电站锅炉燃烧状态的好坏直接影响火电机组的经济性和安全性,本论文利用电站SIS数据库数据,重点围绕热工信号的多尺度相关性这个方面进行研究。针对传统的信号相关性分析方法主要刻画的是信号整体趋势相关性,不能够兼顾信号的局部波动相关性问题,而小波变换不依赖于机理分析,从信号的信息波动性入手,可以克服此问题,所以提出了将小波变换与信号相关性分析技术结合起来。本文研究了一种基于小波的多尺度信号相关性分析方法。通过小波变换将信号分解到不同频率范围内,然后重构得到不同频段下的信号分量。依据同一频率信号的波动相似性计算它们之间的相关系数,以此描述该尺度下信号之间的相关性程度。通过利用多尺度分析方法,研究多个信号在不同尺度上的相关性,进行对多个频变信号的实例仿真验证了该方法的有效性。其中还以频变信号为例,讨论了小波变换中小波基和分解层数的选取问题。并对某电站600MW机组数据进行热工信号实例分析,并结合机理进行研究。表明该方法不仅可以定量分析信号低频趋势的相关性强弱,同时也能够挖掘出高频波动相似性强的信号,从而拓展了热工相关信号的挖掘范围。