电厂锅炉结渣至今尚未得到很好的解决,一直困扰电力行业,随着火电装机容量的越来越大,结渣问题会变得更为严峻,成为机组的安全及经济运行的潜在隐患。因此精准判断锅炉炉膛的结渣情况,并作好相应的事故预案,提前预防,对于防止事故严重化、运行经济化具有非常重要的意义。近些年来,对燃煤锅炉的结渣特性国内外许多专家学者进行了研究,并提出了火电机组结渣程度的预测方法,总体来说,现有的各种预测评判方法与实际情况没有一个是完全吻合的。所以,本课题从研究各种方法评判准确性方面入手,分析了实际结渣现实,并对最近几年火电机组领域的研究成果及新的研究情况进行了叙述,对非专业人员对于结渣评判的各指标的了解有一个清晰的认识,同时,分析了各种研究方法的优、缺点,并指出了其准确性低的原因及根源。接着,分析了电站锅炉结渣的影响因素,确定评判锅炉结渣倾向性的指标。将模糊数学和BP网络相结合,构成模糊神经网络模型。在模糊聚类方法中隶属函数选用非线性函数,以实际电厂锅炉的燃煤数据作为训练样本,结合煤质特性的常规判别指标,并综合考虑炉膛内的空气动力场、炉膛内部温度及局部气氛对结渣的影响,提出用碱酸比B/A、软化温度t2、硅铝比SiO2/Al2O3、炉内空气系数αj硅比G和常用的两个动态指标：无因次炉膛平均温度φt与无因次实际切圆直径φd作为评判指标,并分别用模糊聚类和模糊神经网络两种方法建立评判模型进行结渣预测,针对煤种为山西大唐国际云冈热电有限责任公司的机组的燃用煤种。