在现代火力发电厂中,主蒸汽温度的稳定对机组的安全经济运行有重大的影响,所以对主蒸汽温度的控制要求很高,要对其进行有效合理的控制。PID控制在电厂主汽温控制中仍占有主导地位,但是主汽温对象具有大惯性、大延迟、非线性和时变特性,采用常规的PID控制存在着不足。粒子群优化算法(PSO)是一种启发式群体智能优化进化算法,通过模拟鸟类的觅食行为,将寻找具体问题的最优解转化为粒子在特定空间内的迭代搜索过程,本文将其应用于主汽温控制系统PID参数优化中。本文首先介绍了PID控制器的基本原理、参数整定方法和控制系统性能评价指标;接着介绍了粒子群算法的原理及常见的改进方法,针对粒子群算法存在早熟收敛和后期收敛速度慢,易陷入局部最优的缺点,引入了具有量子行为的粒子群算法,并借鉴遗传算法中的变异机制,以自适应变异概率对个体进行变异,来增加种群的多样性,由此产生一种改进的PSO算法,并通过对几个标准测试函数的优化,证明了改进PSO算法的收敛速度快、精度高;然后将改进的PSO算法应用到PID控制器的参数优化整定过程中,仿真结果验证了该算法的有效性;最后针对主汽温串级控制系统,采用改的PSO算法对其PID参数进行优化,仿真结果表明基于改进的PSO算法的主汽温控制系统获得了很好的调节品质和较强的鲁棒性。