热电锅炉燃烧既要实现过程的自动控制,保证其在稳定、安全的状态下实现化学能——热能的能量转换,又要实现过程的优化操作,能够使得整个机组在运行过程中保持良好的效益。随着对火电厂污染物排放控制的进一步要求,燃烧过程更要在注重经济效益的同时,达到规定的环保指标。综合来看,热电锅炉燃烧过程是典型的多目标控制和优化相互耦合的复杂工业过程,针对如何更好地解决该过程优化与控制一体化问题,本文从以下三个方面展开研究:(1)数据整合方法研究。主要研究了基于数据驱动的建模前的整合方法,引入推荐引擎中的协同过滤(CF)算法思想来补全热电锅炉燃烧样本中的低位发热量缺失数据,并利用主成分分析(PCA)来处理样本的高维度问题;分别利用聚类算法和统计学方法对二元样本进行了离群数据分析,并结合两者优势,提出了一种FCM-MD算法来识别燃烧数据集中的离群样本,能有效地判别出样本集中边缘离群点与中心离群点。(2)热电锅炉燃烧热效率与NOx排放量的建模研究。针对热电锅炉燃烧过程存在非线性、多工况、多耦合等特点,本文提出了一种FCM-LSSVM-WC多模型建模方法。通过结合基于平均影响度的模糊C均值聚类、最小二乘支持向量机和子模型加权连接来对锅炉热效率与NOx排放量进行建模研究,使得在建模过程中既能对锅炉燃烧工况进行分类处理,又能根据同一规则将多模型输出进行连接,保证了建模过程的连贯性与统一性,为实现热电锅炉燃烧优化建立模型基础。(3)热电锅炉燃烧过程的优化与控制研究。参考优化与控制一体化技术的思想,使得燃烧过程控制的输出变量尽可能地维持在优化级给出的设定值上。通过加入精英算子的量子遗传算法(QGA)来对建立的锅炉热效率与NOx多模型进行迭代寻优,获得某工况下烟气氧量的最优设定值;在燃烧控制中,利用模型预测控制跟踪优化层给出的氧量设定值,同时对主蒸汽压力进行区间控制,从而使得优化目标与控制目标同时达到最优。