受到负荷多变、煤质多变、煤价居高不下等多重影响以及人们对环境保护的日益关注,对火电机组进行节能减排研究以降低发电成本和环境污染是目前发电企业面临的主要任务。锅炉作为火电机组的主体设备之一,对其实现性能的准确在线监测以及合理燃烧优化是提高机组经济性和降低污染物排放的重要手段。本文围绕着锅炉性能监测建模与燃烧优化算法两方面工作开展研究。　　 在理论分析的基础上,充分利用火电机组运行数据信息资源,基于改进后的智能优化算法和聚类分析方法,提出了便于实用的锅炉性能监测建模与燃烧优化方法,主要研究成果包括:　　 (1)锅炉热效率及其相关燃煤特性的同步在线监测　　 针对燃烧调节与优化控制的实际需要,开展了热效率及其相关燃煤特性在线监测的建模研究。改进了简化反平衡热效率模型中的水蒸汽量计算模型;提出了干空气量与烟气量的简化计算模型。提出一种能够反映锅炉内热平衡效果的热效率及燃煤热值、灰分、水分的同步测算模型;分析了影响该同步测算模型精度的主要影响因素和测算误差,并利用实例分析验证了上述模型的有效性。　　 (2)锅炉特性混合模拟及炉膛出口烟温预测　　 提出了一种机理建模与试验数据样本相结合的锅炉特性混合模拟方法,该方法融合了机理建模对特性的趋势性表达,也能够反映热力试验对特性的个性刻画;该方法首先以热力校核计算为基础,构建特性模拟平台的构架,并通过负荷、煤种等外部参数扰动下的变工况特性模拟验证其模拟效果;进而利用现场试验数据样本,替换了相关假定值,修正了辐射放热系数等参数,简化了受热面的迭代计算过程,实现了锅炉特性的混合模拟;以此为基础,建立了基于热力计算的炉膛出口烟温测算模型。实例分析验证了模拟方法的可行性和有效性。　　 (3)锅炉热效率与Nox排放响应特性混合模型　　 为了解决电站锅炉高效低NOx的优化决策问题,建立了基于核主元分析、支持向量回归机(KPCA-ε-SVR)与机理模型混合的锅炉热效率和NOx排放特性响应模型。在建模的过程中,针对模型输入变量存在着维数高、变量之间非线性等特点,采用核主元分析(KPCA)提取输入变量的主元,去除变量之间的相关性;按照5-fold交叉验证误差和最小的原则,优化KPCA-ε-SVR模型参数,确定模型的输入主元个数;实例分析表明:与神经网络(BP)和支持向量机(ε-SVR.)模型相比,KPCA-ε-SVR模型具有良好的泛化能力,且热效率与NOx排放浓度预测结果具有较高的精度。　　 (4)带有侵入性杂草的改进粒子群优化算法(IWPSO)　　 针对粒子群优化(PSO)算法在解决复杂实际优化问题时易出现的早熟收敛现象,进行PSO算法的改进研究。在深入分析PSO算法产生早熟收敛的原因之后,提出了一种带有侵入性杂草的改进粒子群优化算法(IWPSO)。该算法通过引入生命力不断增强且离整个粒子子群距离最远的杂草Dbest,拟补了群体中信息交流方向单一化的不足,增加粒子群多样性的同时使其内部仍保持着快速的信息交流速度,实现快速收敛:对不同维数下若干benchmark函数进行数值模拟试验,确定IWPSO算法参数,并验证了其良好的优化性能。　　 (5)锅炉高效低污染优化模型及其优化解　　 基于KPCA-ε-SVR预测模型,利用IWPSO算法,研究了锅炉低NOx燃烧优化问题,实例分析表明优化结果与抑制NOx生成的低氧燃烧原则具有一致性,同时进一步验证IWPSO算法的良好优化性能;在锅炉热效率与NOx排放响应特性模型的基础上,研究了两种锅炉高效低Nox的受限燃烧优化问题,并利用IWPSO算法提出了分段变目标值方式处理受限优化目标函数以实现锅炉高效低NOx燃烧优化的方法,实例分析验证了该方法的有效性和可靠性。　　 (6)基于运行数据的锅炉监控参数基准值模型　　 针对锅炉实际运行数据的关联特性,利用基于IWPSO算法的改进优化模糊C-均值(IWPSO-FCM)聚类算法实现多参量同步聚类,提出了一种确定锅炉运行优化工况的监控参数基准值建模方法。针对FCM聚类算法本身对初始中心的依赖性问题,提出了改进的优化模糊C-均值聚类算法;人工、IRIS和经典UCI分类数据集的模拟试验验证了该算法的良好聚类性能;利用IWPSO-FCM聚类算法,在实际运行数据中同步挖掘出某典型负荷邻域区间对应的排烟氧量、排烟温度和飞灰可燃物等监控参数基准值;在多参量同步聚类算法中,利用有效性函数优化模糊聚类数,提出运行模式支持度的相关概念及其样本支持判定的规则,并对类中心点处ε区域内样本进行无偏估计;实例分析表明:该方法能够在兼顾参数之间耦合关系的基础上,得到高效工况下对应的各基准值样本点,并建立相应的基准值模型。