随着环保要求的提高,现代发电企业面临着降低运行成本与降低污染物排放的双重要求,电站锅炉NOx排放是造成环境污染的重要因素,电站燃煤锅炉多目标燃烧优化要求在保证燃烧效率的基础上降低NOx等污染物的排放。针对锅炉燃烧系统多变量、强耦合、强干扰、大滞后的复杂特性,提出利用支持向量机(SVM)对锅炉燃烧特性建模,利用遗传算法对支持向量机模型的参数进行了优化,获得了最优的模型参数,达到了比较准确的预测效果。结合锅炉燃烧优化的特点提出了一种增减量结合的支持向量机学习算法,舍弃了对最终分类无用的工况样本,在保证预测精度的同时减少了训练时间。利用遗传算法对燃烧模型的工况进行寻优,针对燃煤锅炉高效低NOx运行两个方面的要求,提出基于适应度函数的系数可调方案,从而将多目标优化问题转化为单目标优化问题求解,寻找出最佳的运行参数来指导锅炉进行优化调整,实现锅炉燃烧的优化运行。将上述理论应用于仿真分析和实际运行中,开发电厂锅炉燃烧优化系统。结果表明利用这些算法建立的燃烧优化系统实现了锅炉高效低NOx排放的燃烧优化,可以达到锅炉高效率和低污染排放目标的整体优化效果。