集中供热是我国北方主要的供热形式,但很多集中供暖系统难以根据气候变化进行及时调节,导致供暖区域冷热不均。因而在供热系统运行过程中,预测热用户室内空气温度并用其结果来指导供暖,对保障供暖热用户维持恒定舒适的室内空气温度意义重大。本文对供暖系统中建筑(群)热力模型进行了辨识研究。针对供暖系统中建筑(群),根据供暖建筑物室温的一阶动态模型建立了灰箱模型,应用最小二乘法对模型中热力参数进行辨识,根据时间序列中的自回归AR模型建立黑箱模型,采用最小二乘法和AIC估计准则确定模型的参数和阶数,编写两类模型的辨识程序。基于仿真实验,分别在5种不同的模拟工况下,辨识两类模型的热力参数,根据辨识后的模型计算室内空气温度拟合值并与基于仿真实验模拟得到的室内空气温度值进行对比分析,以此验证辨识模型的合理性。将辨识模型应用在实际热网中,以哈尔滨地区某换热站为实验对象,对换热站以及换热站内18栋供暖建筑物分别进行热力参数辨识,对辨识结果进行分析,进一步验证了模型的可靠性。还对模型在不同的训练期和验证期下进行辨识分析,给出了两者对模型辨识结果和模型选择的影响。研究表明,在对模型进行辨识时,有无噪声项和室外空气温度波动范围都会影响辨识结果,灰箱模型和黑箱模型的辨识效果相差程度随噪声项的增大先减小后增大,无噪声干扰时,黑箱模型辨识效果更好,随着噪声项增大,两类模型辨识效果逐渐趋于一致,当噪声项足够大时,灰箱模型辨识效果更好。验证期相同、训练期不同时,黑箱模型辨识效果更好。训练期对于黑箱模型辨识效果没有太大的影响,但对灰箱模型影响较大。训练期相同、验证期不同时,两类模型辨识效果不尽相同。对模型自身而言,灰箱模型在验证期较短时辨识效果更优,黑箱模型在验证期较长时辨识效果更优,且验证期越长,辨识效果越好。依据特定供暖系统的历史运行数据对系统进行精准建模和辨识,根据辨识模型预测接下来某一时间段内的室内空气温度数据,该预测数据为供暖系统管理人员的运行管理提供了数据支持,也为供暖系统的运行管理提供合理的指导方向。