目前,火力发电厂的锅炉的经济性和安全性取决于燃烧的稳定性。在火电厂锅炉燃烧系统中,磨煤机系统中的一次风系统是保证煤粉输送和锅炉燃烧的重要系统,一次风量是一次风系统中最重要的参数,送风的安排对锅炉燃烧的实惠性万分关键。所以,有必要合理地预测磨煤机的一次风流量,以保障一次风量的可操纵性,提高磨煤机一次风量预测和估计的精度,为磨煤机一次风量的在线监测和优化运行提供数据支持。针对火电厂磨煤机一次风量的预测,本文先选取了10个有关磨煤机一次风量的运行参数;然后采用灰色关联度分析法对采集的数据进行处理,可选取确定5个与磨煤机一次风量的关联度较大的影响因素;再采用层次聚类分析算法对选取的5个影响磨煤机一次风量的各类因素的历史数据进行分类,从中选择用于神经网络训练的数据;最后根据聚类结果,选择与预测日条件相近的历史数据作训练样本,检验样本为预测日的一次风量值,通过Matlab软件建立BP神经网络仿真模型进行一次风量的预测,并进行预测数值的误差检验。本文的创新点在于针对火电厂磨煤机一次风量的预测,采用K-均值算法结合AGNES算法的方法进行层次聚类分析,可以让聚类既准确又快速。结果表明预测数值的相对误差超过5%的比例能控制在10%以内,预测数据可达到火电厂磨煤机的实际运行要求。