软测量技术也称为软仪表技术，是指对于难以测量或暂时不能单独用仪表进行测量的被测变量，选择另外几种容易测量的变量，构造这些辅助变量与主导变量之间的某种数学关系，实现对待测过程变量的测量。采用华能某电厂2006年的DCS系统采集的历史数据，建立了烟气含氧量的软测量模型，其中包括了因子分析回归模型、偏最小二乘回归模型、BP神经网络模型。模型的输入变量包含了煤质参数、煤量、风量、蒸汽流量、排烟温度、燃烧器摆角等15个锅炉运行的参数作为烟气含氧量的预测参数，通过对这些模型的对比分析，提出将偏最小二乘回归与神经网络相耦合，利用偏最小二乘回归对数据提取主成分，在保证模型精度的前提下降低了神经网络的输入维数，建立了烟气含氧量预测混合模型，验证表明，混合模型的最大泛化误差不超过5％。利用此模型进行了烟气含氧量影响因素的定量分析，直观的体现了可控参数及煤质参数对烟气含氧量的影响作用。作为适合我国国情的洁净煤技术之一的动力配煤技术日益引起人们的普遍关注，本文建立的优化配煤模型主要包括两个方面。一方面根据配煤后的煤质水分、挥发分、灰分、发热量与单种煤之间存在线性关系，即各单种煤的加权平均值与实测值之间不存在显著性差异，对不同配煤比例下的煤质水分、挥发分、灰分及价格进行计算；另一方面结合遗传算法，以配煤比例为待优化变量，以单位千瓦时发电燃料成本最低作为优化目标函数，同时考虑了配煤燃烧对配煤成本和发电煤耗两方面的影响，借助遗传算法的全局寻优功能，并行搜索配煤比例的最优值。与传统的优化配煤模型相比，该模型充分考虑了煤质参数变化时对发电煤耗的影响，为机组经济性能的在线监测、能耗分析、运行指导以及生产管理提供了切实可靠的分析依据，有利于提高电厂生产和管理的现代化水平。