近年来,随着我国经济的快速发展和人民生活水平的日益提高,能源需求越来越大,能源供需矛盾日渐突出,节能成为人们关注的重大课题。电力工业是经济社会发展的重要支撑,特别是火力发电作为能源消耗大户,是开展节能工作的重要领域。煤耗是火力发电厂节能的重要指标。当前的电厂煤耗计算主要是基于能量平衡的正平衡法和反平衡法,计算结果需要后期的大量修正,不能很好的反映电厂煤耗的真实情况。近几年神经网络的快速发展为开展类似于电厂煤耗计算的复杂工况建模工作提供了新的思路。本文研究基于神经网络的电厂煤耗计算方法。分别提出了基于BP神经网络的锅炉飞灰含碳量计算方法,基于改进BP神经网络的煤耗计算方法和基于极速学习机的煤耗计算方法,并结合电厂实际工况对两种不同的煤耗计算模型进行了性能比较与分析。论文的主要研究内容和创新点如下：1.基于BP神经网络的火电厂锅炉飞灰含碳量计算方法研究。提出了一种基于BP神经网络的电厂锅炉飞灰含碳量计算方法。该方法以BP神经网络的理论为依据,结合电厂锅炉飞灰含碳量的产生特点,充分考虑网络的训练速度和锅炉各参数对飞灰含碳量的影响程度,从锅炉的燃料特性、负荷和过量空气系数三个方面选择相应参数作为训练网络的输入,简化了飞灰含碳量的计算参量；以上海群策自动化有限责任公司在组建云南某电厂厂级信息监控系统时所针对的300MW锅炉系统历史库部分数据完成了对该BP神经网络的训练和验证。仿真结果表明,将BP神经网络运用于电厂锅炉的飞灰含碳量计算能够充分发挥BP神经网络良好的非线性逼近能力,克服传统方法要求必须有精确数据和计算模型的缺陷,为计算飞灰含碳量这一电厂煤耗的重要影响因素提供了新的思路。2.基于遗传算法的BP神经网络设计及在火电厂煤耗性能计算中的应用研究。提出了一种基于遗传算法的BP神经网络设计,并将该网络运用于电厂煤耗的性能计算。结合电厂煤耗的影响因素,基于BP神经网络的非线性逼近能力建立BP神经网络模型代替传统的基于反平衡算法的煤耗计算模型。考虑到BP神经网络关于模型结构和初始权值难以确定的特点,依据遗传算法的优化搜索能力设计基于遗传算法的BP神经网络一；同时考虑到最近的样本对后序预测量的影响比较重要这个事实设计基于遗传算法的BP神经网络二。仿真实验表明,利用电厂能量平衡试验的数据能够在Matlab仿真平台上建立基于BP神经网络的煤耗计算模型,在该模型上的煤耗预测结果总体上较原有煤耗计算模型的计算结果明显更真实。3.基于极速学习机的火电厂煤耗性能计算方法研究。提出了一种基于极速学习机的电厂煤耗性能计算方法。结合电厂实际工况对煤耗计算实时性的要求,基于极速学习机一步完成训练的思维提出了一种基于极速学习机的电厂煤耗计算方法。与基于BP神经网络建立的煤耗计算模型相比,通过该方法建立的煤耗计算模型在训练速度上优势明显,同时在对煤耗的非线性逼近能力上也不弱于BP神经网络,为电厂煤耗的计算提供了更可行的方法。