该文首先从人工神经BP网络的模型入手,分析了它实现参数间非线性映射的特点,并结合热力系统的具体特征对模型的算法做出了改进,改变了网络结构参数并实时地调整了学习因子和学习冲量,使网络具有自适应能力,并用该改进的BP网络对热力参数进行了实时仿真.结果表明,只要选取适当的样本进行有效地自学习,仿真的相对误差一般在1％以下,能够满足实际工程的需要.输入参数对于仿真的结果有很大的影响.只有在合理选取输入参数的情况下,才能得到较高精度的仿真值.该文研究了输入参数与输出参数的关系,提出对参数进行仿真试验中,应选取与目标值有强关联的参数作为输入,对其它参数尽量不要选取.同时,文章还研究了隐层数、隐层节点数及网络中各个参数对仿真精度的影响,并对每个因素做了不同的比较和分析,提供了具体的方法以提高仿真的效果.最后论文应用研究的理论和方法设计并开发了汽轮机组在线仿真系统,并应用于实际机组的寿命管理系统,并对运行结果做出了分析,根据机组的实际情况提出了今后参数仿真的总体思路和具体建议.