在能源供应日益紧张和电力市场逐渐放开的今天,以提高火电厂整体经济性为目标的优化技术显得越来越重要。本文围绕火电生产过程子系统的优化,从基础的优化算法到具体的仿真和工程应用进行了细致深入的研究。本文在分析前人的研究成果和火电厂优化技术应用现状的基础上,指出了一些有意义的研究方向和研究内容。考虑到工程优化问题大都需要一定的优化算法来求解,本论文从论述各种优化算法出发,指出了传统优化算法中的Lemke算法是求解众多二次规划最有效的方法之一。文中还对适用范围较广的智能优化算法进行了深入的研究,针对现有实数编码遗传算法(RCGA, Real-coded based Genetic Algorithm)和粒子群优化(PSO, Particle Swarm Optimization)算法存在的不足,分别提出了两种混合智能优化算法。大量的仿真结果表明,本文所提出的优化算法非常有效。为了给后续研究的软件实现方面作一些必要的准备,并真正实现代码的重用,作者开发了一套基于COM技术的优化算法库。在优化算法研究的基础上,本文着重对火电厂负荷优化分配、热工控制系统优化和机组运行优化等问题进行了研究。火电厂负荷分配的优化问题是实现火电厂其它系统运行优化的先决条件,也是研究较多的课题之一。文中提出了三种新型的优化方法来求解负荷分配优化问题:(1)通过Hopfield神经网络构建了一种采用动力学方法求解稳态优化解的新型思路,并从数学上证明了该优化方法能够收敛。仿真结果进一步表明了该算法的可靠性和优化结果的全局性;(2)利用本文提出的改进PSO算法并结合“解的可行性保持法”的约束条件处理机制,准确、快速地获取了三台机组的负荷优化分配结果;(3)首次将Lemke算法用于求解负荷分配优化问题,仿真结果表明该算法经过有限次行变换数就可以获得准确优化结果。为方便Lemke算法的推广应用,本文给出并证明了一个重要的优化问题等价性定理。负荷优化分配必然会给机组运行带来扰动,特别是随着电网峰谷差的增大,机组经常处在负荷大范围变动的情况下运行。优化热工控制系统是保障机组在新形势下安全、经济运行的重要手段之一。控制系统优化本质内容是采用合理的控制回路结构和新型的控制算法来设计品质优良的控制系统。本文指出了优化控制系统的一般思路和方法,并对某台350MW机组的再热汽温控制系统进行了优化改造,与优化前相比,取得了较好的控制品质。先进控制算法中的预测控制算法在热工过程控制中有广阔的应用前景,该算法中的核心内容是在线滚动优化。采用本文提出的各种优化算法实现了受限预测控制中的滚动优化问题的求解,获得了非常满意控制效果,这也从另一侧面反映了本文所提出的改进优化算法的有效性。对复杂系统实施预测控制时,在线滚动优化计算负担较大,本文综合考虑约束条件和性能指标,给出了一些减轻在线优化计算负担的策略。机组大量的运行数据中蕴含着机组运行参数特性关系和关联关系。本文给出了基于神经网络建模技术的循环水优化方案实施的框架和特点。机组运行参数优化目标值的确定是实现机组运行优化的瓶颈,本文以给水温度优化目标值的确定为例,给出了基于数据挖掘技术获取运行参数优化目标值的实现框架和步骤。