随着国民经济对电力需求的急剧增加，人们越来越重视节能环保。火电企业作为能源消耗的大户，面临着减少污染物排放量和降低运营成本的双重要求，因此，电站锅炉的高效低污染的燃烧优化技术已经成为热能工程的重要研究方向。近年来，国内外学者一直致力于上述问题的研究，并取得了一定的成果。为了提高电站锅炉的燃烧效率，降低污染物排放量，以某电厂300MW循环流化床锅炉(Circulating Fluidized Bed Boiler，CFBB)为研究对象，针对CFBB燃烧系统具有多变量、时变、耦合强、滞后大等复杂特点，提出了应用最小二乘支持向量机(LSSVM)对CFBB的燃烧特性进行建模，建立了以CFBB运行参数为输入量，以热效率和NOx排放量为输出的综合模型。由于模型精度及泛化能力依赖于参数选择，故将万有引力搜索算法(GSA)运用到模型参数寻优过程中，获得了CFBB燃烧最优模型。然后再将万有引力搜索算法对最优模型的多输入参数寻优，以降低锅炉污染物排放量和提高锅炉效率为目的，寻找出所选工况下的最优参数组合。最后，把相应的输入变量调节为最优参数，实现CFBB的燃烧优化。将上述理论应用于仿真实验中，仿真实验表明，这些算法建立的CFBB燃烧优化系统能够到达提高锅炉燃烧效率和降低NOx排放量的整体效果。