在现代都市快速发展的今天，我国主要的供热系统正慢慢的转变为集中供热系统，伴随着创建节约型、友好型社会的理念被提出，如何使集中供热系统即满足用户供热需求又能达到节能降耗的目的，已经成为我国供热领域的研究重点。因为集中供热系统具有的非线性、大滞后性、强耦合性、时变性等特点，传统的理论方法不易对其产生有效优化控制，针对此问题，本论文提出一种基于双启发式动态规划(DHP)的集中供热系统优化调节方式，并对其进行建模仿真验证。　　本论文首先以气象站API接口获得的天气数据(温度、风速、时间因素等)和在供热部门得到的热源实际工况数据作为样本数据，以RBF神经网络为基础创建供热系统热源处的热负荷预测模型，通过其对热源随后一天每一时刻的热负荷进行预测，并将其作为热源优化运算的影响因素和约束条件。然后根据实际的工况建立集中供热系统热源处的性能指标函数，并利用DHP算法对其进行建模求解，计算出其最优的供水温度及供水流量，这是本论文的研究重点。DHP算法的网络结构由模型网络、执行网络及评价网络三部分组成，利用BP神经网络对以上三个网络进行分别建模，组成DHP算法的近似函数结构，再利用MATLAB软件实现DHP算法的程序编写，求得满足设定条件的供热系统热源的24小时每一时刻的最优供水流量和温度的序列值。最后利用Flowmaster一维热流体系统仿真软件参照实际数据指标对集中供热系统进行仿真建模，并利用第三方接口与MATLAB软件进行联合调试，得到仿真模型的热源处热负荷变化曲线，再通过与实际热负荷曲线及实际室外温度曲线的比较实现对DHP算法在城市集中供热系统热源处的优化调节能力的验证。　　本课题利用MATLAB软件与Flowmaster一维热流体软件联合搭建的仿真模型，实现了对DHP算法在集中供热系统热源优化调节中有效性的验证。并基本可以满足按照室外温度的变化为换热站供给热量，可以实现在满足常规运行要求的前提下达到节能、降耗的目标，对实际的应用有一定指导意义。