现代火电机组向着单元机组的方向发展,单元机组本身由于大惯性,强耦合,锅炉部分和汽轮机部分动态特性差异大等的原因,对系统控制器的设计提出了更加严格的要求。新能源的大规模并网对火电机组的快速变负荷能力也有了更高的要求。传统的控制算法,如PID已经不能很好的满足大型火电机组的自动化控制要求。而先进的控制策略往往依赖于精确的系统模型。因此,系统辨识就显得尤为重要。系统辨识是随着自动控制不断发展而来的。传统的辨识算法如经典的最小二乘算法以及其变种很难在大型火电机组中得到很好的应用,这主要是由火电机组的特性所决定的。因此,新的能够在大惯性、大迟延系统上得到很好辨识效果的系统辨识算法的提出显得十分重要。子空间辨识算法本身有良好的数值稳定性同时具有较低的运算复杂度,并且能够直接由输入输出数据得到系统的状态空间方程,因此被广泛用于多变量系统的辨识中。本文从子空间辨识算法的基础理论开始,详细推导了经典的子空间辨识算法过程以及经典子空间辨识算法MOESP、CVA是如何归纳到统一框架下的,并给出了详细的仿真实例。然后,系统梳理了现有子空间辨识算法,并首次将它们分类为主元分析类和投影运算类,并给出了详细的理论证明过程,在对现有算法的梳理中作者提出了一种新的辅助变量算法。并对这几种算法在相同的数据下作了系统性的仿真分析。然后作者结合经典子空间辨识算法和传统的两阶段辨识算法,将其两者融合,并给出仿真。对比这种融合后的算法和传统两阶段辨识算法的效果。文章最后,利用火电厂现场运行数据和阶跃实验数据,结合经典开环子空间辨识算法和本文提出的辅助变量的子空间辨识算法进行了详细的辨识分析,并分析了数据处理对实验效果的影响。总的来看,子空间辨识算法能够较准确的估计出系统的动态特性,在实际工程算法选用中有其参考价值。