煤炭燃烧产生的污染物如SO2、NOx等对环境造成污染,如何降低燃煤电厂排放污染物成为研究热门。在锅炉中,煤炭中的硫元素燃烧后主要以SO2的形式存在,准确监控并控制燃煤锅炉SO2的排放量是燃煤电厂实际运行中的重点工作。本文结合燃煤电厂DCS控制系统中非线性、强耦合的运行参数,选取某热电厂主蒸汽流量150t/h的CFB锅炉作为研究对象,分别建立该燃煤锅炉的脱硫系统经济评价模型和炉膛出口SO2浓度预测模型,主要研究内容如下:在该热电厂脱硫运行规程图的基础上,针对1#锅炉炉内及炉外两种类型的脱硫成本分别进行统计计算,得到联合脱硫成本,根据模型的组成部分从石灰石粉粒径和锅炉炉膛温度优化两个角度对热电厂脱硫运行提出一定的优化建议,同时也为预测模型提供依据。为筛选SO2预测模型输入参数,对该电厂DCS系统记录的锅炉参数进行探究。DCS系统包含锅炉蒸发量、床温,一二次风量风温等影响硫元素生成的重要运行参数,依据化学反应机理从中筛选出炉膛出口SO2排放量的相关影响因素,并根据这些参数的不同位置和影响机理将其分类成入口状态参数、入口反应参数、反应条件参数和出口状态参数。由于输入参数共有30组,选用主成分分析方法进行数据简化和降低维度,通过该分析方法将输入参数转换为6组主成分。选取简化后的主成分作为输入参数,通过对比不同结构的预测误差寻求最佳的BP神经网络模型,建立炉膛出口SO2排放量预测模型。最终确定采用relu函数、500次训练、单隐含层结构、8节点数、0.005学习率的最佳预测结构。在此结构下,通过测试和验证数据发现:以锅炉蒸发量、一次风量、烟气含氧量等作为输入参数时,设置不同参数组合的炉膛出口SO2排放量预测模型计算结果误差为2.7%,能够较好的预测污染物排放量的变化趋势。