随着经济的快速发展,环境污染带来的问题日益严重,如何实现节能减排改善环境污染已成为广泛关注的问题。燃煤锅炉作为造成环境污染的主力之一,实现锅炉系统的燃烧优化不仅可以降低企业成本同时可以减少环境污染。要实现锅炉燃烧系统的优化,就需要对锅炉建立有效的燃烧预测模型,研究如何调整锅炉燃烧因素使得系统实现高效节能的目标。针对这一问题,本文对煤粉炉燃烧系统做出了如下研究:首先针对樽海鞘优化算法(Salp Swarm Optimition Algorithm,SSA)随机产生初始种群位置,造成算法寻优结果不稳定,且收敛速度较慢、易陷入局部最优等缺点,提出了自适应樽海鞘优化算法(Adaptive Salp Swarm Optimition Algorithm,ASSA)。为了验证算法的性能,将ASSA与蝴蝶算法(BOA)、鲸鱼算法(WOA)、粒子群算法(PSO)和樽海鞘算法(SSA)在10个基准测试函数上进行对比,结果显示ASSA算法的收敛速度更快,寻优结果更好。另外针对快速学习网(Fast Learning Network,FLN)随机初始化权值和阈值的缺陷,提出了ASSA-FLN网络。进而根据某电厂330MW和300MW锅炉的历史数据分别单独建立NO_X排放浓度和热效率预测模型以及同时预测NO_X排放浓度和热效率的综合模型。为了验证模型的泛化能力,将其与其它四种预测模型进行比较,结果表明ASSA-FLN模型具有更好的预测精度和泛化能力。最后,分别建立单目标优化模型和多目标优化模型,设定不同的优化目标函数,利用ASSA算法对锅炉在不同工况下的可调参数进行寻优,使得锅炉在最佳参数下运行,从而令NO_X排放浓度和热效率达到最优效果,为电厂锅炉优化提供了方向。