在燃煤电站，锅炉受热面的积灰和结渣是不可避免的现象。随着燃煤电站机组容量的不断增大，特别是超临界燃煤锅炉运行过程中的结渣、积灰等现象会对锅炉的安全经济运行带来严重影响。为提高机组的经济性和安全性，需要对锅炉受污染的受热面进行吹扫，但对于常规的吹灰方案制定，大多电厂是根据锅炉制造单位所提供的设计说明书中的要求或根据其它已投运电厂类似设备的运行经验制订，这些做法实际上都带有盲目性，人为因素起了相当大的作用。为达到最佳的吹扫效果，优化吹灰的研究是非常有必要的。　　 锅炉受热面的灰污监测是指导优化吹灰的基础，本文按照锅炉灰污的形成原理、增长形态和特性的不同，对锅炉不同受热面灰污的实时监测模型进行了研究，利用清洁因子作为灰污监测的特征参数；针对对流受热面建立了基于热平衡的灰污监测模型；针对空预器建立了基于烟气压差法的灰污监测模型；而针对炉膛受热面，建立了以炉膛热有效系数为特征参数的炉膛灰污监测模型。同时本文结合人工智能算法建立了基于BP神经网络和基于遗传算法优化支持向量机参数的锅炉受热面灰污监测预测模型，得到了很好的预测精度。　　 在理论研究的基础上，本文开发了燃煤电站锅炉智能吹灰优化通用系统。系统将实时计算程序和基础数据分别存储到不同文件内，针对不同容量机组的结构参数和离线计算，分别进行系统定义和基础数据录入，实现了软件开发的通用性和可移植性。最终完成了清洁因子实时监测、参数修改、历史曲线查询、吹灰指导、烟温实时监测等功能，实现了受热面污染程度的量化和可视化，为运行人员提供参考，指导吹灰。最后通过现场进行的一系列吹灰试验，验证了吹灰优化系统的有效性和准确性。