W artykule przedstawiono koncepcję algorytmu optymalizującego pracę bloku gazowo-parowego pracującego w warunkach zmiennego obciążenia oraz w otoczeniu zmiennych warunków atmosferycznych. Opisywany system został oparty na technice regulacji predykcyjnej, gdzie nieliniowy model obiektu reprezentowany jest przez sztuczną sieć neuronową (SSN). Model w postaci SSN jest wykorzystywany do symulacji pracy obiektu w zadanym horyzoncie czasowym dla generowanych trajektorii zmian punktu pracy w celu określenia wartości funkcji kryterialnej. Algorytm wybiera trajektorię, która zapewnia minimum funkcji kryterialnej.
The paper deals with a conception of the optimization algorithm for CHP plant working under varying load conditions and slow disturbances from ambient temperature and pressure. The shown system is based on Generalized Predictive Control (GPC) technique, where nonlinear plant model is represented by artificial neural network. Neural network model is used for plant simulation over specified time horizon for generated tentative trajectories and determining quality function J. The system takes trajectory for which quality function is minimal.