在我国,燃煤是重要的发电一次能源,围绕燃煤问题展开的优化管理工作对于火电厂的效益和安全运营意义重大。一方面表现为燃煤开销已高达火电厂发电成本的七成以上,另一方面,煤质的稳定性关系到电厂发电设备的运行安全。为提高电厂效益,保障煤质稳定,近年来,各大电厂纷纷对优化配煤技术加以重视和利用,在燃煤管理工作中取得了一定的成效。目前,国内部分电厂已经开始采用简单的线性模型来进行配煤优化管理,然而,在实际配煤过程中存在以下问题:1)混煤煤质与组成单煤之间存在强烈的非线性特性,导致由线性模型计算得出的结果与实际情况偏差较大;2)单煤煤质本身也具有随机性。以上情况均说明线性模型不能对实际的配煤问题做出准确的描述,因此,需对该模型进行有效的改进。针对上述问题,本文主要进行了以下几个方面的研究:1)建立了电厂配煤非线性多目标规划数学模型混煤燃烧过程具有强烈的非线性特性,而大部分电厂实际采用的配煤模型均为简单的线性模型,因此,该模型不能有效反映电厂的实际生产情况。本文针对这种情况,对线性模型做出了相应改进,建立了更加符合实际的非线性多目标规划数学模型。2)研究了混煤煤质回归估计方法针对混煤煤质的非线性特性,本文引入BP神经网络、SVM方法对混煤煤质进行了回归估计实验。针对实验中存在的缺陷,结合配煤问题进行了分析,提出了相应的改进方案:采用自组织神经网络、模糊聚类等方法对单煤进行聚类分析,并在此基础上对混煤煤质进行回归估计的改进方案。最后,通过几组对比实验,比较了聚类前后混煤回归估计的结果。3)结合遗传算法的配煤多目标规划数学模型求解由于在建模过程中,需要引入神经网络、支持向量机等方法进行训练,导致模型非常复杂,而且用传统的方法不易求解。针对该问题,本章引入遗传算法来求解此类问题;另外,在未进行模型显式表达的情况下,将遗传算法和神经网络(或SVM)的matlab程序进行了嵌套,给出了求解方法的具体思路和流程。4)配煤随机优化数学模型的研究针对煤质的随机性,本文在假定电厂燃煤煤质符合正态分布的情况下,