在能源日趋紧张和环境日益恶化的情况下,作为洁净煤发电技术之一的超临界发电技术在我国得到了快速发展和广泛应用。目前国产600MW超临界机组已在国内许多电厂大量投入运行,然而由于国产超临界机组的技术主要来源于国外制造厂家,锅炉的运行技术还处在摸索和学习阶段,因此对于超临界锅炉的燃烧优化运行技术研究具有十分重要的现实意义。　　 论文以600MW超临界直流锅炉为对象,重点研究了锅炉的燃烧特性以及多目标优化问题,采用的研究方法包括支持向量回归机(SVR)、常规粒子群优化算法(PSO)和多目标粒子群优化算法(MOPSO),取得出了一些有意义的研究成果,对于解决和完善超临界锅炉燃烧优化调整问题具有重要意义,并为支持向量机在电厂节能优化领域的推广应用提供了有益的实例。本文主要开展了以下几方面的研究工作:　　 对传统的燃烧优化调整方法进行了详尽阐述,并以某电厂600MW超临界直流锅炉为研究对象,进行了燃烧优化调整试验的实例研究。　　 在统计学习理论的基础上引出了支持向量回归机的基本思想及算法原理,采用粒子群优化算法对支持向量回归机的结构参数进行优化,建立了基于粒子群算法优化参数的支持向量回归模型(PSO-SVR),通过仿真实例验证了该方法的有效性。　　 以600MW超临界切圆燃烧锅炉为研究对象,采用PSO-SVR算法建立了该锅炉的燃烧特性模型,包括与锅炉燃烧经济性相关的排烟温度和飞灰含碳量预测模型,以及与锅炉燃烧环保性相关的NOx排放浓度预测模型,然后利用模型对各指标的生成特性进行了定量分析。　　 对几种电站锅炉效率的简化计算模型进行了分析和比较,并对模型进行改进和补充,得到了基于实时运行数据的热效率简化计算模型,只需要现场各班组的煤灰化验数据和几个主要实时运行参数,就可进行锅炉效率的计算,通过实例分析证明了这种计算方法的有效性。　　 以600MW超临界锅炉燃烧的经济性和环保性为关注指标,通过该锅炉的实时运行数据,采用PSO-SVR算法建立了锅炉效率和NOx排放浓度的多目标混合预测模型,然后采用多目标粒子群优化算法MOPSO对各工况进行优化,得到了特定工况下的Pareto解集,所得结果可为电厂运行人员调整运行参数提供指导,有助于实现以锅炉高效率和低NOx排放为目标的综合优化。