随着国民经济的快速发展,能源与环境问题是影响当前经济可持续发展的关键问题,自十二五以来,国家越来越重视节能减排措施,现代火力燃煤电厂面临着提高锅炉燃烧效率和降低污染物排放的压力,而NOx (NOx)是电厂污染物排放的主要构成之一,因此发电设备的效能问题已经成为一项非常重要的工作。对锅炉燃烧进行优化成为从根本上解决电力生产效率的方法之一,实现锅炉自身系统中的多种问题的优化是发电厂所要坚持工作方法。目前,从国内锅炉燃烧优化技术上看,还依赖国外技术的局面,很多系统性解决方案都是引进或借鉴国外成熟的商业应用技术,国内优化燃烧优化控制技术也取得了一定的成就,但也有待进一步优化完善,如何解决我国自身的锅炉燃烧优化技术是目前该领域内亟待解决的问题。本文利用BP神经网络来建立锅炉燃烧优化控制模型,然后通过遗传算法对锅炉燃烧优化的细节问题进行自动分析,并将算法应用于锅炉燃烧效率神经网络中。基于飞灰含碳量、排烟温度、烟气含氧量、NOx浓度与燃煤成分元素和运行数据之间的关系,采用智能算法对氧量、二次风门开度的调节参数进行不同目标的优化,模拟结果表明,通过优化,可以在降低NOx排放浓度的基础上,提高锅炉燃烧效率,并通过实验验证了本文设计的优化方案的有效性,可以为今后实现锅炉运行与煤质参配比例的双优化提供一定参考。