汽轮机调节系统是调节汽轮机转速和功率以保证火电、核电机组安全、经济运行的重要机构。建立反映汽轮机及其调节系统动态规律的精确的数学模型,是实现汽轮机优化运行、状态检测、性能预测和故障诊断的基础。本文针对目前汽轮机及其调节系统传统参数辨识方法存在的周期长、适应性差和人工参与度过高等问题,在深入分析既有辨识算法的基础之上,探寻新型、高效的辨识手段。论文的主要工作及成果如下:(1)通过对常用智能优化算法的特性分析,提出了改进型引力搜索算法及改进型粒子群-遗传算法,测试结果证明了该两种改进型智能算法具有良好的优化效果及高效的辨识性能。同时,通过对汽轮机及其调节系统模型的深入分析,提出了一种基于“最小二乘”思想的直接辨识法,辨识试验表明:该方法具有辨识精度高、效率高和适应性广等特点。(2)基于对汽轮机及其调节系统参数的敏感性分析,提出了一种“粗细结合”的辨识策略。该辨识策略通过合理利用各环节输入输出的试验数据,不但保证了系统的整体精确性,而且也确保了各中间环节参数的合理性。仿真结果表明:这种辨识策略具有良好的辨识性能,有效地提高了辨识的准确性和快速性。(3)集成粒子群算法、遗传算法、引力搜索算法、改进型引力搜索算法、改进型粒子群-遗传算法、递推最小二乘法和直接辨识法,构建了辨识算法库。并以该算法库为基础,结合所建的包含汽轮机及其调节系统典型环节模块的模型库,开发了具有参数预处理、系统模型构建、辨识计算、动态仿真和后处理等功能的一体化参数辨识平台。以某300MW及600MW火电机组的汽轮机及其调节系统为对象,采用本文提出的辨识算法及策略进行了参数辨识,辨识试验结果证明了算法的高效性与准确性,以及辨识策略的合理性。本文开发的汽轮机及其调节系统参数辨识平台,为汽轮机及其调节系统参数辨识提供了新的有效手段。