我国的发电厂主要是以燃煤发电厂为主,以煤炭为燃料的锅炉在运行过程中,各个区域的受热面难以避免地会被积灰所污染,灰污的存在对机组的经济性、安全可靠性都会造成很大的影响。在运行过程中,为了减轻受热面污染物的不利影响,一般会采用吹灰的方式保持受热面的清洁,主流的吹灰手段有蒸汽吹灰和声波吹灰。目前电厂存在的问题是吹灰的频率和时机上基本都是依靠经验,效益较低,并且不合理吹灰除了会带来经济性问题,同时也会带来安全性问题。本文针对现状,从经济性考虑,建立一个监测模型,对受热面污染状况有一个更直观的认识,同时可以达到优化吹灰效益的目的。本文主要基于华能大连电厂的DCS系统数据,利用热平衡法和神经网络法分别建立灰污状况在线监测模型,为优化吹灰提供依据。在使用热平衡法时,分别对不同的受热面类型针对性采用不同方式监测,计算出污染系数。通过一些工况下的计算结果与设计值的对比,验证模型的可行性。使用人工神经网络的方法建立的模型,主要选取低温过热器以及吹灰器附近的水冷壁区域的污染情况进行分析。在华能大连电厂某机组的性能试验中,通过优化吹灰,收到了一定成效,排烟温度下降,超温频率下降,受热面金属超温幅度下降,说明优化后受热面污染程度下降。