随着环境保护要求的日益严格，燃煤价格的不断上涨，在“厂网分开，竞价上网”的运行机制下，电站锅炉面临降低运行成本与降低污染物排放的双重要求，高效低污染燃烧优化技术日益引起人们的关注。 为了满足电站锅炉运行高效低污染的要求，本文针对某试验锅炉，以工况试验数据为基础，结合最小二乘支持向量机(LS-SVM)，建立了一个以锅炉运行参数为输入，以NOx排放和锅炉热效率为输出的混合模型，实现了电站锅炉NOx排放与热效率的预测。在建立预测模型的过程中，提出以粒子群优化算法寻找LS-SVM的最优参数，解决了LS-SVM实际应用中的一个难题。 在上述模型的基础上，建立了以NOx排放量和锅炉热效率为目标，以磨煤机运行台数、煤粉细度、排烟温度和炉膛出口氧量为优化变量的优化模型，采用多目标粒子群算法进行了优化，该算法仅需给定种群大小和叠代次数两个参数，一次运行即得到一组Pareto最优解，克服了加权法的缺点。优化计算表明，降低锅炉NOx排放与提高锅炉热效率并非在任何情况下相互矛盾，仅当运行工况不存在优化空间或优化潜力较小时，NOx排放的降低需要牺牲锅炉效率，不能片面强调提高锅炉效率或降低NOx排放。本论文提出的多目标粒子群算法优化锅炉可调运行参数在锅炉燃烧优化领域还不多见。 在上述工作的基础上，为便于锅炉运行人员或技术人员掌握锅炉燃烧建模和优化方法，本文尝试性地结合OPC数据通信技术，采用Visual Basic和MATLAB混合编程的方式开发了一套电站锅炉燃烧优化指导系统软件，具有一定的使用和参考价值，这是本文的独到之处。