随着集中供热覆盖面积的增加,研究集中供热网控制算法的优化问题,提高供热质量,具有重要意义。当前我国集中供热面临许多问题,热网控制技术较落后,资源浪费严重。为了提高供热效率,减少资源浪费,达到均匀供热的目的,本文探讨了热网控制算法的优化问题,充分结合热网实际控制操作中“粗调”和“微调”的特点,以实际热网工艺要求为背景,提出具有推理能力的控制策略。热网是一种结构复杂、规模庞大的城市管网系统,具有大惯性、大滞后性、非线性和强耦合性等特点,不易建立准确的数学模型,常规控制方法很难达到控制要求。本文介绍了热网的基本概念理论,将新颖的FCM(fuzzy cognitive map,模糊认知图)算法应用于热网控制中,基于实验室设备构建FCM模型,实现基于模型的FCM控制。FCM是神经网络和模糊控制相结合的产物,通过结构表示知识。FCM通过NHL(nonlinearhebbian learning,非线性赫布学习)进行学习调整,但普通的NHL算法是无监督的学习训练。本文根据热网的特点改进NHL,提出有监督的NHL,实现对推理过程的可控调节,并针对热网控制的特点,在构建FCM时,结合NHL和专家知识两种构建方法,有效利用专家经验建立初始FCM,再利用NHL实现FCM自动调整,使FCM能准确表达实际系统。本文基于FCM模型构建实验室热网控制平台,将FCM模型嵌入实验室热网控制算法中,实现基于模型的控制策略。通过理论分析与实验验证,证明基于FCM模型的控制算法能够满足热网控制要求,缩短热网控制时间,并提高热网系统的控制精度和稳定性,使热网系统状态满足工艺要求,实现均匀供热。