蒸汽管网系统是公用工程的重要组成部分,其安全稳定的运行是企业安全、稳定、长期生产的保证。蒸汽管网用能优化,对降低乙烯能耗,提高石化行业能源利用效率,发展低碳工业和完成国家“节能减排”任务具有重要意义。蒸汽管网用能优化是一个包含大量连续变量(温度、压力、流量等)和离散变量(电泵的开、关等)的混合整数非线性规划(MINLP)问题。本文将围绕这一类问题,研究协同量子粒子算法(CQGAPSO),实现对MINLP问题的求解,本文的主要内容和创新点概括如下：首先,本文针对单一算法解决MINLP问题的不足,提出了CQGAPSO算法,该算法将待优化变量分为“连续变量种群”和“离散变量种群”两类,每个种群用特定的算法进行优化,在适应度评价时通过协同机制将二者结合。通过优化函数测试证明,所设计的算法具有更强的寻优能力。然后,针对蒸汽管网用能优化的关键数据——蒸汽流量难以获得的问题,采用带有开关权值的神经网络来建立蒸汽流量软测量模型,并用CQGAPSO算法同时优化神经网络的结构和参数,透平蒸汽流量软测量的仿真结果表明：相比全连接神经网络和其它模型,所述方法具有更好的预测精度和鲁棒性。最后,针对乙烯蒸汽管网用能优化问题,以管网系统运行费用为目标函数,根据能量守恒和质量守恒确定约束条件,建立其MINLP模型,并用CQGAPSO算法优化该模型,取得了良好的效果。