能源问题是21世纪面临的重要挑战。我国作为一个能耗大国，降低能耗，实现低碳经济，是我国目前的一项基本国策。我国三北地区的采暖能耗，约占全社会能耗的27.2%。供热不仅能耗大，而且效率低，每单位面积供热能耗高出发达国家的2～3倍，供热节能潜力很大。因此，研究供热节能及其控制策略的意义重大。调峰炉热力站作为供热系统调节的一种手段，在集中供热网末端加入调峰炉热力站，可以有效地解决供热高峰期负荷不足的问题，对于供热系统的稳定和良好运行起到了重要的作用。本文将研究调峰炉热力站的节能控制策略，需要从三个方面实现：一是通过供热负荷预报，准确地给出供热系统的负荷需求，防止过度供热情况的发生；二是通过优化调度，给出热力站供热系统中热负荷的最佳分配；三是通过先进的预测控制手段，保证供热系统的稳定运行，最终实现节能。供热负荷预报是进行优化调度的前提。由于供热负荷数据存在着趋势性和周期性，本文首先采用乘积季节自回归滑动平均（Autoregressive IntegratedMoving Average，ARIMA）的方法进行供热负荷预报。但该方法不适于负荷存在较大突变的情况，因此采用Kalman在线递归预测乘积季节ARIMA模型参数，该方法提高了负荷突变阶段的预报精度。为了更好处理供热负荷数据中的非线性问题，引入最小最大概率机（Minimax Probability Machine，MPM），将相空间重构与最小最大概率回归相结合进行供热负荷预报。该方法同神经网络预报法、支持向量机（Support Vector Machine，SVM）预报法进行了比较，通过仿真分析各种预报方法的性能。调峰炉热力站的优化调度是实现节能的关键。文中将供热负荷预报结果与国家供热标准相结合，给出准确的调峰炉热力站供热负荷需求，并以此负荷进行调度。调峰炉热力站的优化调度从能耗和经济性两个方面考虑，通过在供热高峰期和非高峰期对能耗和经济性不同侧重，实现优化调度的综合最佳。在寻优算法上先采用非线性规划等算法求解优化调度结果，但这些方法受到初值的选取的影响，用免疫粒子群（Immune Partile Swarm Optimization，IPSO）寻优的计算方法则避免这些方法上的缺陷。通过实例计算结果表明，免疫粒子群算法的优化调度计算更为方便和快速。预测控制是实现调峰炉热力站优化调度结果的手段。优化调度给出节能监控信号，通过预测控制达到控制目标。在建模部分采用飞升曲线和最小二乘相结合的方法，建立调峰炉热力站供热过程中的质调通道模型，锅炉温度变化扰动模型和水量变化扰动模型。为了降低锅炉温度变化扰动和水量变化扰动带来的影响，文中采用加前馈补偿的三冲量预测控制方法。其中对质调通道进行神经网络预测控制，利用改进的差分进化法进行控制律的求解，对锅炉温度变化扰动和水量变化扰动进行前馈补偿。用仿真方法证明三冲量预测控制法的有效性。最后，根据工程要求，开发调峰炉热力站监控装置。对该装置从硬件和软件两方面进行规划，给出基于PLC和GPRS无线通信的底层监控装置，并在监控中心开发优化调度软件。为了更好地满足优化调度和底层控制的需要，在MATLAB程序中实现智能算法的计算，并通过OPC技术实现与调度软件的数据交换。该监控装置样机在大庆让胡30号热力站稳定运行一年多，经过黑龙江省节能检测部门的技术检验，该装置的所有指标均达到设计要求，实现了节能。