随着我国国民经济的快速发展,我国发电设备的装机容量正以7~8%的速度在逐年增加,在我国发电设备的结构中,火电机组目前仍占75%左右,而火电机组中绝大部分为燃煤机组,这种趋势将持续相当长的时间,因此电力工业对自动控制系统的要求也越来越高。这不仅要求要保障锅炉安全、稳定的生产,同时节能增效已成为我国能源实现可持续发展的当务之急,这也成为电力科技工作者的攻关课题。电站锅炉是火力电站的三大主机设备之一。由于电站锅炉设备庞大、复杂、过程多变量、大延迟、强耦合,其控制和优化问题一直是这一领域学者所关注和研究的重点。本文以火电厂锅炉燃烧过程为研究对象,在引入人工神经网络之RBF网络的基础上,建立了锅炉的运行优化模型。建立的神经网络模型以与电厂燃烧控制系统有密切联系的机组负荷、一次风量、二次风量、磨煤机出口温度等量为输入变量,以磨煤机热风门挡板开度、送风机导叶挡板开度等作为输出变量,用电厂采集到的历史数据样本进行训练,由此得到优化模型。在用RBF网络进行建模时,对数据进行了预处理法等多种方法,增强了神经网络的泛化能力。本文选取可以判断锅炉热效率高低的参数处于最佳值的数据,以此作为优化目标的判据,通过相应的优化算法,并根据建立起的优化模型,实现锅炉磨煤机热风门档板开度、送风机导叶挡板开度、给煤量给定值的最佳寻优,求取不同工况下的磨煤机热风门档板开度、送风机导叶挡板开度、给煤量给定值的最优值,提供给下级DCS子系统,从而指导锅炉的燃烧控制,所建的模型正确的反映了锅炉机组的动态特性,研究工作对锅炉的设计和优化运行起到了很好的理论指导作用。本文最后设计和开发了锅炉燃烧优化专家指导系统。