当前,煤炭来源多样化导致煤炭质量不稳定,煤炭掺配已经成为各电力企业进行燃料管理的主要方法之一。但由于电力企业的局限性,掺配煤元素成分、掺配煤煤质特性以及掺配煤燃烧特性没有科学的方法进行判断。针对这一现状,本文以上安电厂常用动力煤作为研究对象,首先分析了动力煤影响锅炉指标相关因素,然后建立了混合煤的目标函数和约束函数,进而将主要因素用于预测模型中进行训练,预测出两种煤混合后的各项指标,最后根据这些指标计算出两种煤的混合比例。本文主要工作包括以下几方面:首先,针对上安电厂掺配煤关键制约因素,建立以水分、挥发份、灰分、发热量为约束条件,以燃尽指数、着火指数、硫分为目标函数的配煤优化模型。分析并研究了多元线性回归与神经网络,根据配煤后煤质的变化规律认知,分别利用多元线性回归与神经网络建立了动力掺配煤的比例模型,并通过模型的拟合效果以及误差分析和预测结果比对,得出神经网络模型的可行性和优越性。其次,为了提高网络的训练效率以及避免神经网络容易陷入局部极小值的问题,分析并研究了遗传算法及流程,利用遗传算法的全局寻优的特性对原始种群进行编码、初始化、选择、交叉、变异等操作,求得最优神经网络的初始权值和阈值。通过经遗传算法优化后的神经网络,选取不同的神经网络输入,建立了煤质元素成分分析、燃烧着火以及燃尽指数模型。利用遗传算法对模型求解,验证了遗传算法求解配煤优化模型有效性。最后,通过对上安电厂配煤过程的分析,运用C#语言,采用B/S软件设计架构,进行了系统各功能模块的设计和实现。系统主要包括四个功能模块:配煤掺烧方案模块为完成对不同机组的掺配煤方案制定,方便用户针对不同机组制定不同的配煤方案。掺配指标信息模块为用户针对机组未来的工况选择特定的指标进行约束,实现对机组配煤指标的全方面监管。掺配方案管理模块主要负责动力煤掺配的预测和结果分析。配煤结果评估模块主要对配煤预测结果进行评估,结合机组的实际工况进行数据收集,实现数据可视化。