随着国内七八十年代投入运行的机组进入寿命后期和机组运行优化研究工作不断走向深入，传统的运行优化工作由于未考虑到设备的寿命损耗及由此造成的各种费用，局限性越来越明显，迫切需要引入新的优化理论。本文分步骤建立了一个全面的锅炉汽包寿命管理优化方案。在此工作中，引入国外先进寿命管理优化理论和多种人工智能算法，对锅炉汽包的应力监测、运行优化和影响汽包寿命的诸因素进行了研究。 锅炉汽包寿命管理工作的基础是建立一个具有较高精度且实时性好的寿命损耗模型。借助于这个模型，可以实时监测运行时汽包的应力变化情况，保障设备安全。传统的工程计算方法在进行汽包应力计算时，做了较多的简化，计算出的数据准确度不能得到保证。有限元计算方法能保证数据准确性，但是计算量过大，不能满足实时计算的要求，所以只能用于离线的优化工作。在本文里，建立了基于MAS架构的汽包应力的动态软测量模型。利用神经网络优越的非线性逼近能力，在汽包应力与汽包金属壁温及汽包压力之间建立了一种映射关系，实现了汽包应力的软计算。实际运行中，汽包内蒸汽压力和温度的变化有比较大的范围，因此引入多Agent系统设计原理，将较大的神经网络结构分解成一组结构较小的子神经网络。因为每个子神经网络的结构小巧灵活，所以该软测量模型学习和泛化性能好。该模型能根据输入汽包压力和汽包温度不同，经感知模块判别后，由不同的子神经网络做出响应，节约了系统资源，提高了响应速度。经过仿真，该软测量模型计算精度高，响应速度快，可以实际应用。 锅炉冷态启动过程中工质的温度和压力变化最为剧烈，对设备的疲劳损伤最大，历来为研究工作者所重视。在启动优化工作中，首先通过理论分析和实例计算将单阶段启动方式与多阶段变升温率启动方式进行了对比。与单阶段启动方式相比，多阶段变升温率启动方式可以在不增加汽包寿命损耗的条件下，获得更好的经济性。本文借鉴美国的寿命管理优化思想，提出基于LEC寿命管理优化策略的汽包锅炉冷态启动优化模型，进一步量化对汽包寿命的控制，该模型能在部件的寿命损耗和系统的经济性之间取得平衡。在LEC启动优化方案的寻优中，采用模拟退火遗传算法，发挥其快速求解和全局搜索的优势。通过对此模型的计算结果进行分析，得出有益的结论。提出了基于LEC闭环控制的冷态启动优化控制方案，借助于基于MAS架构的汽包应力软测量模型，可以对冷态启动优化方案进行实时控制。 传统的负荷分配中，没考虑汽包寿命损耗的问题。在负荷大范围变动过程中，锅炉汽包承受的应力幅变动如果超过一定的程度，将对汽包的寿命造成影响。以煤耗最小为目标函数的优化方法，虽然在燃料费用上最为节省，可是由于参数波动大而且频繁，对机组寿命造成了更大的伤害，因此迫切需要一种新的基于寿命管理的负荷分配管理方法。本文将LEC概念引入到机组负荷分配优化工作中，将汽包寿命损耗考虑到机组负荷分配的优化中去，在寿命损耗不大于某一基准值时，搜索煤耗最小的负荷分配方案，在电网负荷变动越来越剧烈的形势下，这种模型是一种更加符合电厂实际的调峰方案。在寻优过程中，引入随机微粒群算法，该算法适用于快速寻优，能在速度和精度上满足计算要求。 汽包的应力和寿命损耗不仅与运行因素相关，还与选材和结构关系紧密。本文针对汽包锅炉冷态启动和调峰这两个典型的影响汽包低周疲劳寿命的热力过程，从汽包的结构、材料性能和冷态启动温升率这三个方面来分析它们是如何影响汽包低周疲劳寿命的，并对计算结果进行了认真的分析，得到了一些有用的结论，同时也总结了一些有利于延长汽包寿命的重要措施。这些结论和措施有助于汽包的设计、选材和电厂的运行管理工作，能使电厂获得更多的效益。