火力发电厂在发电过程中会燃烧大量的煤炭资源,这些煤炭的燃烧会给环境带来较严重的污染问题,研究表明,我国每年排放的氮氧化合物有60%以上来自于火力发电厂的锅炉燃烧,而这些氮氧化合物除了给环境带来污染以外,它还是一种温室气体,这将对地球环境带来巨大影响。通过对锅炉燃烧过程进行检测和试验,记录燃烧过程中的输入参数和输出参数,研究这些参数之间的相互联系与作用,可以有效降低锅炉燃烧的发电煤耗,较少氮氧化合物的排放。因此,开展火力发电厂锅炉燃烧优化控制研究具有重要的现实意义和应用价值。论文以某大型切向燃煤锅炉为例,采用基于粒子群优化的RBF神经网络算法,对锅炉燃烧的优化控制过程进行了研究。论述了课题的研究背景及意义,锅炉燃烧优化控制的国内外研究现状,以及论文的研究方法与主要内容。在总结分析电厂锅炉燃烧优化调整方法的基础上,分析了锅炉燃烧耗差、NOx排放控制和锅炉燃烧调整与控制,论述了粒子群优化算法的基本理论,研究了粒子群算法基本原理和算法实现过程。构建了基于粒子群优化的RBF神经网络模型,将锅炉燃烧过程中的17个输入变量作为优化变量,7个输出变量为优化目标。通过现场采集的样本数据,并对样本数据进行了归一化处理,将归一化处理后的样本数据在RBF神经网络模型上进行了训练,将模型预测输出变量值与实测值相比较,表明所建立的锅炉燃烧控制模型很好地反映了实际锅炉的燃烧性能。采用粒子群优化算法对锅炉燃烧优化控制参数进行了求解,得到了锅炉燃烧控制的优化结果,为锅炉燃烧优化控制提供了参考依据。