冷热电联供系统作为当今能源发展的重要方向之一,不仅实现了更高的能源利用率,还达到了环保经济发展的目标。然而,系统的控制复杂度相对增加,加之供能介质传输路径长,温度时延较大,难以实现温度的实时控制。其中,制冷温度是实际生产过程需要监控的重要参数之一,因此降低系统时延,达到制冷温度最佳的控制效果,对于冷热电联供系统的应用与发展具有巨大研究意义。在冷热电联供系统中,制冷温度直接影响着整个系统制冷效果,因受多种生产工艺的制约,扰动多,时延大,具有时变、非线性、强耦合性、纯滞后等特征。本文以某电厂锅炉蒸汽驱动式冷热电联供系统为研究对象,分析该系统的工艺流程,并从系统主要设备出发,分析制冷温度的相关影响因素,在此基础上进行制冷温度的建模与控制研究。通过利用T-S模糊算法,建立制冷温度的预测模型。其中模型结构辨识部分采用减法聚类和模糊C均值聚类算法相结合的方法,不仅提高了模型精度,还避免它们各自算法的不足;将模糊神经网络中结合了最小二乘算法和有序导数算法的混合学习算法用于参数识别,以获得更准确的参数。从某电厂的DCS上采集冷却水供应温度,冷却水流量,热水供应温度,热水流量和冷冻水供应温度的实时运行数据,在MATLAB平台进行多输入单输出的建模仿真训练,结果表明该建模方法获得的模型预测结果较好,能够较精确的拟合冷冻水温度的变化趋势,为后面制冷温度的控制优化提供依据。在该系统中制冷部分相对复杂、参数多变,制冷温度的控制要求较高,且时延较大,采用传统的控制难以实现精确控制。本文在T-S模型的基础上,结合多步预测控制方法,设计了一种基于T-S状态空间模型的多步预测控制器,实现了从约束非线性优化到线性二次规划的转变,从而减少了系统优化的计算量。在研究分析过程中为了更方便地研究相关的预测控制方法,将T-S模型一般形式转换为状态空间表达形式。具体而言,将冷却水流量作为输入建立冷冻水温度的T-S模糊模型,结合所设计的控制方法对该系统制冷温度的控制进行仿真,结果显示系统输出响应较平稳,控制效果较好。