随着能源矛盾的日益突出,电厂对现有设备实行节能控制,提高化石能源的利用率是解决能源矛盾的可行性办法之一。电厂的节能控制包含多个系统的节能研究,本文以过热蒸汽温度为例,对其控制节能展开了研究。火电厂过热蒸汽温度控制系统很容易受到蒸汽侧,烟气侧和减温水的各种干扰,且这些干扰不一定服从高斯分布。本文针对系统中存在的非高斯干扰,将随机分布控制算法应用到过热蒸汽温度串级控制系统的主调节器中,用信息熵作为衡量系统不确定性的指标,采用梯度下降法将性能指标最小化,得出了系统的控制律。这一控制律使得过热汽温控制系统的跟踪误差概率密度函数分布最终接近又尖又窄的分布形状。同时,本文将基于最小熵的BP神经网络算法用到过热蒸汽温度串级控制系统的主调节器中,采用梯度下降法将信息熵最小化。其中主调节器的参数通过神经网络权重的变化能够得到实时的优化,最终使得系统的不确定性减小,跟踪误差的概率密度函数朝着又尖又窄的方向变化。通过对机组过热器实例进行仿真,并通过与常规PID串级算法进行对比,算法的可行性和有效性得到了验证。