随着国家的迅速发展与国民生活水平的提高,国家对于能源的需求越发强烈。由于“富煤、贫油、少气”的国家能源结构的限制,煤炭仍是主要消耗能源。国内火力电厂在提供大量电力资源的同时会消耗大量的煤炭资源,在煤炭燃烧的过程中会生成多种污染物,对环境和人造成不良影响。煤炭燃烧中污染物的生成多少以及热效率的高低涉及到炉型、燃烧方式等多种参数,因此如何对污染物以及热效率进行预测,并进一步结合多目标优化算法,建立对污染物生成浓度以及热效率的预测控制策略是对大型锅炉源头减排及能效提升的重要研究方向。本文以某电厂1000MW对冲锅炉的现场运行数据为研究对象,开展大型锅炉源头减排及能效提升策略研究,主要研究成果如下:针对如何实现锅炉污染物和热效率的预测的难题,以机组PI数据库中采集到的数据作为数据基础,基于Spearman相关性分析和随机森林算法建立NOx生成浓度以及热效率预测模型。结果表明,预测模型在NOx生成浓度预测集的均方根误差为16.31 mg·m-3,在热效率预测集上的均方根误差为0.08%,可见基于特征选取的随机森林的模型能实现对冲锅炉NOx生成浓度和热效率的预测。针对如何寻找对冲锅炉运行过程中在经济性与环保性之间的平衡点的难题,确立以NOx生成浓度和热效率为优化目标,建立结合随机森林预测模型的对冲锅炉NSGA-Ⅱ多目标优化流程。结果表明,NOx生成浓度可从实际运行工况的430mg·m-3降低至362.57mg·m-3,减排比例约15.7%;热效率由可从实际运行工况的94.20%提高至94.41%,增效比例约为0.2%,实现对冲锅炉全负荷下的多目标优化。针对如何在多种影响因素下实现对冲锅炉减污增效协同控制的难题,确立以MPC与优化流程结合的双层控制结构的控制策略,实现对锅炉负荷、热效率、NOx生成浓度的协同控制。仿真结果表明,通过双层控制,可有效提高热效率0.3%,降低NOx生成浓度约60mg·m-3排放浓度。