随着我国能源消费的快速增长,氮氧化物(Nitric Oxide,NOx)排放量也迅速增加。“十一五”期间,氮氧化物排放量的快速增加加剧了区域酸雨的恶化,部分抵消了我国在SO2减排方面付出的巨大代价。我国将NOx列为“十二五”期间大气污染物总量控制对象。NOx的主要来源是火电厂、机动车排放,其中火电厂排放量大且相对比较集中,成为国家控制NOx的首选目标。因此开发出经济适用、低NOx的煤粉燃烧技术是燃煤锅炉继续保持优势的关键。本文首先分析了燃煤锅炉氮氧化物的生成机理；氮氧化物排放浓度与燃烧煤种、锅炉负荷、锅炉运行参数的关系；在所有影响因素中,煤种对氮氧化物排放浓度影响最大,在所有锅炉运行参数中,炉膛内氧量对氮氧化物排放浓度的影响最明显。锅炉运行工况对氮氧化物排放浓度影响也较大,及时调整锅炉燃烧工况和运行参数,NOx排放浓度可降低10%-20%；本文从烟气处理和低氮氧化物燃烧技术两方面阐述了目前主要的氮氧化物的控制方法。锅炉氮氧化物排放和飞灰含碳量受煤种和运行参数影响很大,且很难用数学表达式表示。本文以山西某电厂600MW锅炉为研究对象引用BP-adaboost算法建立了锅炉氮氧化物排放量、飞灰含碳量的预测模型。模型采用影响目标值的锅炉运行参数为输入量,以氮氧化物排放量、飞灰含碳量为输出量,用锅炉DCS下载的数据进行网络训练,并用测试样本验证模型的预测能力。模型预测NOx和飞灰含碳量的误差均在5%以下,说明文中所建模型可以应用实际中。通过此模型能够得出氮氧化物排放量、计算出锅炉效率。综合考虑氮氧化物排放和锅炉效率两方面的影响,建立了燃烧优化目标函数,将氮氧化物排放预测模型与遗传算法(GA)结合,寻找不同优化目标下锅炉的优化运行方案,优化目标分别为：单独优化氮氧化物排放、在NOx排放量为650mg/m3的前提下优化锅炉效率、综合优化锅炉效率和氮氧化物排放。用遗传算法综合优化锅炉效率和氮氧化物排放时,可将NOx从678.12mg/m3降低到509.93m/m3,降低了24.8%,锅炉效率从92.43%降低到92.22%,降低了0.22%。最后本文详细介绍了粒子群优化算法(PSO)的基本原理,粒子群算法与遗传算法类似是一种基于迭代的优化工具,但是粒子群算法比遗传算法操作简单,没有交叉、变异等操作,参数比较少,因此实现起来更加容易,且粒子群算法终止迭代的方法比较灵活。因此本文将粒子群算法与NOx排放预测模型相结合,调整锅炉运行参数得出优化结果,综合优化锅炉效率和NOx排放量时,与原工况相比,NOx可降低28.3%的排放量,同时锅炉效率仅降低0.05%。并将粒子群优化结果与遗传算法优化结果进行比较,从结果来看,粒子群算法的优化结果优于遗传算法,且粒子群算法的参数少,计算时间短,适于在线优化。