1、利用煤最主要的方式就是燃燒，但燃燒過程中必然伴隨著大量污染物的釋放，所以煤是一種不清潔能源。在煤炭的燃燒過程中，釋放出的主要污染物有二氧化硫(SO2)、氮氧化物(NOx)等?？刂莆廴疚锏呐欧攀冀K都是全世界關注的焦點。
　　煤燃燒過程中，雖然二氧化硫(SO2)與氮氧化物(NOx)的生成機理不同，但在兩者之間存在著協(xié)同作用，氮硫污染物彼此相互影響，或促進或抑制，所以彼此都是對方的影響因素。燃燒條件不同時，一種污染物排放量的變化往往引起

2、另一種污染物隨之發(fā)生變化，或是同增或是同減也或是此消彼長，所以針對單一污染物的預測模型無法準確的掌握機組運行的情況。
　　本文通過BP神經網絡建模，采用經典變量篩選方法MIV，在原有輸入變量中，以協(xié)同作用為根據(jù)，引入上一時刻的二氧化硫(SO2)與氮氧化物(NOx)濃度也作為模型的輸入變量，隨后再以遺傳算法優(yōu)化該BP神經網絡模型，預測污染物排放量的精度得到了提高。本文在此預測模型的基礎上再進行參數(shù)尋優(yōu)模型的構建。根據(jù)機組脫除SO2和

3、NOx的成本計算，脫硝的成本較脫硫要高出很多，而單位排煙中SO2的含量卻又要高出NOx很多，除此之外由于存在協(xié)同作用，兩者生成量之間互有影響，或是同增或是同減也或是此消彼長，因此造成不同的運行參數(shù)下單位排煙脫除污染物的總成本存在差異。在參數(shù)尋優(yōu)模型中以單位排煙污染物脫除總成本為尋優(yōu)適應度函數(shù)，最小化總成本為尋優(yōu)目標，通過極值尋優(yōu)找到最佳可操作運行參數(shù)，對配風方式，含氧量等不斷優(yōu)化，以實現(xiàn)降低污染物脫除總成本的目的，可以為電廠的運行提供參