动力配煤就是将不同性质(如挥发分、发热量、灰分、硫分、着火特性、燃烧特性等)和价格的煤相互掺混燃烧，以提高电站锅炉的运行效率。动力配煤技术是一种降低燃料成本、减少污染排放、降低结渣的有效方法，因此能在保证锅炉额定负荷的情况下提高电站的运行效率。然而，由于煤质数据的缺乏和对混煤的物理化学过程的有限认识使得我们很难对混煤特性进行准确的预测。　　 动力配煤数学模型非线性的论证及处理方法和动力配煤非线性数学模型的建立、求解及其软件的开发是本文的主要研究内容。　　 本文在相关实验数据的基础上，比较了煤特性的实测值、线性加权值和运用BP神经网络处理后的预测值之间的大小，结果表明，用线性加权法处理动力配煤问题，误差较大，而用BP神经网络技术处理，虽然也存在着误差，但误差较小且多数情况下都在允许的范围内。　　 实验和理论研究表明，动力配煤非线性数学模型更符合实际生产。建立动力配煤非线性数学模型，难点在于其数学模型约束条件的确定。本文采用BP神经网络建立挥发分、发热量、水分、灰分、硫分、着火温度、结渣特性和SO2排放量的预测模型来描述混煤与单煤之间的关系，在此基础上，建立动力配煤的数学模型。　　 采用列队竞争算法对建立的动力配煤非线性数学模型进行求解。由于之前建立的数学模型的约束条件是用BP神经网络技术来处理的，因此其没有确定的函数表达式，而在求解的过程中，运用罚函数法对数学模型进行处理，将有约束的数学模型转化为无约束的数学模型。列队竞争算法对于处理这类问题能取得较好的效果。　　 对于动力配煤优化软件，其面向的用户大多为非计算机专业，并且用户的使用环境为实际生产环境，所以在开发动力配煤优化软件的过程中，更应考虑建立和使用该软件的方便性、时效性和可操作性以及配煤知识的动态获取和单煤数据库的动态维护。本文采用MATLAB作为开发平台，将之前的工作集成到动力配煤的优化软件中，其界面友好，运行效率较高且可操作性强。