随着社会的迅速发展，科技的飞快进步，人们在追求经济基础的同时更加关注于高质量的生活和优质的空气质量。城市集中供热系统在我国北方城镇中的应用愈发广泛，相应的供暖能耗也在不断提高，而我国华北、东北及西北地区的城市在采暖能耗方面，约占了建筑运行能耗总量的40%，如何有效降低这些地区的采暖能耗，是建筑节能工作的重点。但是目前我国在该领域的研发仍不完善，有着多种导致了满足不了用户需求还虚耗能源的情况的问题。针对这一问题，本文以供热系统中的热源产热量优化问题为主要探究内容，提出一种基于执行依赖启发式动态规划（ADHDP）算法的热源总供热量优化控制方法，并对该方法的实际效果进行了建模仿真验证。　　本文首先对多种人工神经网络进行研究对比后，提出一种基于气温及日照因素的Elman神经网络热负荷预测方法，该方法通过气象网站的API接口中获取所需要的天气数据，再从包头市某热力公司获取该公司旗下某铝电厂热源处的历史数据，计算出热负荷值并设计好日照因子。使用上述数据建立了热负荷预测模型所需的样本序列，放入Elman神经网络中进行训练及预测，得到热负荷预测值，预测时用实时数据更新历史数据组成新的输入来实现短期热负荷的滚动预测。然后以系统运行总能耗为目标函数，以满足热用户供热需求为约束条件，分别建立基于BP神经网络的执行网络和评价网络，将当前时刻的回水温度设定为输入值，在Matlab数学软件中编写ADHDP算法程序，求解后得到热源端供热口未来24小时每小时的供水温度和供水流量优化值序列。接着在 Flowmaster一维流体软件中按照实际供热系统的设备参数搭建集中供热系统模型，并与 Matlab进行联合调试，达到热用户室内温度随室外温度合理变化的研究目的。最后与当前控制方法的热负荷值作比较，验证算法的合理高效性。　　本课题的设计选取了质量并调的调节方式，把供热系统运行优化控制问题转换成供水流量和供水温度的设定值优化问题，在Matlab软件中验证了ADHDP算法在热源产热量调控中的有效性，随后在 Flowmaster中实现了对算法的联合调试，并验证了该方法的合理性。在达到按需供热目标的同时又具备了显著的节能功效，为实际热源热量生产工业奠定了良好基础。