煤在一次能源中占有极为重要的地位,目前我国煤炭价格不断上涨,导致火力发电成本越来越高,给电厂运行的经济性带来了巨大的影响。然而火力发电厂的环境污染成本却也不能忽视。每年我国火电厂燃烧数十亿吨煤炭,产生的是数千万吨的SO2和NOX,这些污染物少部分可以在排放出大气前脱掉,大部分还是排放到了大气当中,不管是脱硫脱硝还是排放至大气,都造成了环境污染成本,处理污染物需要成本,排放到大气也要向国家交纳大气污染费用。故如果能够预测出这些污染物的排放量,对电厂运行经济性的提高将是一个很重要的意义。本文选取四种具有代表性的褐煤、烟煤、贫煤和无烟煤,在实验室对这些单煤及其混煤燃烧产生的S02和NOX排放特性进行试验研究,得到排放特性曲线,对试验结果进行了分析。试验是通过控制煤质、掺配比、燃烧温度、燃烧氧量等因素的改变,分析排放特性曲线的变化来研究影响污染物排放特性的因素。由于混煤燃烧时受各种因素影响,反应机理很复杂,污染物排放特性曲线与燃煤量呈非线性关系,故需要一个能够模拟非线性预测机理的模型来实现计算污染物排放量,本文采用的是人工神经网络来达到这一目的。本文通过适当地选取神经网络的隐含层数、隐含层节点数、传递函数和训练算法,对原始数据进行考察和处理,利用MATLAB建立了BP神经网络模型。通过训练样本对神经网络模型进行训练,构成完善的模型,对排放量进行预测。通过检验样本对预测结果进行检验,结果显示,预测结果与检验样本误差达到预期水平。