我国的经济总量已稳居世界第二位，且保持着较高水平的增速，伴随着人民的生活水平的大幅度改善，社会消耗的电力也大幅增加，社会对生活环境的要求也越来越高，环保意识也越来越强烈。而我国目前还是以火力发电为主，这就要求火电企业不仅要提高效益，还需要面临节能、环保的双重任务，因而对电站锅炉的燃烧优化显得十分重要。对于燃烧优化，首先需要解决两个问题：第一，精确模型的建立；第二，选择最佳的优化方案。因而，本文主要围绕着这两个问题而进行的研究，概述如下：　　首先，根据灰狼算法的特性，针对其不足之处做了多处改进，利用改进后的灰狼算法(自适应量子灰狼算法)与基本的灰狼算法、差分算法、粒子群算法、万有引力算法在寻优能力上进行比较，仿真实验结果表明改进后的灰狼算法在寻优精度和收敛速度上具有很大的优势。　　其次，用改进后的灰狼算法优化并行极端学习机的非线性网络的权值和阈值，对锅炉参数进行整定，分别建立了锅炉燃烧NOx排放预测模型、热效率预测模型和两者的综合预测模型，相比于其他对比模型，三者精度都至少提高了5个数量级以上，可以更加有效和准确的预测锅炉的各项参数。　　最后，利用该模型进行多目标的综合优化，优化结果表明，该优化模型在大幅度降低NOx排放量的同时可以有效地提高热效率，实现了电厂锅炉经济、环保运行的目标。