目前,超超临界燃煤机组以其高效节能的优点逐渐成为我国火电单元机组建设的主流。超超临界单元机组具有高参数、强耦合、大延迟和大惯性等特点,是一类典型的非线性多变量系统。建立适合于超超临界单元机组的数学模型,有助于工作人员更加深入的了解机组的动态特性。其建模问题吸引了很多学者致力于超超临界机组数学模型的研究。本文在研究了单元机组建模方法的基础上,以某1000MW超超临界单元机组为研究对象,采集到该机组DCS中的部分历史运行数据驱动建模,分别从线性和非线性的角度,对其协调控制系统智能建模方法做了深入研究。本文的研究内容主要包括:1)单元机组建模理论的研究。对机理建模、系统辨识和复合建模三种基本建模方法做了详细介绍,并对粒子群优化算法和神经网络两种智能建模方法做了研究。系统建模是建立一个与系统等价的估计模型,应根据系统的内部机理以及动态特性选择相应的建模方法。2)采用粒子群优化算法,建立超超临界单元机组协调控制系统简化的传递函数线性模型。首先由机理分析得出协调控制系统传递函数矩阵结构模型,再根据单元机组DCS系统中局部工况的运行数据,采用粒子群优化算法辨识出各子模型的相关参数,从而获得系统的传递函数模型,并对模型的有效性进行了检验。3)分别利用BP神经网络、RBF神经网络和改进Elman神经网络建立了超超临界机组协调控制系统的非线性模型。利用大量的单元机组实际运行数据,训练各个神经网络模型的结构参数。利用另外一部分机组运行数据对模型效果做了测试,测试结果表明三种神经网络模型都获得了较好的建模效果,而且本文提出的改进Elman神经网络模型精度最优,证明了将神经网络用于单元机组建模具有很高的工程应用前景。