近些年来,社会电力行业发生了比较大的改变,电网负荷昼夜变化越来越大。根据国家政策的要求,大型的发电机组要求参与到调峰任务当中。可是电厂大型的汽轮机组若长期工作在调峰运行中,则会导致机组处于低负荷下运行,从而使热经济效益极大地降低。要想确保汽轮机组在变负荷下仍能有效的运行,就需要对机组的滑压运行曲线做更深的优化,降低机组的热耗率。优化机组滑压运行曲线就是要找到每个工况下最优初压,然后指导机组的正常运行。因此,本文以汽轮机的最优初压为研究主体,从优化策略和热耗率建模两个方面来展开研究。首先,对共生生物搜索算法(Symbiotic Organisms Search,SOS)进行研究,针对其收敛速度慢的缺点,提出改进的共生生物搜索算法(Ameliorated Symbiotic Organisms Search,ASOS)。该算法可以准确地找出最优值,是汽轮机初压优化的关键。为了验证算法的高效性,采用6种标准测试函数做测试,并与其它经典的智能算法作对比。试验结果表明,ASOS算法寻优效果好,能很好解决繁杂的优化问题。其次,利用ASOS算法的全局搜索能力,对极限学习机(Extreme Learning Machine,ELM)的激活函数进行优化,提出一种新的建模方法ASOS-ELM。通过对UCI标准数据集进行测试,与其他经典的极限学习机作对比,结果表明ASOS-ELM模型的建模效果更好。再利用ASOS-ELM对汽轮机热耗率进行建模,并与其它经典的建模方法进行对比,试验表明,ASOS-ELM建立的热耗率模型有更好的预测跟踪能力。最后,在热耗率模型的基础上,利用ASOS算法对热耗率模型的输入变量主蒸汽压力进行寻优。通过此方法得到的最优主蒸汽压力,能使热耗率值都有相对应的降低。再将优化以后的压力拟合出一条滑压曲线,与厂家设计的定滑压运行曲线进行对比,发现按照最优初压曲线运行,热耗率平均下降约58.51 kJ/(kW·h),证明该曲线能更好地指导电厂的实际运行。