燃煤电站锅炉受热面积灰结渣对机组的安全经济运行有重大影响。在锅炉运行中,吹灰是清除灰污和保持锅炉受热面传热性能的一种有效手段。目前,吹灰器的运作大多是由运行人员根据经验,定时将全部受热面吹扫一遍,很难确定吹灰效益。如何准确监测炉内各受热面的结渣积灰程度和发展趋势,并根据积灰结渣的状况和运行需要,及时有效地采取吹灰清渣措施,显得十分重要。为了实现锅炉受热面的吹灰优化,本文主要研究了电站燃煤锅炉受热面灰污状态在线实时监测的理论与方法:采用人工神经网络对锅炉受热面的污染监测问题进行研究。根据传热学基本原理对影响锅炉受热面灰污状态各参数之间的内在关联进行了分析。在分析的基础上,运用神经网络按照锅炉受热面结构建立了锅炉受热面灰污监测模型。在神经网络的训练上,采用了改进的BP算法对锅炉受热面灰污监测模型进行训练。BP算法使网络的收敛速度大为改观,而且网络的适应性也有了很大的提高。在面向对象的编程思想指导下,开发了包括神经网络类等类库,在神经网络的实现上,可以生成复杂的多层前馈网络监测模型。运用VC++ 6.0编制了锅炉受热面污染在线监测系统程序。在现场实现了对PI系统的数据实时采集,完成了吹灰试验和监测系统的在线调试,并对监测结果进行了详细分析。所开发的实时监测系统,已经应用于华电国际十里泉电厂300MW燃煤锅炉的实际锅炉受热面污染吹灰指导,经过了大量实验的验证。监测结果表明,所建模型能正确反映各级受热面的污染因子的变化,所开发的系统软件能够提供锅炉受热面的在线监测功能,并给出吹灰优化操作指导。