集中供热系统是一种重要的基础设施,集中供热系统在我国北方地区广泛应用。换热站是集中供热系统的中枢,其运行工况直接关系到用户的供热品质,通过对换热站的研究,不仅能够保证按需供热的质量,还能够保护环境和节约能源,具有非常重要的社会效益和经济效益。论文以集中供热系统中换热站负荷预测与控制算法为研究核心,结合实测的换热站数据,主要研究了换热站的热负荷预测、换热站二次回水温度分析与预测及换热站的控制算法。论文主要内容包括:首先,介绍了本课题研究的目的和意义,分析了国内外集中供热目前的发展现状,并且总体介绍了论文的主要工作内容。第二,研究集中供热系统中换热站系统结构及其工作原理,分析换热站的系统特点及控制难点,并介绍了换热站的供热调节方式。第三,提出了一种基于相似日(SD)选择和深度神经网络(DNNs)的热负荷预测模型,即SD-DNNs。由极限梯度提升算法(XGBoost)加权的改进的欧几里德范数(EN)用于评估预测日和历史日之间的相似性,在改进的欧几里得范数中,同时考虑室外温度,风力和前一天的热负荷,并且选择八个特征作为DNNs的输入以预测热负荷,在验证试验中,将提出的SD-DNNs模型与其它常见的热负荷预测模型进行对比,验证试验的结果表明,SD-DNNs模型能够准确预测热负荷。第四,根据采集到的换热站数据,采用自组织特征映射神经网络(SOFM)来分析换热站的二次回水温度,并通过特征选择,建立了三个二次回水温度预测特征集来预测二次回水温度,结果表明,DNNs模型能够准确的预测二次回水温度,并且能够节约能源。第五,由于传统PID控制算法存在收敛速度慢的问题,论文根据采集到的实际数据建立换热站温度控制系统模型,采用BP-PID换热站温度控制算法,仿真结果表明BP-PID收敛速度快,控制稳定性好。最后,总结了论文所完成的主要工作,明确了论文的创新性,并对论文以后的工作做出展望。