为了解决不合理吹灰给电站锅炉带来的经济性和安全性问题,分别利用热平衡法和人工神经网络建立了锅炉受热面污染在线监测模型,实时监测受热面的污染状况,为锅炉吹灰优化提供依据。介绍了热平衡法的基本原理,并针对不同类型的受热面采用了不同的处理方式。采用金属与工质分开的集总参数动态修正模型对静态模型进行修正。以某燃煤机组锅炉为研究对象,利用在线监测模型推出各对流受热面进出口烟气温度,并最终计算得到污染系数。记录了几个典型工况下一些重要参数的计算结果,并与设计值进行了对比分析,验证了模型的正确性。利用人工神经网络建立了锅炉受热面污染在线监测模型。针对高温对流受热面、低温对流受热面和水冷壁等不同类型的受热面建立了不同的监测模型。详细叙述了神经网络的应用过程,包括清洁样本点的获取和筛选、神经网络结构、训练和验证等。建立参数诊断模型对采样数据进行了预处理,以剔除测点“坏值”保证热工参数的真实性和连续性。以某300MW机组锅炉为研究对象,开发了锅炉污染在线监测系统,选取低温过热器和炉内某吹灰器附近水冷壁区域的灰污曲线进行了展示和分析。鉴于Matlab强大的神经网络功能,本文神经网络的设计、训练以及预测是在Matlab中完成,Matlab与受热面积灰结渣在线监测系统之间的实时通讯则用动态链接库DLL来实现,该动态链接库是由VC编写的。为了优化系统运行速度,本地数据库则是采用SQL Server数据库,并用ODBC连接方式来访问。