随着我国经济的蓬勃发展,社会对于电力的需求也日益提高。在我国电力系统中,以燃煤为主的火力发电仍然占有重要的位置。但在火力发电时,锅炉燃烧过程中会产生氮氧化物等大气污染物,造成严峻的环境污染问题。因此,电厂在提升发电量的同时要尽量降低污染物的排放,实现锅炉的清洁高效运行。针对这一问题,论文对现役燃煤机组的锅炉系统进行研究,利用深度置信网络结合智能优化算法对锅炉进行燃烧优化,从而达到降低氮氧化物排放量,提高锅炉热效率的目的。首先,对电厂锅炉系统的工作原理进行了概述,分析了NOx生成机理,阐述了锅炉热效率的计算方法,介绍了电厂的监控信息系统以及数据来源,并对锅炉历史数据进行了预处理,分别采用孤立森林算法与小波分析方法对异常点和含噪数据进行剔除与降噪处理。其次,建立了基于改进多元宇宙算法和深度置信网络的锅炉燃烧系统模型。利用互信息对锅炉燃烧系统模型的输入变量进行了特征选择。之后,建立了基于改进多元宇宙算法优化深度置信网络的燃煤锅炉NOx排放量与热效率预测模型,通过模型对比实验证明了所建预测模型相对于其他几种模型具有更高的预测精度和更好的泛化能力,同时建立了锅炉燃烧系统综合模型,为后续的锅炉燃烧优化提供了基础和支持。再次,提出了基于改进多元宇宙算法的锅炉燃烧优化方法。根据电厂的实际运行需求,在建立的锅炉燃烧系统模型的基础上采用IMVO算法对锅炉运行可调参数进行寻优,分别实现了NOx排放量和热效率的单目标优化。之后对多目标优化的优化目标函数进行了分析与构建,并利用IMVO算法对NOx排放量和热效率进行了综合优化。实验结果证明了IMVO算法能有效地对锅炉的燃烧过程进行优化,为电厂锅炉的燃烧优化运行提供一定的参考。最后,提出了基于改进快速非支配排序遗传算法的锅炉燃烧多目标优化方法。在建立的锅炉燃烧系统综合模型的基础上,采用INSGA-II算法对锅炉NOx排放量和热效率进行多目标优化并对其优化结果进行了分析,通过对比实验证明了改进后的INSGA-II算法具有更好的寻优性能。然后将INSGA-II算法与IMVO算法的优化效果进行了对比与分析,并对基于INSGA-II算法的锅炉燃烧优化模块实现方法进行了介绍与初步设计。