目前,在我国北方城镇的集中供暖大部分是供热中心或者换热站直接把热水送往用户端,易于造成供热不均和能耗浪费。虽然部分地区按国家相关建议和要求进行了按热收费、分户计量的尝试,但由于分户计量需对散热器端的供热装置进行改造且一次性投资较大,同时因用户自主节能意识还不强,分户调节尚不尽人意。代之以建筑分栋计量及调节的供热控制装置投资适中,自动化水平及工业级可靠性程度更高,是调节建筑物热负荷实现供热用户端节能目标的有效手段。建筑供热系统是一个大时滞、大惯性的复杂系统,建筑热负荷与室外环境、建筑围护结构等存在一定程度的非线性关系,利用机理建模涉及参数众多、难度大,预测结果也有较大误差。通过利用人工神经网络不依赖模型本身的特点和良好的非线性逼近能力,选择了BP (Back Propagation)与RBF (Radial Basis Function)人工神经网络的方法,根据采集到的室外干球温度、光照、风速、室内温度以及时间序列分别对建筑热负荷进行建模和预测。对比研究表明RBF神经网络预测更稳定,均方误差低于BP神经网络5.3%,更适合于建筑热负荷的预测。在对环境热负荷预测的基础上,需要为满足建筑热需求进行调节。通常是靠调节电动阀的开度对建筑物供热管网的热媒进行量调节,但这可能因水力失衡导致建筑物内的不利回路增加,造成内部冷热不均,严重时造成局部冻塞事故。因此设计了智能Bang-Bang调节,即开阀就要将阀门开至设计开度且开够一定的时长,保证管网中热媒以一定的压力和流速流经整栋建筑；关就可以彻底关断,实现供热节能间歇；但应注意到建筑物内的散热过程依然是连续的。通过计算开阀时段供给的热量与预测的热需求的差值,可得到满足工艺约束的关阀时间。由此形成了独特的开阀时段固定而关阀时段动态的变周期控制模式。将此模式与室内舒适性、管网防冻、设备故障预防等因素结合,设计实现了具有工程可用性的智能控制器。经实验测定,在天气情况稳定及热源热网供热充足的情况下,平均节能率可达10%,具有良好的社会价值和经济价值。