集中供热系统作为城市重要基础设施之一，相关数据表明我国建筑能耗占社会总能耗的30%，单位面积的供热能耗是其他发达国家的数倍，集中供热系统每年要消耗巨大的煤炭和电能，因此集中供热系统节能控制研究有着重大的意义。系统模型的建立是对供热系统进行运行状态分析和控制的前提。本文以太原市某集中供热小区为研究对象，通过设定直燃机出水温度实现燃气量的阶跃提升，记录系统供水温度，回水温度等运行参数，以Hammerstein模型为辨识模型，以直燃机设定温度和回水温度为模型输入输出，采用递推最小二乘法对记录数据进行辨识得到模型参数，以基于残差F检验的定阶法确定模型阶次，得到了供热系统的非线性Hammerstein模型。通过验证，所得辨识模型能够很好的跟踪供热系统的输出，反映供热系统的动态特性。供热负荷预测是供热系统能够实现按需供热的前提和依据。对供热负荷序列的分析研究发现小区供热负荷虽然会受到随机因素的干扰，但是仍具有明显的周期性。提出了以负荷影响因素为输入，负荷值为输出的小波神经网络负荷预测方法。针对小波神经网络训练算法收敛速度慢，陷入局部最小值等问题，采用扩展蚁群算法对小波网络进行训练。仿真结果表明，与BP神经网络、传统小波网络相比，扩展蚁群算法优化的小波神经网络具有更高的预测精度。广义预测控制具有模型校正，滚动优化等特点，能够克服供热过程强非线性、大滞后、时变等特性，因此采用广义预测控制对供热过程进行控制。以获得的Hammerstein模型为基础，设计了广义预测控制器，对供热过程进行控制仿真，并与传统的PID控制进行对比。结果表明，广义预测控制器能够更好的跟踪回水温度设定值，并具有一定的抗干扰能力。