我国火力发电的能源利用率相对较低,主要影响因素之一是许多重要的技术参数和经济参数难以在线实时测量,如与锅炉效率密切相关的烟气含氧量、飞灰含碳量、球磨机负荷等热工参数。软测量技术是解决这些参数测量问题的有效方法之一,它利用一些易于测量的变量通过在线分析来估计这些不可测或难测变量。本文围绕热工参数软测量的几个关键技术问题,展开了以下研究:1.全面分析火电厂监测对象及热工参数的特点,讨论影响热工参数软测量精度的主要因素为:数据预处理、辅助变量选取、建模算法、模型结构。2.从数据预处理及辅助变量选取两个关键技术问题出发,研究提高火电厂热工参数软测量精度和可行性的方法:数据预处理方面,充分考虑现场数据的误差分析与处理;辅助变量选取方面,引入灰色理论进行优化选取,提高模型的精度和可行性。3.建模算法支持向量机,其自身参数对建模精度有很大影响。本文提出基于训练数据的参数自适应支持向量回归建模方法,减少参数选择过程中的人为因素影响和精度不确定性问题。使用实际现场数据对烟气含氧量进行软测量建模,验证了该方法的有效性。4.将具有快速收敛特性的序列最小优化(SMO)算法与粒子群(PSO)算法相结合,提出PSO-SMO软测量建模方法,以基于训练数据得到的算法参数为初始值,应用双层优化方法进一步优化,提高建模精度及模型收敛速度。5.针对火电厂热工参数监测的实时性要求,将以上所提出的建模算法在典型的DCS现场控制站硬件配置条件下和在QNX实时操作系统环境中编程实现。应用现场数据进行建模,实际运行结果满足工业现场的要求,具有很好的工程实践意义。6.为使软测量模型能够更好地适应现场工况变化和测量对象的动态特性,对软测量模型的结构进行研究,提出多模型动态软测量建模方法。应用火电厂多工况历史数据,建立基于多支持向量机模型(M-SMO)的烟气含氧量和飞灰含碳量软测量模型,结果表明多模型建模方法能够满足热工过程变工况条件下的精度要求。