燃煤电厂是全球NOx排放的主要来源之一。对燃煤电厂NOx排放量进行预测，不仅对锅炉的燃烧调整具有指导作用，而且对于保护环境具有重要意义。本文研究的目的是通过图像测温法获得炉膛温度，连同其他一些主要运行参数对NOx排放量进行预测，从而为电站运行人员提供有效的运行指导信息。本文以图像测温法和NOx排放预测与分析为主要内容，具体如下： 分析了NOx生成机理和影响其排放的参数。根据采集的数据，分析了不同运行参数及煤质对NOx排放的影响，找出主要运行参数。结果表明炉膛温度高低与分布的均匀性是影响NOx排放量的重要参数之一，因此，有必要进行温度场的重建。 基于图像测温法的温度场重建。对炉膛火焰数字图像进行降噪、局部增强和边缘检测，突出了图像中感兴趣的特征。然后通过比色法和色度学原理进行了测温和温度场重建。用VB编程进行温度的趋势图、伪彩色显示。其温度结果作为预测NOx排放量的主要参数之一。 基于主成分分析和贝叶斯正则化BP神经网络的NOx排放量预测。针对电厂燃煤锅炉NOx排放量预测建模中输入因子过多而导致神经网络结构规模过大、泛化能力差的问题，通过主成分分析剔除冗余数据。并用贝叶斯正则化方法改进传统的BP神经网络，以300MW燃煤锅炉多工况运行数据为例，对NOx排放量进行预测，并同综合烟气分析仪的测量值进行对比。结果表明，改进的BP神经网络预测方法与传统的BP神经网络方法相比，泛化能力有显著地提高；同时也表明，根据运行参数可以较好地预测NOx的排放量。利用灰色关联度对NOx排放有影响因素进行了定量分析。参照灰色关联度分析结果可以对运行进行调节，从而为降低NOx排放提供参考。 最后，通过Matlab和VB混合编程进行图像测温和 NOx排放量预测系统界面和模块功能的开发。