在对某电厂锅炉混煤掺烧的飞灰含碳量特性进行多工况热态测试的基础上，应用人工神经网络的非线性动力学特性及自学习特性，建立了飞灰合碳量特性的神经网络模型，检验样本的预测值与实测值的相对误差分别为1．14％、1．19％和2．45％，证实了该模型的可行性。将锅炉运行调节参数作为优化目标函数的自变量结合全局最优的遗传算法，针对无印尼煤掺烧、1台磨煤机掺烧和2台磨煤机掺烧3种工况进行了寻优并获得了最佳操作参数，飞灰含碳量分别由原来的2．25％、1．96％和1．08％降至1．87％、1．69％和0．73％，表明印尼煤的掺烧有助于降低飞灰含碳量，提高锅炉效率。同时，也对掺烧印尼煤工况下磨煤机或者磨煤机组合的选择进行了寻优，结果表明用B、C磨煤机进行掺烧为最佳方案。