随着火力发电机组逐渐向大容量、高参数、集成化方向发展，运行数据采集系统的不断完善，建立一个集在线监测、能损诊断、运行指导等功能于一体的节能潜力诊断系统，在线找到机组在运行管理和设备缺陷方面的主要经济性损失根源，从而指导机组的运行调整和设备的改造，提高机组运行经济性，将是一个具有重要工程实用意义的课题。漏风的存在和漏风量的大小对电站锅炉热效率的影响十分明显，在线确定锅炉系统各区域的漏风状况是火力发电机组节能潜力诊断的一项重要内容，但对此目前国内外尚无有效的方法，相关的研究亦十分少见。 本文作为“基于人工智能理论的火力发电机组节能潜力诊断”课题中的一部分，针对影响电站锅炉运行经济性损失的重要因素——锅炉漏风，进行了初步的研究。作者根据电站锅炉漏风的实际情况，提出了两种确定系统漏风状况诊断特征向量的可行方法，即基于系统能量分配原则的提取漏风诊断特征向量的方法和基于系统能量平衡关系的提取漏风诊断特征向量的方法。在此研究基础上，本文采用人工神经网络作为智能诊断实现工具，提出了基于系统能量分配原则和基于系统能量平衡关系的漏风诊断方案，分别构建了不同的漏风诊断神经网络模型，以实现电站锅炉漏风状况的在线监测与诊断。 仿真测试结果表明，利用电站锅炉现有的常规测点和系统易于直接测量的运行参数，可以实现系统漏风状况的在线监测与诊断；由于人工神经网络所固有的泛化和推理功能，即使在测量信息不完备或存在明显的测量误差和含有噪声形变等情况下，诊断系统仍然可以提供较为有意义的诊断结果；上述研究结果对于提高电站锅炉运行经济性具有重要的指导意义。