1、在我國(guó)，燃煤是重要的發(fā)電一次能源，圍繞燃煤?jiǎn)栴}展開(kāi)的優(yōu)化管理工作對(duì)于火電廠的效益和安全運(yùn)營(yíng)意義重大。一方面表現(xiàn)為燃煤開(kāi)銷已高達(dá)火電廠發(fā)電成本的七成以上，另一方面，煤質(zhì)的穩(wěn)定性關(guān)系到電廠發(fā)電設(shè)備的運(yùn)行安全。為提高電廠效益，保障煤質(zhì)穩(wěn)定，近年來(lái)，各大電廠紛紛對(duì)優(yōu)化配煤技術(shù)加以重視和利用，在燃煤管理工作中取得了一定的成效。
　　目前，國(guó)內(nèi)部分電廠已經(jīng)開(kāi)始采用簡(jiǎn)單的線性模型來(lái)進(jìn)行配煤優(yōu)化管理，然而，在實(shí)際配煤過(guò)程中存在以下問(wèn)題：1）混煤煤

2、質(zhì)與組成單煤之間存在強(qiáng)烈的非線性特性，導(dǎo)致由線性模型計(jì)算得出的結(jié)果與實(shí)際情況偏差較大；2）單煤煤質(zhì)本身也具有隨機(jī)性。以上情況均說(shuō)明線性模型不能對(duì)實(shí)際的配煤?jiǎn)栴}做出準(zhǔn)確的描述，因此，需對(duì)該模型進(jìn)行有效的改進(jìn)。
　　針對(duì)上述問(wèn)題，本文主要進(jìn)行了以下幾個(gè)方面的研究：1）建立了電廠配煤非線性多目標(biāo)規(guī)劃數(shù)學(xué)模型
　　混煤燃燒過(guò)程具有強(qiáng)烈的非線性特性，而大部分電廠實(shí)際采用的配煤模型均為簡(jiǎn)單的線性模型，因此，該模型不能有效反映電廠的實(shí)際生

3、產(chǎn)情況。本文針對(duì)這種情況，對(duì)線性模型做出了相應(yīng)改進(jìn)，建立了更加符合實(shí)際的非線性多目標(biāo)規(guī)劃數(shù)學(xué)模型。
　　2）研究了混煤煤質(zhì)回歸估計(jì)方法
　　針對(duì)混煤煤質(zhì)的非線性特性，本文引入BP神經(jīng)網(wǎng)絡(luò)、SVM方法對(duì)混煤煤質(zhì)進(jìn)行了回歸估計(jì)實(shí)驗(yàn)。針對(duì)實(shí)驗(yàn)中存在的缺陷，結(jié)合配煤?jiǎn)栴}進(jìn)行了分析，提出了相應(yīng)的改進(jìn)方案：采用自組織神經(jīng)網(wǎng)絡(luò)、模糊聚類等方法對(duì)單煤進(jìn)行聚類分析，并在此基礎(chǔ)上對(duì)混煤煤質(zhì)進(jìn)行回歸估計(jì)的改進(jìn)方案。最后，通過(guò)幾組對(duì)比實(shí)驗(yàn)，比較了聚

4、類前后混煤回歸估計(jì)的結(jié)果。
　　3）結(jié)合遺傳算法的配煤多目標(biāo)規(guī)劃數(shù)學(xué)模型求解
　　由于在建模過(guò)程中，需要引入神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等方法進(jìn)行訓(xùn)練，導(dǎo)致模型非常復(fù)雜，而且用傳統(tǒng)的方法不易求解。針對(duì)該問(wèn)題，本章引入遺傳算法來(lái)求解此類問(wèn)題；另外，在未進(jìn)行模型顯式表達(dá)的情況下，將遺傳算法和神經(jīng)網(wǎng)絡(luò)（或SVM）的matlab程序進(jìn)行了嵌套，給出了求解方法的具體思路和流程。
　　4）配煤隨機(jī)優(yōu)化數(shù)學(xué)模型的研究
　　針對(duì)煤質(zhì)的隨