随着我国国民经济的发展和新能源电力系统的不断推进,用电结构发生很大的变化,电网面临的调峰形势日益严峻。新常态下,频繁、深度调峰对全国范围内火电机组的经济运行和快速响应产生极大挑战。在满足电网调度部门下发的总负荷指令要求的基础上,研究如何在兼顾经济性与快速性的前提下优化分配厂级机组的发电负荷,对于降低火电厂的供电成本以及提高企业竞争力具有重大意义。考虑到制粉出力对机组运行的重要影响,本文将制粉系统的运行优化纳入厂级负荷优化分配的研究范围内。为了降低制粉系统单耗,建立了基于BP神经网络的制粉系统能耗特性模型;在此基础上,采用遗传算法对制粉系统进行负荷优化分配。实例仿真结果表明:基于BP神经网络模型的制粉单耗预测值与实际值相差主要集中在0.4kWh/t以下,表明模型的可靠性;比较优化前后的制粉单耗,优化后的制粉单耗最多下降了 2kWh/t,大部分降低的幅度都在1.5kWh/t以上。提高了机组运行经济性,有效降低了机组负荷扰动。在此基础上,本文同时考虑了火电厂运行成本和全厂负荷响应能力,建立了计及经济性与快速性的厂级负荷优化分配模型,具有较强的灵活性和可操作性。结合等微增率法,提出了一种改进遗传算法,克服了传统遗传算法收敛速度慢的缺点,实例仿真结果表明,改进的遗传算法有效缩短了计算时长,保证了搜索速率,为燃煤发电机组调峰过程中负荷优化分配提供了有效参考。