随着电网容量的增大和用电结构的变化，电网峰谷差日益增加，火电机组不得不参与变负荷甚至启停调峰运行。汽轮机长期处于变工况运行状态，热经济性明显下降。要确保汽轮机变工况运行时仍能保持最佳状态，就必须对汽轮机的运行初压进行优化，将得到的最优运行初压作为汽轮机自动运行时主蒸汽压力的设定值，能有效地降低汽轮机的热耗率，节约发电成本。本文在对基本万有引力搜索算法和最小二乘支持向量回归算法改进的基础上，建立了汽轮机主蒸汽流量和热耗率的动态预测模型并根据实际运行工况给出了优化的滑压运行曲线。主要研究内容如下：首先，提出了一种改进的万有引力搜索算法。通过引入反向学习策略、精英策略以及边界变异策略，使基本的万有引力搜索算法具有了更高的优化精度及运行稳定性，通过13个基准函数的测试，验证了改进的万有引力搜索算法具有较好的优化性能。接着，提出了一种自适应最小二乘支持向量回归算法，依据“两步走策略”和“删除最小拉格朗日乘子绝对值对应的支持向量”这两个原则，通过递推公式更新模型参数，既避免了复杂逆矩阵的求解，又考虑了不同训练样本对预测结果的影响，数值实验验证了该算法在线建模时的有效性。然后，研究了反向建模方法在主蒸汽流量预测中的应用，重点讨论了基于粗糙集理论的最小二乘支持向量回归算法在主蒸汽流量离线建模中的优异表现，同时还利用自适应最小二乘支持向量回归算法建立了主蒸汽流量的在线预测模型。预测得到的主蒸汽流量作为热耗率建模的输入参数之一，进一步研究了改进的万有引力搜索算法和最小二乘支持向量回归算法相结合的混合建模方法在汽轮机热耗率预测中的应用，改进的万有引力搜索算法用于优化最小二乘支持向量机的超参数进而提高其热耗率建模的预测精度及泛化能力。此外还讨论了不同适应度值的计算方法对汽轮机热耗率预测精度的影响。最后，利用自适应最小二乘支持向量回归算法建立汽轮机热耗率的在线预测模型，实时预测的热耗率值作为改进万有引力搜索算法寻优时的适应度值，在可行的运行初压范围内，以热耗率最低为优化目标来在线确定汽轮机变工况运行时的最优运行初压并据此给出优化后的滑压运行曲线。得出的实时最优滑压运行曲线能够更好地指导汽轮机变工况时优化运行。