在能源供应量不能满足需求的情况下,节能降耗是解决供需不平衡最现实、最有效的途径。而火电厂主要燃料是煤碳,汽轮机是火电机组最重要的组成部分之一,凝汽器真空是电厂汽轮机各项参数中对机组出力和煤耗率影响很大的参数,因此优化凝汽器真空,并尽可能保证机组处在最佳真空下运行是节能的关键。本文主要研究内容如下:首先,通过对动态神经网络—Elman神经网络进行学习研究,并对凝汽器相关参数进行分析,选取与汽轮机净功率输出关联较大的参数作为输入参数,利用改进的磷虾群算法与Elman网络相结合建立了凝汽器真空预测模型。通过预测实验,验证了该模型具有良好的预测精度和泛化能力。然后,研究了新型群智能优化算法—磷虾群算法(Krill Herd,KH),并针对其收敛速度慢和易陷入局部最优等不足,提出一种改进的磷虾群优化算法(AKH)。在原算法基础上加入两个算子,算子a通过模拟自然界中生物种群的进化规律,先根据种群粒子适应值的优劣进行排序,然后选取一定数目的适应值好的粒子,将这些粒子按一定规则繁殖出新的粒子,用新粒子将等数量适应值差的粒子替换掉,加快种群的进化速度;算子b保持当前最优粒子位置(最优解)不变,使离最优解相对较近的粒子继续运动,让这些粒子在其自身附近探寻更优的位置,这样既保持了种群的寻优精度不会下降,又可以增强算法的开发能力。两个算子结合起来加快了种群的进化速度,使算法的总体性能得到加强。通过十三个基准函数的测试,验证了改进的磷虾群优化算法具有较强的全局搜索能力和较快的收敛速度。最后,在建好的真空预测模型的基础上,利用改进的磷虾群优化算法搜索相应负荷下,汽轮机净功率最大时对应的凝汽器真空值。经过优化后,在不同负荷下汽轮机净功率均有提高,证明该算法是可行、有效的。最终优化出不同负荷下凝汽器最佳真空值,并与汽轮机实际运行值进行比较,优化后的真空值有所提高,在优化后真空值下运行汽轮机,比较安全和经济。