高能耗与重污染是当前我国火电企业发展所面临的两个最突出的问题，作为火力发电厂三大主设备之一的电站锅炉，其热效率直接影响了整个机组的效率，同时其燃烧产物也是大气污染物的重要排放源之一。因此，在保证安全生产和满足负荷需求的前提下，应该努力提高燃煤电站锅炉的运行效率、降低煤耗，控制并减少污染排放。而针对燃煤锅炉的燃烧优化调整是改善锅炉经济、安全、环保运行的最有效、最根本的手段之一，因此，需要广大的电力科技工作者重点研究并大力发展电站锅炉燃烧优化技术。 本文在全面总结锅炉燃烧优化技术发展历程及其研究现状的基础上，指出了当前锅炉燃烧优化技术的发展方向和前景，同时重点开展了基于机器学习和智能算法的锅炉燃烧优化研究工作，并取得了一些有益的成果，这对于解决和完善电站锅炉燃烧特性建模与优化调整问题以及拓展机器学习和智能优化算法在热工领域的应用都具有重要的现实意义。本文主要内容如下： 1、开展了基于机器学习的锅炉燃烧特性离线建模研究，对支持向量回归(SVR)建模过程中模型参数选择进行了全面的定性分析和仿真试验研究，提出了基于遗传算法(GA)的模型参数优选法，取得了很好的效果。 2、结合锅炉燃烧特性试验，建立了基于SVR的NOx排放预测模型，并基于模型研究了NOx排放与部分主要运行参数之间的定量关系。以机组的供电煤耗率为优化目标，借助遗传算法对锅炉运行氧量进行优化，为氧量基准值的确定提供了一种新方法，很好地解决了锅炉变工况运行参数基准值的确定问题。 3、提出了基于KKT条件和最近邻法(NN)的模型在线自校正新算法(KKT-NN-SVR)，对精确在线支持向量回归训练算法进行了改进，并分别给出了基于实时运行数据的自校正预测模型和基于试验数据的残差在线估计模型。采用核主元分析(KPCA)方法提取软测量模型输入变量的特征信息以有效处理非线性数据，并结合特征值碎石图及累积方差贡献率，对KPCA参数的选择以及主元的确定提出了新的方法。 4、基于燃烧特性模型，提出了兼顾经济、环保和节能的锅炉燃烧优化综合评价目标，采用改进的多目标粒群算法(MOPSO)处理炉效、NOx排放和辅机电耗的三目标优化问题，并提出了一种基于效益模型的多目标优化结果判别方法，构成了锅炉燃烧综合性能优化问题的完整解决方案。 5、对锅炉燃烧优化系统(BCOS)的设计与开发进行了深入研究，从系统原理、架构设计、功能实现等方面给出了BCOS的完整开发方案，并对厂级监控信息系统(SIS)与BCOS的集成进行了分析，给出了实现方案。