随着能源和环境形势的日益严峻,作为耗能大户的燃煤电厂面临的节能减排压力日益增大,电厂的主要耗能设备锅炉也备受关注。而电厂现有的锅炉燃烧控制技术存在的不足日益显露,逐渐难以满足实际需要。于是高效率低排放的燃烧优化技术逐渐成为研究的焦点。现有的燃烧优化方法有两种,一种是传统的方法,另一种是智能控制方法。锅炉燃烧系统是一个非线性、强耦合的复杂大系统。传统方法由于考虑因素过于单一,不能全面反映系统的真实状况。而智能控制非常适合于非线性、强耦合、多变量系统的建模与优化,因此得到了越来越多的重视。为了实现高效低污的燃烧,本文以锅炉效率和NO_x排放量为输出变量建立了锅炉燃烧系统的模型,并利用遗传算法对系统进行了优化。文中使用两种神经网络——BP网络和动态模糊神经网络(一种改进的RBF网络)完成了建模。并对这两种建模方法进行了分析,得出了它们各自适用的场合,即对工业现场在线建模计算时可以采用计算速度较快,连续函数逼近效果较佳的RBF网络,而在离线计算且输入数据维数较大时可以采用具有较强泛化能力的BP网络。优化系统完成了对与输出关系最为密切的两个可调变量:燃料量、送风量的优化值的计算,并给出了优化系统的输出与原系统输出的对比图。为了将设计的燃烧过程建模和优化系统应用于现场指导操作人员,文中用C++语言编制了相应的软件。将其通过OPC接口与现场DCS相连,实现了从理论研究到实际现场应用的转变。