目前火电仍是我国电力供应的主体,电站燃煤过程会产生大量的污染性气体,从而对环境造成危害,而通过运行优化技术来实现锅炉燃烧效率的提升,同时减少NOx等污染气体排放,对进一步挖掘能源行业节能减排的潜力,促进行业的技术进步具有重要意义。由于锅炉燃烧系统包含复杂的反应过程,燃烧过程具有强耦合、大惯性和非线性强的特点,且机组面临煤质和负荷多变的客观条件,而常规的燃烧优化系统大多只能实现稳态和开环优化,不易取得符合预期的优化效果,因此需要把人工智能技术和先进控制理论相结合,研究新型的锅炉燃烧系统闭环优化控制方法。本文根据锅炉燃烧系统的特性和实际运行需求,研究合适的锅炉燃烧系统动态建模以及燃烧优化预测控制算法,包含研究内容如下:1、提出基于无迹卡尔曼滤波（UKF）结合最小二乘支持向量机（LSSVM）的多模型集成方法（FULP）对锅炉热效率,再热汽温和NOx排放量进行建模。UKFLSSVM算法通过不断迭代更新核参数σ和模型参数,提高了后期SVM的泛化能力。在此基础上采用模糊C均值聚类（FCM）增加了样本集的差异性,并通过偏最小二乘法（PLS）集成子样本结果来建立燃烧系统的动态模型。最后,采集机组实际运行数据在600MW机组锅炉燃烧系统上进行建模测试,并与其他建模方法进行了比较。2、通过对历史运行数据分析获取初步优化运行指导曲线,在此基础上采用非线性建模和经济预测控制方法进行在线二次优化,实现燃烧系统闭环的优化控制过程。在求解滚动优化时,以遗传算法（GA）作为主要的优化器,采用GA在整个解区域内搜索全局最优解,序列二次规划（SQP）用于微调GA结果的方法,结合SQP在优化求解质量高和收敛速度快的特点,从而提高了GA的性能。通过测试结果表明,该方法能够避免计算过程陷于局部最优,且求解速度快,计算复杂度小,保证了算法的实用性和精确性。3、开发了锅炉燃烧系统优化控制软件,在对DCS系统组态进行修改和通讯连接之后,成功实现了锅炉燃烧优化系统的现场应用。根据软件的现场调试结果和需要,对氧量自动功能进行了完善,实现了系统的稳定投运。通过对比相同工况下投运与非投运状态下的各项控制量和目标参数变化情况,对系统的工程应用价值进行了分析。