针对火电厂热工过程对象的特点及传统模型辨识的缺陷，将粒子群算法应用于热工过程模型的辨识，并在实现方法、参数选取等方面进行了改进，提高了辨识的精确性与快速性。通过仿真数据及以某台300MW机组锅炉烟气挡板控制为对象，对再热蒸汽温度系统进行辨识，证明了该方法的有效性和可靠性。

为了提高基本粒子群优化（PSO）算法的收敛性，提出了一种引入选择与变异机制的改进PSO算法。该算法选择一定范围的优秀粒子代替较差粒子，并使粒子以不同的概率变异。仿真试验表明，引入选择与变异机制使PSO算法的收敛速度得到了提高，并且有效抑制了PSO算法的早熟。将改进PSO算法应用于热工过程模型辨识，在较少的迭代次数内得到了比较精确的模型辨识结果，且具有很好的收敛性能，获得了满意的辨识效果。