NeuroSolutions技術用於幫助最佳化兩個聯合循環發電廠的運營，其中燃氣輪機和蒸汽輪機的總容量（包括管道燃燒產生的額外功率）投入能源市場。目標是確定最有效的燃燒機制（即燃燒渦輪機，HRSG，管道燃燒器和蒸汽輪機的負荷），同時滿足最高容量和負荷追隨承諾投標於輔助服務市場的規定。
解：預測模型是根據電網和周圍天氣條件以及工廠設備響應模型來估算近期工廠需求和可用發電能力。
然後透過最佳化模型實時使用這些輸入來確定風管燃燒器的運行。
最佳化人員一直在整個工廠區塊和子系統中分配燃料，以最大限度地降低燃料成本，同時滿足容量和斜坡率承諾。據估計，利用最佳化器更緊密地按照預測的需求每年節省燃油成本875,000至120萬美元。
整合在新控制應用中的模型可以更高效地分配管道燃燒器並節省整體燃料。為確保清潔的適當平衡，正在使用預測模型。預測模型估計鍋爐中每個熱傳表面的熱負荷和清潔係數（如使用一系列性能計算所計算的），並且最佳化模型實時確定最佳的吹灰器動作。最佳化方案的目標是提高鍋爐性能，同時保證不違反鼓風機激活的限制。
平均而言，在安裝的幾十種最佳化器中，整體吹灰器激活減少了20％，蒸汽溫度提高了7度，整體燃油效率提高了1％。為確保適當的燃料與空氣混合，預測模型正在被用於估計煙囪中的NOx和CO水平（由上游感測器測量）以及基於燃燒器和空氣設置的整體燃料效率（詳細的工程計算）。然後最佳化模型確定最佳設置以降低NOx限制，並提高CO約束內的燃料效率。平均而言，在已經安裝的數百個燃燒最佳化器中，氮氧化物排放量已經下降了10-25％，燃料效率提高了0.5-0.75％。
