Para estudar um método de controle eficiente para um sistema de compressão paralelo de CO2 supercrítico, este artigo utilizou o software de simulação GT-SUITE para estabelecer um modelo dinâmico do sistema de compressão paralelo de CO2 supercrítico. Com base no conjunto de dados de desempenho do sistema obtido pela simulação, foram estabelecidos e comparados modelos de previsão do desempenho do sistema utilizando um polinômio de segundo grau e um modelo de rede neural. Além disso, foi desenvolvido um controlador preditivo baseado no modelo de rede neural para o sistema de compressão paralelo de CO2 supercrítico, estudando o desempenho do controlador em termos de estabilidade do controle do sistema, eficiência e controle em tempo real. Os resultados mostram que, sob a ação do controlador preditivo, o sistema atinge um estado operacional estável em 150 s sob diferentes condições de refrigeração; em comparação com o controle de valor fixo, o desempenho do sistema com controle preditivo aumentou em até 13,3 %; a simulação verificou a viabilidade da estratégia de controle preditivo proposta para otimizar o desempenho do controle em tempo real do sistema de compressão paralelo de CO2, com melhoria geral de 7,3 % em relação ao controle de valor fixo sob as condições dadas.

Sistema CO2 supercrítico;Aprendizado de máquina;Controle preditivo;Simulação dinâmica