目前,以大容量、高温高压为基本特征的超临界、超超临界直流锅炉被广泛采用,相应地,更加复杂的热力系统结构和更精准的操作要求需要现场运行人员有相当的知识储备和过硬的操作水平。仿真机作为培训运行人员的有力平台,在其上开发快捷、有效的热力系统算法模型意义重大。本文以建立一套简洁、适用、可移植度高的热力系统模型为原则,重点研究了锅炉侧核心设备的建模过程。经典的仿真机建模多采用机理模型,由于该方法利用守恒定律,所以可以深入地描述系统的内部机制与特性,但模型中有许多难以确定的参数。而神经网络对非线性系统具有很强的逼近能力,可以确定机理模型中的未知参数,所以本论文建立了由机理模型和预测未知参数的神经网络模型所构成的复合模型。首先确定各系统的输入输出变量以及影响系统特性的主要未知参数,以质量守恒、动量守恒、能量守恒为依据建立了磨煤机、炉膛燃烧系统、水冷壁、分离器的相关机理模型;然后通过各系统的相关输入和未知参数个数,分析了各神经网络的输入层、隐藏层、输出层个数,采用SPSA为权值调整算法,从而确定了神经网络模型的结构;最后,将二者结合起来,建立了以机理模型为主,预测机理模型中未知参数的神经网络为辅的复合模型。并以磨煤机系统和水冷壁为案例进行详细说明。利用国电谏壁电厂1000MW超临界机组的历史运行数据,通过不同时间段的升降负荷等典型工况对各系统的复合模型在MATLAB平台上进行仿真测试。仿真结果表明,不受整个系统中参数耦合性的影响,训练得到的神经网络模型可以很好地动态预测机理模型中的未知参数,同时所建立的系统的复合模型可以很好地模拟现场典型工况。此外,由机理模型和数据模型构成的复合模型也具有通用性强、使用方便,有较好的扩展性和开放性等优点,有必要推广应用研究。