能源和环境问题是影响国民经济可持续发展的关键问题。当前，国家重视节能减排措施，热电联产企业面临着提高锅炉运行效率和减少污染排放的双重任务。充分利用锅炉分布式控制系统DCS（Distribute Control System）记录大量锅炉运行数据，采用数据挖掘技术，提高锅炉运行效率成了行业中的必然趋势。由于数据挖掘需要海量数据支持，首先必须建立面向锅炉优化为主题的数据仓库。锅炉DCS系统已将各运行参数进行归档，本论文设计并实现了基于WinCC系统的实时监测客户端，提取相关系统数据，实现已归档的数据存入数据仓库。面对锅炉运行各参数之间呈现复杂的非线性关系，本文尝试采用后向反馈BP神经网络理论和关联规则算法的数据挖掘方法，对锅炉实时运行数据进行分析，从而建立锅炉运行模型。通过把数据挖掘技术与锅炉运行相结合，建立了基于神经网络和关联规则的锅炉运行模型，利用微软.Net开发技术，开发了基于锅炉优化的数据挖掘平台。该系统将现有资源进行了最大化利用，在不增加硬件设施的情况下，从数据角度寻找到了提高锅炉运行效率的手段。从长远角度，平台支持其他算法的移植，为更好的实现系统优化奠定了实践基础。