在电厂燃煤机组中,中速磨煤机直吹式制粉系统由于其系统简单、运行单耗低、钢材消耗少、占有空间小、爆炸危险性小等一系列优点,国内电厂采用较多。磨煤机是燃烧系统的重要组成部分,它应该能够为锅炉燃烧提供质量合格的煤粉,制粉系统的通风量也应该与燃烧系统要求的一次风量相匹配。一次风是锅炉的燃烧输送系统的主要动力来源,一次风用于干燥和携带煤粉,并且直接关系到炉膛内的实际燃烧状况。煤质的变化将对炉内燃烧产生很大影响,所以应该根据煤质对煤粉细度、送粉风速等作适当的调整,以降低能耗、提高锅炉热效率。目前,人工智能优化风煤比、整体优化燃烧在电力系统中已有应用,许多问题正在研究和探索之中。各种资料表明,人工智能优化在预测锅炉热效率、NOx排放量、飞灰含碳量等方面已有成绩,而对于磨煤机一次风系统的综合优化研究甚少见报导。本课题通过深入分析中速磨煤机制粉系统对锅炉热效率以及制粉单耗的影响因素及其影响程度,建立了锅炉热效率和制粉单耗的神经网络模型,把BP神经网络理论与遗传算法极值寻优结合起来,对实例工况进行参数寻优。运用Matlab语言实现了模型建立和参数寻优,得到以下结论:(1)深入分析了锅炉热效率以及制粉单耗的影响因素及其影响程度,磨煤机的运行控制可以考虑一次风量的影响因素、分离器挡板开度等参数,把神经网络理论与物理模型有机的结合起,运用BP神经网络实现了非线性建模,达到了预想的精度。(2)根据已构建的模型,遗传算法把训练后的BP神经网络预测结果作为个体适应度值,通过选择、交叉和变异操作寻找函数的全局最优值及对应输入值。(3)根据Matlab语言编制了建模寻优程序,对一次风量、分离器挡板开度等寻找输入值,可得到全局最优值,本程序在得到各参数趋向程度后,可以通过参数微调,为经验不足的人员提供了正确指导。通过实例验证,该模型克服了传统的只凭感觉模糊判断的不足,可判断一次风量及分离器挡板开度的趋向程度并作调整,这样既保障了运行的安全,又提高了经济效益,对于节能降耗有重大意义。