1.一种基于人工神经网络的锅炉效率在线计算方法，其特征在于,包括如下步骤：
采集锅炉全负荷正常运行工况下的历史数据信息，并对所述历史数据信息进行归一化处理；
将归一化后的所述历史数据信息作为人工神经网络的输入变量，归一化后的锅炉效率作为人工神经网络的输出变量，构建基于人工神经网络的锅炉效率计算模型；
将所述历史数据信息作为训练样本，并调用神经网络模块对所述锅炉效率计算模型进行训练；
将锅炉全负荷正常运行工况的实时数据信息输入训练后的所述锅炉效率计算模型，训练后的所述锅炉效率计算模型根据所述实时数据信息计算锅炉的效率并输出。
2.根据权利要求1所述的基于人工神经网络的锅炉效率在线计算方法，其特征在于：所述历史数据信息至少包括锅炉负荷、总给煤量、总风量、汽包压力、炉膛负压、二次热风温度、炉膛出口氧量、排烟温度、飞灰含碳量和炉渣含碳量中的一个或多个，所述历史数据信息还包括锅炉效率；所述实时数据信息对应至少包括锅炉负荷、总给煤量、总风量、汽包压力、炉膛负压、二次热风温度、炉膛出口氧量、排烟温度、飞灰含碳量和炉渣含碳量中的一个或多个。
3.根据权利要求1所述的基于人工神经网络的锅炉效率在线计算方法，其特征在于：所述对所述历史数据信息进行归一化处理的具体公式为：
其中，x表示分别为归一化前的值，x'表示归一化后的值；ymax表示归一化范围的最大值，ymin表示归一化范围的最小值，x'∈[-1,1]。
4.根据权利要求1-3任一项所述的基于人工神经网络的锅炉效率在线计算方法，其特征在于：在对所述锅炉效率计算模型进行训练后，还包括如下步骤：
将训练后的锅炉效率计算模型进行存储，并在接收到在线计算命令时调取，以根据锅炉全负荷正常运行工况的实时数据信息计算锅炉的效率。
5.一种基于人工神经网络的锅炉效率在线计算系统，其特征在于：包括采集模块、预处理模块、构建模块、训练模块和处理模块；
所述采集模块，用于采集锅炉全负荷正常运行工况下的历史数据信息；
所述预处理模块，用于对所述历史数据信息进行归一化处理；
所述构建模块，用于将归一化后的所述历史数据信息作为人工神经网络的输入变量，归一化后的锅炉效率作为人工神经网络的输出变量，构建基于人工神经网络的锅炉效率计算模型；
所述训练模块，用于将所述历史数据信息作为训练样本，并调用神经网络模块对所述锅炉效率计算模型进行训练；
所述处理模块，用于将锅炉全负荷正常运行工况的实时数据信息输入训练后的所述锅炉效率计算模型，训练后的所述锅炉效率计算模型根据所述实时数据信息计算锅炉的效率并输出。
6.根据权利要求5所述的基于人工神经网络的锅炉效率在线计算系统，其特征在于：所述历史数据信息至少包括锅炉负荷、总给煤量、总风量、汽包压力、炉膛负压、二次热风温度、炉膛出口氧量、排烟温度、飞灰含碳量和炉渣含碳量中的一个或多个，所述历史数据信息还包括锅炉效率；所述实时数据信息对应至少包括锅炉负荷、总给煤量、总风量、汽包压力、炉膛负压、二次热风温度、炉膛出口氧量、排烟温度、飞灰含碳量和炉渣含碳量中的一个或多个。
7.根据权利要求5所述的基于人工神经网络的锅炉效率在线计算系统，其特征在于：所述预处理模块对所述历史数据信息进行归一化处理的具体公式为：
其中，x表示分别为归一化前的值，x'表示归一化后的值；ymax表示归一化范围的最大值，ymin表示归一化范围的最小值，x'∈[-1,1]。
8.根据权利要求5-7任一项所述的基于人工神经网络的锅炉效率在线计算系统，其特征在于：还包括存储模块，用于将训练后的锅炉效率计算模型进行存储，并在接收到在线计算命令时调取，以便训练后的锅炉效率计算模块根据锅炉全负荷正常运行工况的实时数据信息计算锅炉的效率。
9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时，用于执行权利要求1-4任一项所述的方法。
10.一种基于人工神经网络的锅炉效率在线计算终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述方法的步骤。