技术
传统的设计途径是依靠微分方程获得。在设计，制造，安装，控制，运行各个环节中，包含许多未知数。在设计过程中加入了大量放大的安全系统来涵盖这些未知情况，导致实际的运行状况与设计的情况有相当的差距。因此，锅炉热力系统具有可以挖掘的冗余空间。传统的热力试验方法存在片面性和局限性。
基于系统优化的理念，全面优化锅炉系统的运行方式;
引进现代控制理论、信息技术和先进的计算机技术作为优化工具;
采用应用数学方法挖掘锅炉系统的冗余空间和强迫人工智能神经网络快速完成训练;
依靠高品质的数据,对系统进行全面分析，确定问题的真正原因;
利用专家系统完成数据筛选、创造数据以及优化结果预测与验证;
利用统计学与回归分析的方法和相关性分析，精简优化过程的可调变量;
优化的简单过程如下：拓展锅炉系统优化边界范围，利用实验设计方法;
集合创造反映系统特性的数据-筛选并优化数据-强迫人工神经网络学习;
完成建立锅炉系统可调变量与输出目标参数间协调控制数学模型-计算优化;
运行最佳组合模式-专家系统预测/验证优化结果-发布优化运行模式。
本优化方案用到的数学和计算机技术如下：多变数非线性回归分析;人工智能神经网络(ANN);应用数学-统计学(实验设计)。
锅炉运行优化系统引入了关键的中间过程参数光谱在线测温仪。炉膛出口烟温通过在线实时监测获得。该参数的引入使锅炉运行优化系统在控制对流受热面管壁温度和减温水投放、辐射受热面积灰结焦和智能吹灰、NOx排放等方面起到了良好的效果。
用户即可选择优化系统对锅炉运行进行多目标优化，也可针对电厂自身的需求选择着重优化对象。此时将围绕着重优化的某些目标，制订试验方案，提高相关因素的权重，达到着重优化的目的。
优化系统可将采集的用于训练的数据保存到SQLSEVER2000。人工神经网络训练的结果保存到BCB6.0自带的Paradox数据库中。如果产生数据量过大，则将Paradox数据库中的数据保存到SQLSEVER2000中作为历史数据。
数据发布模块：优化系统采用OLEDB技术连接SQLSERVER数据库，根据神经网络操作员选择的被调节参数和调节参数，动态生成被调节和调节参数及目标和优化表格，并可发布到电厂MIS网络各客户端。
试验选定在高中低三种工况下进行，对所有与锅炉运行有关的可调参数进行全面调整,其中包括：1.安全性、可靠性、经济性关系权衡与界定;2.各次风量、风速的协调配置调整;3.运行参数全面协调;4.过程参数监控。
