燃煤锅炉如何实现较高的锅炉效率和降低的NOx排放成为电厂最关心的问题。通过燃烧优化能够很好的提高锅炉效率和降低NOx排放量,所以本文研究的内容具有重要的实际意义。通过对大同二电厂前后墙对冲燃烧的7#锅炉的历史运行数据进行分析,在划分为特定工况(特定负荷区间,相似煤质和外界环境温度)的情况下,风粉浓度和流速,二次风量和燃尽风量,减温水流量和烟气挡板开度的控制对燃烧状况的影响是主要因素。通过清洗聚类的方法对历史数据进行分析,找寻历史上的运行最优区间,构建出基于规则库的燃烧优化模型,并且在运行中不断完善这个模型,以保证其实时性。通过建立的燃烧优化模型,控制相应调节量来实现电厂的燃烧优化,实现方法是找到相应的控制方案使运行状况迅速向最近的优化区间靠近,通过DCS完成闭环控制,确保锅炉尽量处在优化区间内运行,以求达到历史因素下的最优,完成电厂的优化目标。利用支持向量机在小样本学习上的优越性,建立相应的支持向量机燃烧优化模型,用遗传算法实现模型参数的寻优,通过建立的模型预测锅炉的运行状况,本文实验证明支持向量机建立的模型具有很好的预测能力,并能找到客观条件下的最优。基于聚类的数据挖掘是对电站海量历史数据的直接处理,可能会出现某些规则库的操作量在电厂实际运行中难以实际操作,而以支持向量机和遗传算法的燃烧优化建模的预测功能对其则是一个补充,两者相辅相成。通过Visual C++编程实现燃烧优化软件的开发,并在大同二电7#锅炉投入使用,实现了多目标优化,提高了锅炉效率和降低了NOx排放量。