动力配煤是提高煤炭燃烧效率、减少污染物排放、充分利用劣质煤种的重要方法，对于火力发电厂应对煤种多变难题、稳定混煤质量、缓解电煤紧缺压力、降低燃料成本具有重要意义。本文通过对一些单煤及混煤的煤质特性进行分析，建立了动力配煤煤质特性预测模型，分析了混煤煤质特性与对应单煤煤质特性的线性与非线性关系，在此基础上建立了动力配煤优化模型，最终得到优化配煤方案。具体研究内容和结论如下:　　 选取湖南益阳发电有限公司常用的15种单煤，按照使混煤煤质特性具有最大代表性的原则，将15种单煤掺配成38种混煤。对15种单煤和38种混煤进行煤质特性分析。　　 分别采用线性加权平均方法、线性拟合方法、BP神经网络方法和Elman神经网络方法建立煤质特性预测模型，对混煤煤质特性进行预测。线性方法中，线性拟合方法优于线性加权平均方法;非线性方法中，Elman神经网络方法优于BP神经网络方法。总的来说，线性拟合方法在预测误差和计算时间方面均优于Elman神经网络方法。选用其他研究者的实验数据验证，得到相同结论。　　 根据生产现场锅炉对煤质的要求及锅炉的设计煤种煤质要求，结合益阳发电有限公司常用煤种煤质特性数据库，确定了动力配煤数学模型的约束条件，选取混煤价格最低和单位发热量价格最低分别作为目标函数，基于线性拟合方法预测煤质特性，分别建立了遗传算法和穷举法动力配煤优化模型。在遗传算法中，对群体大小和遗传代数进行了优化，最终选取群体大小90个，遗传代数400代进行计算。遗传算法和穷举法优化结果表明:穷举法优化结果随着配比精度增加而变得更好，且优于遗传算法，但计算时间较长，遗传算法计算结果接近于配比精度为15％时的穷举法最优配煤结果，计算时间比穷举法低一个数量级，更适合在生产实践中使用;比较遗传算法配煤优化模型中两个不同的目标函数预测结果，结果基本上均在约束范围内。当单煤的总体挥发分含量较低时，目标函数可选用混煤价格最低;当单煤的总体挥发分含量较高时，则可选用单位发热量价格最低。