以汽轮发电机组为核心的火电厂优化运行，一直是我国电力工业发展现代化的重要研究方向。在国内厂级监控信息系统(SIS系统)蓬勃发展的研究背景下，重点研究SIS系统中实时数据库平台的选择和高级应用的开发，生产实时数据预测与验证、机组优化运行技术、免疫—禁忌混合算法和机组负荷优化分配问题几个重要核心内容，为火电厂开展性能监测和优化运行工作提供科学依据。 首先对SIS系统建设过程中的若干问题进行了研究探讨，如SIS系统的网络架构、SIS和MIS的连接方式，实时数据库平台的选择原则，以及高级应用软件的实现功能和开发过程的注意事项等。研究指出应根据火电厂各自的实际情况，分析原有的MIS系统和控制系统的情况，兼顾实时性和安全性要求，选择适合管理要求的实时数据库平台，采集适当点数的数据并留有扩展余量，在安全可靠的数据库平台上逐步开发和完善各项高级应用。 提出一种新的双重神经网络组合预测模型，第一重由回归神经网络和延时神经网络组成，第二重是神经网络组合器，将前两种神经网络的预测结果进行非线性组合，充分利用测点数据的历史变化趋势和相关运行参数的映射规律信息，预测得更准确。以某机组的主蒸汽流量为例进行组合预测模型训练，校核样本的平均相对误差为1.5％，而单独采用回归神经网络和延时神经网络的平均相对误差为2.7％和1.9％，表明双重神经网络组合预测模型能够提高预测精度。应用序列概率比检测方法验证数据的正确性，通过计算预测值和测量值的残差、概率比，可有效检测出实时数据的异常，为测量数据的在线自动校验提供有效手段。 接着深入研究大型火电机组运行优化模型，由于机组性能计算中低压缸排汽焓的确定是个难点问题，提出采用外推法和平衡方程法相结合的计算方法，利用某机组的热力设计数据进行检验，其变负荷下排汽焓的计算结果与设计值的最大相对误差为0.9％，可见该方法计算精度高，可以满足火电厂实时性能计算的工程要求。凝汽器真空系统优化提出以汽轮机排汽压力变化所引起的净收益最大为目标函数，综合考虑了循环水消耗所产生的额外费用和机组进入电力市场后分时电价的影响。并应用改进的BP神经网络建立了机组变工况运行成本计算模型。