随着近些年提出的“绿水青山”的理念,以及节约资源和保护环境的基本国策,节能环保和可持续发展已经成为时代的主题。我国的能源结构是以基于煤炭燃烧的火电为主,但煤炭资源是不可再生的,目前受到普遍关注的可再生能源主要包括风能、水能、太阳能和生物质能源等。相对于其他可再生能源,生物质能源在我国内储量巨大,但利用率还非常低,因此还有很大的发展提升的空间。生物质燃料在进入锅炉燃烧之前需要经过处理,因为生物质锅炉中,生物质燃料的含水率不能过高。并且燃料中水分含量过高也会降低可利用热值,影响生物质燃料的转化率,进一步对利用率产生影响。而从各地收集来的生物质水分含量就比较高,不能直接进入锅炉进行燃烧。因此对生物质的水分进行实时、高效、快速检测对有效保证生物质电厂安全、高效运行具有重要意义。本课题采用近红外光谱技术,通过实验采用干燥法测量生物质燃料的真实水分,并采集红外光谱数据,通过近红外水分光谱数据采集、建立相关模型并探讨后续数据处理的相关原理,在此基础上,对近红外光谱建立水分速测模型,采用不同的预处理方案来剔除噪声和选择特征波长,采用线性和非线性两种方式对水分进行模型建立,并且经过相应的误差计算和分析,旨在提高对生物质含水率的检测的效率。在数据预处理去除噪声和特征波长的选择中,主要采用主成分分析、马氏距离和拉依达法则,对近红外原始光谱进行异常数据剔除,采用线性回归模型对生物质水分进行交叉验证,验证剔除效果;特征波长的处理选取偏最小二乘法和相关系数法——这两种方法对先行数据的特征波长有较好的处理结果,并且采用校正模型进行校正,验证特征波长选择的结果;最后对生物质水分建立线性和非线性模型。通过本课题对生物质近红外光谱和水分含量进行数据处理和数据建模,采用拉依达法则除去异常数据和噪声波长;数据预处理则采用标准正态化方法进行数据归一化,采用一阶导数突出显示生物质近红外光谱的波峰与波谷特性;特征波长选择则采用多元散射校正和二阶导数相结合的方法最优;使用多元线性回归建立数学模型效果最好。