利用热泵技术回收电厂汽轮机排汽的冷凝热,结合热网加热器,分级加热热网供水,不仅能增大电厂供热能力,而且大幅提高能源利用效率,减少水耗和热污染。热泵供热系统与电厂发电系统的耦合,不仅符合国家节能减排―十二五‖规划的政策要求,而且保障了城市供暖的安全稳定,是发电企业进行技术革新、提高能源利用效率和增加经济效益收入的有效途径。然而,在利用吸收式热泵回收循环水余热系统中,热泵热网水出口温度在跟踪供热负荷需求时,在受驱动蒸汽量的调节的同时,往往易受热网回水、循环水等工况参数变化的影响,传统 PID控制方式超调量大、负荷跟踪能力差,使热泵供热系统的运行效率往往低于设计值,尤其是联产系统下热泵机组的运行优化和控制问题仍然是目前工程应用的重点。该论文从以下三个方面进行了重点研究:　　首先,针对汽轮机冷端参数变化对发电效益和热泵供热效益产生相互对立影响的特点,以某200MW供热机组和溴化锂吸收式热泵组成的热电联系统为研究对象,建立了发电机组冷端系统及吸收式热泵及各关键部件的数学模型,并结合该机组的设计参数,计算了循环水温度参数变化对机组发电效益和热泵供热效益的影响程度。　　其次,吸收式热泵机组的结构庞大,零部件较多,且主要部件为多组换热器,其工作过程是一个传热和传质同时存在、相互耦合的复杂过程,既有热量与质量的传递又有不同工质的相变。针对其动态数学模型非常复杂,很难建立精确的数学模型的特点,结合某热电厂循环水热泵供热系统积累的大量运行数据,融合信息强度理论和梯度下降法构建了热泵机组的DS-RBF神经网络模型,并对所建立的吸收式热泵机组模型进行了验证。　　最后,在上述研究的基础上,提出一种 CPCS-RBF直接多步预测控制策略,以热泵热网水出口温度预测值与设定值差值为目标函数,利用 CPCS优化算法求取目标函数最小时的驱动蒸汽最佳值。预测模型由两个RBF神经网络结合热泵现场运行数据构建,以提高热泵系统适应工况变化的能力。实验结果表明,该控制策略能综合学习热网回水温度、循环水温度等参数的变化,使驱动蒸汽调门超前动作,及时跟踪供热负荷需求变化的同时,适应发电负荷变化下排气余热量的波动,具有更好的节能效果和变工况适应能力。