die Simulation erhaltenen Systemleistungsdatensatz wurden ein zweites Polynom-Modell und ein neuronales Netzwerkmodell zur Systemleistungsprognose aufgebaut und verglichen. Auf Grundlage des neuronalen Netzwerkmodells wurde ein modellprädiktiver Regler für das parallele Kompressionssystem mit überkritischem CO2 entwickelt, um die Stabilität, Effizienz und Echtzeitsteuerungsleistung des Reglers zu untersuchen. Die Ergebnisse zeigen, dass unter der Wirkung des modellprädiktiven Reglers das System bei unterschiedlichen Kühlbedingungen innerhalb von 150 s einen stabilen Betriebszustand erreicht; im Vergleich zur Festwertregelung verbessert sich die Systemleistung mit dem modellprädiktiven Regler um maximal 13,3 %; die Simulation bestätigte die Machbarkeit der vorgeschlagenen modellprädiktiven Steuerungsstrategie zur Optimierung der Echtzeitsteuerungsleistung des CO2-parallelen Kompressionssystems mit einer Gesamtleistungsverbesserung von 7,3 % gegenüber der Festwertregelung unter den gegebenen Bedingungen.

Überkritisches CO2-System;Maschinelles Lernen;Modellprädiktive Regelung;Dynamische Simulation