随着我国经济的高速发展,能源消费给环境带来的压力越来越严重,以煤炭为主的能源消费结构越来越不能满足构建可持续发展社会的要求。以天然气为燃料的分布式能源系统(CCHP,Combined Cooling,Heating and Power)作为一种能源梯级利用的能源系统,不仅能够提高能源的利用效率,还有利于环境保护。微型燃气轮机作为分布式能源系统的动力设备具有效率高,环境友好,启动周期短等优点。但是微型燃气轮机具有很强的非线性,其实际工作过程比较复杂。为了了解其动态特性,对微型燃气轮机建模仿真以及控制的研究就显得至关重要。本文着重对微型燃气轮机进行了机理建模,并进行动态仿真,将智能优化算法引入控制模型的辨识过程中。对传统的预测控制方法作相应的改进研究,并将改进的预测控制算法应用于微型燃气轮机,仿真结果显示改进效果显著。对粒子群算法进行改进并将其应用于微型燃气轮机控制模型辨识之中。由于传统粒子群算法容易在搜索过程中陷入局部最优,本文将模拟退火算法引入粒子群算法,并对学习因子做了相应的改进。通过测试函数实验证明,改进的粒子群算法具有较小的搜索误差和较好的概率突跳能力,能够有效的防止粒子群算法过早的陷入局部最优。利用Matalab/Simulink平台搭建微型燃气轮机的机理模型,并动态仿真出机组的动态数据,利用改进的粒子群算法辨识出更加精确的控制模型。对传统的预测控制方法做相应的改进。在滚动优化部分,将寻优效果更好的改进粒子群算法作为改进预测控制方法的滚动优化算法。在预测模型部分,由于微型燃气轮机具有一定的非线性,寻求一个非线性的预测模型就显得至关重要,BP神经网络具有较强的复杂非线性映射的能力,本文将BP神经网络作为预测模型。将改进之后的控制算法应用到微型燃气轮机模型的控制仿真之中,并与传统PID控制算法控制效果对比,验证了改进算法具有更加精确的控制效果。