随着我国经济的迅猛增长,电力需求日益旺盛。但随着一次能源的日益枯竭和竞价上网政策的实行,迫使每个火电厂都在安全生产的前提下,努力提高运行的经济性。在火电厂燃煤锅炉系统中,一次风系统是重要的组成部分。其准确、实时的测量是保证配风合理,优化燃烧的关键所在。但在现有的工业环境生产条件下,一次风量的测量受硬件仪表测量条件、现场环境等客观条件制约,往往难以精确、实时的测量。这直接影响着整个工业控制水平及现场机组运行的稳定性与经济性,不利于发电企业的工作效率的提高。针对上述问题,本文采用软测量技术对一次风量进行在线测量。首先,本文采取理论分析与数据驱动相结合的建模方式,着重分析影响一次风量的各种因素,并选取现场DCS中的历史样本数据通过相关性分析、机理分析确定合适的辅助变量;其次,在建模过程中,对采集到的历史样本数据采用拉依达准则和归一化方法进行预处理,以消除奇异点、孤立点等对建模过程数据的影响;同时以最小二乘支持向量机算法为基础构建一次风静态测量模型。针对LSSVM面对大量样本数据时丧失稀疏性,运算时间长的问题,本文将压缩感知与LSSVM中的线性方程结合起来,将核矩阵作为字典,在训练的过程中,利用正交匹配追踪算法对支持向量集进行压缩,从而实现LSSVM的稀疏化,提高建模速度;并利用改进的云自适应粒子群算法对模型参数进行优选。动态建模方面,由于静态建模过程中采用了稀疏向量构建模型,损失了一定的测量精度。本文基于多尺度小波理论提出了多尺度LSSVM,提高了测量准确性;结合基于预报误差的在线校正算法,让测量模型能随工况变化自适应修正模型参数,使模型能在不同工况运行时达到实时性的要求。本文在以上理论方法的研究基础上,利用现场历史数据,完成初始数据处理和辅助变量选择,并构建一次风量在线测量模型。仿真实验结果表明所建模型对各工况下的预测结果能够达到理想的测量精度,为燃煤机组的合理配风提供有效的数据支持。