换热站是集中供热系统普遍采用的组织形式,出于节能、环保、降低运行成本、提升舒适性的考虑,必须对换热站控制进行研究,从而保证供热效能的最大化。换热站是一个典型的复杂控制系统,其存在着大惯性、大滞后、不易建立数学模型的特点,且换热站的质调节通道和量调节通道存在着耦合关系。传统的控制策略难以获得理想的控制效果,采用BP神经网络控制换热站成为有效选择。BP神经网络做为一种智能算法,理论上具有能够拟合任意非线性的能力,但是BP神经网络也存在着网络收敛速度慢、学习速率不易确定、易陷入局部最小解、隐层节点数不易确定等缺点。围绕这些问题,学术界提出了许多算法优化策略,遗传算法和粒子群算法优化BP神经网络是其中的常见方法。遗传算法和粒子群算法两种算法有许多相似之处,也是优化神经网络的常用方法。本文介绍了遗传算法和粒子群算法的基本思想、算法特点和学术界研究现状。提出了遗传算法的改进算法;提出了基于PID思想的粒子群改进算法,采用测试函数验证了改进算法的有效性。本文针对BP神经网络所存在的问题,对BP神经网络分别采用了遗传算法和粒子群算法进行优化,并对优化的结果进行了比较。通过比较认为:数据样本影响BP神经网络的有效性;BP神经网络的隐层节点数影响网络的精度;具有相同结构的神经网络,其初始权值阈值影响神经网络精度,甚至能够导致网络无法达到性能要求。算法的快速性研究表明:智能算法无法同时满足快速性和精确性,要满足快速性,就很有可能失去最优解;要满足最优解,就必须花费较长的时间。最后,采用优化的BP神经网络建立了换热站稳态模型。为了满足换热站的节能控制,提出了换热站系统的节能改造方案,利用智能算法优化的BP神经网络做为控制器,对换热站的质调节通道和量调节通道进行了解耦,采用双控制器对供水温度和二次侧管网流量调节进行了分路自动控制。