锅炉飞灰含碳量是反映火力发电厂燃煤锅炉燃烧效率的主要经济指标和技术指标之一,直接反映锅炉燃烧效果的好坏,也是电厂开展运行经济考核、计算锅炉效率的一项必不可少的原始数据。及时而准确地预报锅炉飞灰含碳量,不仅有利于指导燃烧调整以降低煤耗,而且有利于提高机组运行的安全性。因此,对飞灰含碳量预测方法的研究、深入分析飞灰含碳量变化的成因及影响因素、对影响飞灰含碳量的运行参数进行优化与调整,都对优化锅炉燃烧和锅炉设计是非常有益的,具有重要实际工程应用价值。首先,在文献调研的基础上,简要地概述了飞灰含碳量偏高的危害和对其进行预测的重要性,并介绍了前人对飞灰含碳量预测技术及控制方法的研究现状及成果。然后,在对某台700MW四角切圆燃煤电厂锅炉飞灰含碳量特性进行多工况热态测试的基础上,应用人工神经网络的非线性动力学特性及自学习特性,建立了大型四角切圆燃烧锅炉飞灰含碳量特性的神经网络预测模型,并对此模型进行了校验。验证样本的实测值与网络预测值的相对误差分别为1.07%、0.26%、2.14%,预测效果良好,表明该模型能准确地预测在各种工况下锅炉的飞灰含碳量。在对锅炉飞灰含碳量进行人工神经网络建模的基础上,定量分析了各种影响因素对锅炉飞灰含碳量的影响,并指出了各影响因素对飞灰含碳量的影响趋势、原因和控制措施。最后,结合锅炉飞灰含碳量的神经网络模型与遗传优化算法,对其中一个工况进行了优化,通过对二次风门开度、燃尽风门开度和炉膛出口氧量七个运行参数的调整,锅炉飞灰含碳量从优化前的2.81%降低到1.41%。并以该工况为基础,对掺烧印尼煤的磨台数不同时的各工况进行了寻优,结果表明,随着掺烧印尼煤的磨台数越多,其飞灰含碳量越高。在用一台磨进行掺烧时,用C磨掺烧优于D磨掺烧。