过热汽温对象具有大迟延、大惯性、非线性和时变性的特点，对于1000MW超超临界机组的过热汽温控制，由于机组容量和参数的增加，蒸汽的过热受热面相对于蒸发受热面的比例加大，使其迟延和惯性更大，从而进一步加大了过热汽温控制的难度。为了改善过热汽温的控制性能，首要工作是对过热汽温对象进行辨识，建立过热汽温对象精确的数学模型是提高其控制系统性能的基础。粒子群优化算法是由Eberhart博士和Kennedy博士提出的一种优化计算技术，源于对鸟群觅食行为的研究。粒子群算法由于对初始值选取相对不敏感和不易陷入局部极小的特点，非常适合于处理连续优化问题。除此之外，粒子群算法还有诸多优点，比如调整参数少，结构不复杂，易于实现。现在它已经被广泛的应用于函数优化、神经网络训练、模糊系统控制以及其他遗传算法的应用领域。本文针对某电厂在二级过热器喷水减温扰动及水煤比扰动下的过热汽温对象的动态特性，提出了基于电厂运行历史数据的过热汽温系统粒子群辨识方法，建立了过热汽温对象的双输入单输出动态数学模型，并用不同运行期间的数据对模型进行验证。对电厂超超临界机组运行数据进行参数辨识仿真的结果表明，粒子群算法具有较好的运算性能，仿真得到的输出曲线与机组实际输出曲线变化基本一致，能够反映过热汽温对象的动态特性，可以当作系统的模型。在得到准确的传递函数模型后，再利用粒子群算法对串级回路中主、副控制器分别进行优化，提高过热汽温系统的控制性能。