电站锅炉入炉风煤比以及各送粉管道的风粉均衡分配直接影响到锅炉的经济安全燃烧,因此,有必要对电站锅炉一次风粉浓度进行在线监测。然而,长期以来,对于不同形式的制粉系统,由于两相流的复杂性,一直缺乏可靠的风粉浓度的测量方法,因此,有必要对风粉浓度测量方法以及实现方法进行研究。近年来,软测量技术的发展解决了许多传统硬件无法监测的过程变量,电站煤粉浓度的测量问题可望借助软测量的方法得到更好的解决方法。本文以软测量技术为线索,以电站风粉浓度测量为背景,解决电站风粉浓度测量中的相关问题,本文的具体内容如下:1、研究和总结软测量技术中的数据预处理方法。软测量主导变量的估计以辅助变量为基础,而从工业现场采集的数据由于仪表本身以及环境因素的影响,不可避免会带有测量误差,因此软测量建模前的首要工作是进行数据预处理。对于随机误差,本文提出了基于数字滤波的方法减小随机干扰,并提出了将多种滤波算法相结合的方法;对于显著误差,本文提出了基于主元分析(PCA)的显著误差检测以及数据校正的方法,并对工业现场中可能出现的几种显著误差进行了仿真实验,证明方法有效。2、解决了热风送粉方式下热平衡法计算煤粉浓度的滞后问题,提出了基于温度变系数动态补偿的热平衡算法。该方法成功运用于某热电厂风粉在线监测系统中,运行结果显示此方法实时性高于普通算法。3、通过对空气和煤粉的两相流理论的研究,提出了中储式制粉系统通用的基于混合前后动压测量的煤粉浓度监测方法,并依托上述项目进行了现场实验。通过对大量采集数据的统计分析,利用机理与回归相结合的方法,得出算法模型,并应用于风粉在线监测系统,该方法取得了令人鼓舞的结论。4、作为机器学习的一种方法,支持向量机能够解决困扰很多学习方法的小样本、过学习、高维数、局部最小等问题,并且具有很强的泛化能力。本论文将支持向量机理论运用于软测量的建模中,详细介绍了支持向量机的相关理论基础,并利用支持向量回归机原理建立了风粉软测量模型。在仿真中,本文将该方法与广泛运用的基于RBF神经网络的软测量模型进行比较,结果表明,在泛化能力上基于支持向量机的软测量方法优于神经网络。5、将软测量问题的工程化是软测量研究取得实际价值的关键环节。本文详细分析了电站风粉浓度测量的硬件选择和软件构架,并提出了组件化的软测量软件设计思想,通过开发数据采集模块、数据预处理模块、核心算法模块、软测量模型评估和校正模块等提高测量系统的开放性和多用性。