电站锅炉是燃煤电站的三大主机设备之一。目前,我国的现役300MW燃煤电站机组锅炉由于设备本身及操作管理等方面的原因,存在着污染物排放高和热效率低等问题。提高燃煤电站锅炉的热效率,节约有限的煤炭资源,同时降低燃煤过程产生的污染,是我国能源实现可持续发展和节能减排工作的当务之急,也是电力科技工作者的攻关课题。本文以谏壁电厂#7机组330MW锅炉为研究对象,详细研究了电站燃煤锅炉氮氧化物的形成机理和影响其排放的主要因素,并分析了燃烧调整降低氮氧化物的控制原则与提高锅炉效率的控制原则之间的关系。在此基础上,对研究对象进行了现场热态燃烧调整试验。通过各具体试验工况,分析了氮氧化物排放和锅炉效率与各运行变量之间的特性关系,并提出了锅炉当前运行所存在的一些问题。电站锅炉设备庞大,过程多变量、大延迟、非线性。由于锅炉炉内煤粉燃烧过程及其复杂,传统的物理和化学模型不可能实时地预测燃烧过程的输出。本文通过引入人工神经网络技术,以现场热态燃烧调整试验数据为样本,利用BP神经网络建立了可实时预测燃烧过程氮氧化物排放量和锅炉效率的经验模型,并与非线性遗传优化搜索技术相结合,寻优出了锅炉各不同煤种下高效率低NOx排放的最佳运行方案。该方案既可提供给运行人员用于指导运行,也可与DCS系统相结合为低NOx燃烧优化闭环运行提供模型基础。