Pour étudier une méthode de contrôle efficace d'un système de compression parallèle de CO2 supercritique, cet article a utilisé le logiciel de simulation GT-SUITE pour établir un modèle dynamique du système de compression parallèle de CO2 supercritique. Sur la base de l'ensemble de données de performance du système obtenu par simulation, des modèles de prédiction des performances du système par polynôme du second ordre et par réseau de neurones ont été établis et comparés. Un contrôleur prédictif basé sur le modèle de réseau de neurones a été développé pour le système de compression parallèle de CO2 supercritique, et la performance du contrôleur en termes de stabilité, d'efficacité et de contrôle en temps réel a été étudiée. Les résultats montrent que sous l'action du contrôleur prédictif, le système atteint un état de fonctionnement stable en 150 s pour différentes conditions de refroidissement ; comparé au contrôle à valeur fixe, la performance du système avec contrôle prédictif augmente jusqu'à 13,3 % ; la simulation a confirmé la faisabilité de la stratégie de contrôle prédictif proposée pour optimiser les performances de contrôle en temps réel du système de compression parallèle de CO2, avec une amélioration globale de 7,3 % par rapport au contrôle à valeur fixe dans les conditions données.

Système CO2 supercritique;Apprentissage machine;Contrôle prédictif;Simulation dynamique