目前,我国集中供热企业常用的供热管网运行调节方法为质调节，但是单独的质调节耗能较大。大量研究表明，采用质、量并调模式对热网运行工况实施控制比单独的质调节更有效，正逐渐被供热企业采用[1-2]。但是，换热站供热过程质调节和量调节之间存在耦合，影响控制效果。如何研究和开发高效的控制算法优化换热站调节效果，已经是供热企业急需要解决的问题。论文运用PID优良的动态控制特性和神经元网络非线性表达能力，构建一种粒子群优化（ParticleSwarmOptimization，PSO）的PID神经元网络解耦控制器，将其应用于换热站供热过程的质、量并调控制，实现解耦并提高热网的供热品质。本研究首先，建立换热站供热过程质调节量调节的数学模型。采用机理建模法确定换热站供热过程质、量并调系统模型的形式及阶次。通过最小二乘法、阶跃响应曲线法辨识换热站供热过程模型参数，建立了供热过程模型。其次，构建PID神经元网络解耦控制器实现换热站供热质调、量调过程控制，在数学模型的基础上设计解耦控制器，本文采用PID神经元网络解耦控制器，并运用PSO智能算法对PID神经元网络进行了优化。在Matlab平台上，分别验证了PID神经元网络解耦控制器、PSO优化后的PID神经元网络解耦控制器对热网换热站供热过程的控制效果。最后，FlowmasterV7与Matlab/Simulink的联合仿真。在FlowmasterV7流体软件上，模拟搭建出接近热网实际运行工况的换热站供热过程模型，对上述PSO优化后的PID神经元网络解耦控制器进行仿真，给出更接近实际系统工况的控制效果。仿真结果验证了换热站供热过程质调节、量调节的数学模型和PSO优化的PID神经元网络控制器对供热过程质调、量调控制的有效性，对热网的水力工况和热力工况的调节有一定的指导意义。