随着电力行业DCS系统和在线监控系统的不断完善，在保证锅炉机组安全运行的基础上，电力行业更加关注锅炉的经济、低污染燃烧，如何提高火电机组运行的经济性、减少能损及污染物排放已成为国内外研究的一个热点课题。因此，利用火电厂运行优化系统指导电厂优化运行的重要性日益突出。目前已经使用的火电厂运行优化系统，主要是以运行参数在线监测、热经济性计算为基础。其中，首要解决的问题是如何在线监测火电机组性能参数。在火电厂性能参数中，飞灰含碳量和烟气含氧量等的测量精度将直接影响电厂热经济性指标。本文的主要研究内容是将人工神经网络理论应用于锅炉飞灰含碳量和烟气含氧量的预测研究，并将预测模型运用到火电厂性能在线监测系统中。本论文在讨论BP神经网络各种算法的基础上，将模糊逻辑理论和神经网络结合，建立模糊神经网络模型。分析了飞灰含碳量和烟气含氧量的影响因素，采用灵敏度分析方法确定了其主要影响因素，建立了预测模型，利用从某电厂DCS控制系统采集的历史数据，对该模型进行训练和检验，得到一个适用于现场的预测模型，并将预测模型应用于该电厂在线优化系统。本文首次利用灵敏度分析方法确定模型关键输入，并将模糊神经网络模型应用到电厂飞灰含碳量、烟气含氧量等难以直接测量参数的在线监测中，为机组性能参数的在线监测提供了一种新的方法。并结合实际电厂运行数据，将BP神经网络模型与模糊神经网络模型的预测结果分别进行对比分析，最后，将对比之下的最佳预测模型集成于电厂实际优化系统。