1.一种基于神经网络逆模型再热汽温控制方法，其特征在于，基于逆模型建立外环为神经网络逆控制，内环为pid控制的再热汽温控制策略，包括如下步骤：
1)确定所述逆模型的输入和输出参数；
所述逆模型的输入参数包括负荷ne、燃料量bf、总风量fa、燃烧器摆角β、再热器出口汽温实际值t2，输出参数为喷水减温器出口汽温t1；
2)从现场dcs系统获取机组的历史运行数据，从中选取用于所述逆模型建立和验证的样本数据；所述样本数据包括机组协调系统自动升降负荷的最低负荷至额定负荷期间的典型稳态工况，以及多个升降负荷周期的动态过渡工况，且保证建模所需各变量均充分地激励；
3)确定建模采用的神经网络类型及模型结构，建立所述逆模型，并运用获取的机组历史运行数据完成逆模型的训练和检验。
2.根据权利要求1所述的基于神经网络逆模型再热汽温控制方法，其特征在于，所述步骤2)包括：
从dcs历史运对模型训练样本输入、输出进行归一化处理，并采用归一化后的样本训练模型，再将模型输出反归一得到实际工程单位的变量值，具体的归一化公式为：
y＝(ymax-ymin)*(x-xmin)/(xmax-xmin)+ymin；
式中：x，y分别为参数的实际值和标称值，xmin、xmax分别为训练样本集数据中参数x的最小值和最大值，ymin、ymax分别为归一化处理后参数的最小值和最大值。