集中供热模式具有节能、环保、经济、高效的优点，已经成为我国北方地区城市供热的主流模式。热网系统由热源、管网和热用户三部分组成，是一个典型的复杂、多变量、非线性、时变、大滞后的系统，其优化和控制问题较为复杂。在低碳经济背景下，研究和开发高效的控制算法应用于热网工况调节，使得在满足热用户供需求的条件下，尽可能地节能降耗成为研究热点。本论文提出一种基于非线性模型预测控制（Nonlinear Model Predictive Control，NMPC）的粒子群优化（Particle SwarmOptimization，PSO）算法，将其应用于热网优化控制，实现节能降耗的控制目标。论文首先建立了热力站供热过程的数学模型采用机理建模取得的供热过程的质调节和量调节的传递函数模型，通过现场实验对供热过程的模型参数进行辨识，建立了模型的确定部分。采用差分自回归移动平均模型ARIMA建模法建立了模型的随机部分；在此基础上，引入广义预测控制建立热力站供热过程的预测模型，推导计算并在线辨识模型参数，实现了热力站供热过程的非线性模型预测控制；最后，以节能为目标设计优化目标函数，采用粒子群（PSO）算法求解一次网热量供给优化问题。由于热网能量传输模型和环境信息的不确定性，热负荷也具有不确定和时变的特性，本课题根据天气预报获得室外温度预报曲线，建立了根据室外温度变化预测热负荷变化曲线的模型，并将其作为约束条件，然后采用PSO算法求解，在满足用户供热需求情况下热源总供热量的最优值，进而确定热源供热工况优化调节策略，实现节能降耗的控制目的。论文通过现场实验以及仿真实验验证了所提出的基于广义预测控制的热力站供热过程非线性模型的预测控制以及基于PSO算法的热源热量生产策略的正确性，对指导热网的工况调节有一定的指导意义。