针对电厂锅炉而言,其燃烧需要许多的化石燃料,大量化石燃料的燃烧会排放出许多酸性氧化物,从而污染大气。本文针对提高锅炉热效率以及减少酸性氧化物排放的综合目标,设计了一种基于新型灰狼算法优化的电厂锅炉优化建模方法,该方法与原始灰狼算法以及未使用算法优化的模型相比有着较为优越的性能,而且对于电厂锅炉的稳定高效运行以及降低酸性氧化物有重要的指导意义。针对提高锅炉热效率同时减少酸性氧化物SO₂和NO_x排放这一综合优化目标,本文提出基于双种群灰狼算法（DGWO）优化核极限学习机（KELM）的锅炉建模方法。本文主要做了以下工作:首先,针对循环流化床锅炉的构造及各部分原件做了介绍,然后介绍了电厂锅炉的燃烧系统,根据各种大气污染物的排放浓度及计算生成的途径阐述了SO₂和NO_x的计算方法;接着着重分析了求解锅炉热效率详细过程;最后提出燃烧优化的目标。其次,针对灰狼算法收敛精度低、可能陷入单种群局部最优的问题,本文使用双种群方法及精英策略改进灰狼算法,并完成了对核极限学习机（KELM）中的关键参数C和^?的优化工作。针对两个参数的寻优,在一定程度上会提高电厂锅炉燃烧系统模型预测的准确性。接下来,为了方便校验本文所提出的双种群灰狼算法优化核极限学习机模型（DGWO-KELM）的预测能力,需要将该算法优化后的预测结果与原始灰狼算法优化核极限学习机模型（GWO-KELM）的预测结果进行比较,并对不同时刻的所采集到的样本数据进行仿真。实验结果表明,双种群灰狼算法能更快更好地找到参数的最优解,同时可以使得核极限学习机的准确性得到较大程度地飞跃,从而增强了核极限学习机的寻优能力;与原始灰狼算法优化核极限学习机模型对比,本文提出双种群灰狼算法优化核极限学习机模型具有较高的寻优精度,同时降低了寻优的时间,并可以提高电厂锅炉热效率以及SO₂和NO_x排放量预测的准确性。最后,将双种群灰狼算法引入利用核极限学习机建立的电厂锅炉燃烧模型中,先进行单目标优化仿真再进行多目标综合优化仿真。实验结果表明:针对提高电厂锅炉热效率以及降低SO₂排放量和NO_x排放量的综合优化目标,本文所提出的建模优化方案具有一定实用价值。