联合循环机组中最大的能量损失发生在冷源损失上，减少机组的运行背压可以降低冷源损失并提高发电效率。然而，降低背压通常会导致冷端设备的耗能增加，因此，寻找最优的冷端设备运行方式对于提升机组的运行经济性至关重要。目前，冷端优化成为火力发电行业节能降耗的研究重点。传统的优化技术主要围绕循环水温度进行，未充分考虑供热、循环水泵及机力冷却塔的多种运行方式对温度的影响，导致结果不适用于机力冷却塔系统。 此外，凝汽器清洁度、循环水泵性能和机力冷却塔冷却能力的变化使得静态优化结果逐渐偏离最优状态。针对这些挑战，本项目基于EBSILON热力仿真平台，开发了一套动态冷端系统优化方案，通过实时收集运行数据，考虑环境和负荷变化，动态计算最优背压和冷端运行方式。系统包含单工况优化和基于GRU神经网络改进的先验学习模块，能够快速优化冷端设备运行方式并适应运行条件变化。 该动态优化系统实施后，国能国华（北京）燃气热电有限公司的机组生产供电煤耗降低0.525g/(kWh)，节省标煤约2190吨，经济效益达374万元，直接减少碳排放7300吨以上。该系统不仅提高了冷端优化的准确性和适应性，还通过先验学习模块有效跟踪设备性能变化，保证了优化结果的实时性和准确性。 本项目的成功应用显示了其在提升火力发电机组经济性和环保性方面的显著效果，展现了广阔的推广潜力。该技术适用于所有火电机组，尤其是采用机力冷却塔的联合循环机组。若在更多电厂推广，预计将带来显著的经济和环保效益。 总体而言，项目通过从历史数据中学习设备和环境参数间规律，提供了一种解决传统冷端优化问题的新方法，使得冷端系统优化更加精确、高效，为火力发电行业的节能降耗贡献了一项重要技术。