随着现代经济的发展,节能减排改善环境成为广泛关注的问题。进一步提高锅炉效率和降低污染物的排放对于燃煤电厂来说具有重要意义,而锅炉燃烧建模优化技术具有成本低、可控性高等优点,因此关于燃烧优化的研究更具普遍性意义。煤粉炉内的燃烧是一个非常复杂的过程,具有强耦合、大延迟的特点。由于我国电网负荷的变化幅度大,锅炉燃用煤种多变,如何建立有效的锅炉燃烧系统模型并使锅炉在不同负荷、不同煤种下都能达到最佳的运行状态成为当下研究的重点。本文针对锅炉的燃烧特性,采用最小二乘支持向量回归机进行建模,然后用改进的多目标粒子群算法进行多目标燃烧优化。在建模方面,基于大量的热态运行实验数据,采用最小二乘支持向量回归机进行离线数据建模,并采用改进混沌粒子群算法对模型参数进行寻优;然后选择一部分数据对燃烧模型进行精度测试,并与支持向量回归机所训练的模型进行比较。结果表明,最小二乘支持向量回归机模型具有良好的预测精度和泛化性能。在优化方面,本文采用改进的多目标粒子群算法对锅炉燃烧的运行参数进行寻优,该算法对粒子迭代过程中的惯性权重进行混沌化,根据外部档案集中粒子当代的拥挤距离与其欧式距离的比值来选取全局最优值,在外部档案集的更新中通过超立体空间网格对粒子进行判定,然后再结合粒子的拥挤距离对外部档案集进行维护,以获取分布均匀的Pareto最优解集。在上述算法基础上,对选取的二次风等运行参数进行多目标优化,优化后的目标函数值都有比较可观的改进,结果表明改进算法具有良好的优化效果。