国内大中型火力发电厂已普遍采用分散控制系统(DCS)，这使先进的控制策略可较方便地得到应用。但目前复杂的热力系统一般仍采用经典的PID控制系统，难以满足外界对热力系统的高性能控制要求，这严重影响了机组的经济、安全运行。热力系统的复杂特性主要集中在以下几方面：①热力系统随负荷大范围变化时，被控对象的动态特性也相应变化很大，存在严重的非线性。在高负荷时，被控对象的动态响应时间较短；低负荷时，系统响应就相对较慢，响应惯性大幅度增加。②热力设备多数是多输入多输出的多变量系统，各输入输出变量间存在着严重的非线性耦合关系。③执行机构具有非线性和硬约束条件。在实际控制系统中，控制作用常受到各种物理条件的制约，如果不采用优化方法借助优化理论分析和考虑这些受限问题，控制系统的控制品质将难以提高。本文基于模型优化控制思想，提出了一系列相对完整的新型模型优化控制策略，力求为复杂热力系统控制品质的提高探索新的途径。　　 本文工作主要研究非线性系统整体模型的辨识问题和相应模型优化控制策略，具体分为以下四个部分：　　 (1)钢球磨煤机是中储式制粉系统的核心设备，是火力发电厂的主要的辅助设备，它被广泛应用于国内外中小型火力发电厂，是一个典型的强非线性多变量耦合系统。现有的常规控制系统大都采用经典(PID)控制器，很难取得理想的控制效果。因此，建立非线性系统的全局模型成了先进控制器良好应用的关键。针对这种情况，本文提出了一种基于减法聚类的Takagi-Sugeno(T-S)模糊建模算法。这种T-S模糊模型具有较强的过程辨识能力，同时得到的模糊规则可以从机理方面予以清晰地解释和分析。另外，本文提出的算法能将对象的机理特性融入建模过程，在简化结构辨识的同时又获得了优异的全局建模效果。这种相对透明的T-S模糊模型为高性能模型控制器的设计奠定了基础。　　 (2)内模控制(Internal Model Control)较好地解决直接逆控制存在的问题，具有很好的容错能力，对多容大惯性的热力系统具有非常好的控制效果。在热工过程控制中，控制作用往往会受到各种条件的制约，但常规的IMC算法没有考虑控制作用的约束限制。如果在优化过程不考虑这些受限问题，就无法运用正确优化理论进行分析和计算，这样所得的期望控制作用实际上是无法实现的，最终使控制系统达不到预期效果。因此，要将内模控制技术应用于热工过程控制，必须要考虑对控制作用的大小和改变速度进行限制，也就是在IMC算法的优化计算过程中必须要融合这些限制条件。本文提出一种新型的基于动态的T-S模糊模型约束多变量内模控制策略，并将其成功地应用于球磨机约束多变量控制系统。而且详细证明了求解该受限内模控制器期望输出（即应采取的控制作用）与标准的二次规划最优化解是等价的。仿真试验表明：该受限内模控制器具备很好的受限优化能力，能对实际系统中的幅值、速率限制进行动态受限优化，结构简单，计算量小，具有比常规内模控制器更好的实时控制性能。　　 (3)针对热力系统局部近似线性但全局是强非线性特性问题，本文提出了一种全局的模糊神经网络模型的建模方法，并成功应用于非线性的火力发电厂过热器系统。仿真试验表明：该模型不仅在典型工况附近具备很好的局部逼近能力，而且全局辨识效果也具有相当高的精度。这种具有整体逼近能力的模糊神经网络模型为高性能模型控制器的设计奠定了基础。　　 (4)针对热力系统非线性、多容大惯性和慢时变特性，本文提出一种基于模糊神经网络模型的新型串级预测控制策略，并将其成功应用于锅炉过热汽温控制系统。大量仿真试验表明：本文所提的串级预测控制系统与传统的串级控制系统相比，无论是对设定值的阶跃响应或抗干扰性，还是对模型失配均表现出更快更好的控制品质，说明该控制策略具有更好的容错和自适应能力，具有很强的鲁棒性。　　 本文仿真试验所用到的对象模型均来自工业现场试验，能很好地逼近热力系统的实际动力学特性，具有比较高的可信度。所建立基于非线性对象全局模型控制策略进行优化控制仿真试验，为提高热力系统的控制品质提供了一种新的探索方法。