燃煤电站锅炉各受热面不可避免地会出现灰污现象,灰污对机组的安全经济运行有重大影响。而随着电力市场竞争加剧,电站掺烧低价劣质煤,使得灰污现象加剧;故受热面灰污状态监测与吹灰优化成为近来国内外研究的热点。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。如何准确监测炉内各受热面的结渣积灰状况和变化趋势,并及时有效地采取相应的吹灰清渣措施,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。针对锅炉受热面结渣、积灰特性,本文采用人工神经网络应用于锅炉受热面灰污监测,并选择将工质的进出口温度、烟气进出口温度、工质流量、机组负荷、过量空气系数、燃煤成分等作为输入变量,以反映受热面积灰状况的污染系数作为输出向量。在上述研究的基础上,结合工况及煤质对灰污状况的影响分析,从而应用3层神经网络构建了300MW电站锅炉受热面积灰监测数学模型。在人工神经网络的基础上,本文采用了遗传算法优化网络的结构和权值。通过选择、交叉、变异等操作,可提高学习效率,避免学习中陷入局部最小,使模型最终具有了良好的收敛性和适应性。网络进行训练的样本数据来自电厂DCS系统所采集的机组实时数据,并进行过规格化处理。本文中所开发的实时监测系统,经大量试验的验证和在线调试,实际应用于华电青岛发电公司300MW燃煤锅炉。监测结果表明,所建模型能正确反映各级受热面的污染系数的变化,所开发的系统软件能够提供锅炉受热面的在线监测功能,并给出吹灰优化的初步基本操作指导,有助于电厂降低排烟温度和提高锅炉效率。