锅炉的飞灰含碳量是对燃烧效率影响最大的因素之一。实际运行中,电厂可能不能长期供应设计煤种,这时需进行配煤掺烧。它可以提高劣质煤的利用率,降低燃料成本等,但可能会导致飞灰含碳量偏高。因此,研究煤种偏差对飞灰含碳量的影响,从而提高燃烧效率,最终指导锅炉运行的优化至关重要。本文在查阅大量文献的基础上,概述了循环流化床锅炉发展现状,简单介绍了目前循环流化床锅炉的优点。介绍了几种对飞灰含碳量进行准确快速测量的方法,分析了影响飞灰含碳量的主要因素及其影响特性,并把它们作为神经网络模型的输入参数。它们是煤种工业分析成分(灰分、挥发分、水分和固定碳)、低位发热量、给煤量和总风量。重点介绍了BP神经网络的结构算法以及算法的改进,它具有出色的非线性映射能力、泛化能力、容错能力,为之后模型的建立奠定了基础。利用某电厂150MW循环流化床锅炉的部分运行数据建立了 BP神经网络母模型和三个子模型,性能参数(R2,RME)分别为(0.9571,4.84%),(0.9173,0.93%),(0.9660,0.78%)和(0.9498,0.07%)。将训练好的神经网络模型与相应的线性或非线性多项式回归模型进行对比,结果表明神经网络模型具有更好的预测精度。对母模型进行敏感性分析,结果表明,各煤种工业分析参数对飞灰含碳量的影响均较大。分别选取煤种工业分析参数中的一个或多个作为主动变量,预测它们出现偏差时飞灰含碳量的变化趋势,获得了飞灰含碳量较低时煤种的最佳值或范围。