集中供热作为我国北方城市的重要供暖手段,由于智慧化供热水平较低,运行调控手段无法达到国外的先进水准,供暖消耗过大。因此,本文以智慧供热为目标,基于我国严寒地区实际工程项目“KF集中供热系统”,利用智能算法对集中供热管网的管道阻力系数辨识技术与供热负荷预测技术进行研究。针对实际管道阻力系数难以获取的问题,提出了一种基于差分进化法辨识供热管道阻力系数的方案。本文首先基于图论、网络矩阵以及质量能量守恒定律,对供热管网进行水力建模,采用节点压力法对水力工况模型进行求解。在综合考虑主流的智能算法基础上,选择差分进化法作为管道阻力系数辨识算法。为验证辨识效果,采用“KF集中供热系统”3种不同的实际运行工况数据进行计算,计算结果表明,辨识出的管网阻力系数相对误差均在10%以内,98%的辨识值相对误差低于5%,建立的管道阻力系数辨识模型满足工程需求。为实现集中供热系统按需供热的目标,提出一种基于Adam算法优化GRU神经网络的中期供热负荷预测方案。以“KF集中供热系统”3年的历史运行数据为数据样本,构建了Adam-GRU神经网络预测模型。为验证Adam-GRU神经网络预测模型的优越性,将其与RMSProp-GRU、SGDM-GRU、Adam-LSTM、BP、Elman这5种预测模型进行对比。仿真结果表明,Adam-GRU神经网络模型预测性能最佳,相对误差绝对值的平均值为1.70%,均方根误差为39.0683。最后,选择4种具有代表性的换热站进行预测,结果表明,Adam-GRU神经网络预测模型泛化性能良好,相对误差绝对值的平均值均小于2.5%,均方根误差不超过50,预测模型满足工程需求。