飞灰含碳量严重影响着火电厂锅炉燃烧经济效益,含碳量过高会造成燃烧热损失增大,燃烧效率下降,甚至造成锅炉机组出现安全隐患。目前基于物理测量法的测碳仪均存在难以适应工业现场、维护不易等问题,而软测量技术的出现与发展为飞灰含碳量提供了新的测量途径。本课题以锅炉燃烧系统为背景,在分析锅炉燃烧工艺的基础上,进行辅助变量选取及其特征矩阵提取,并对飞灰含碳量的软测量模型及优化算法进行研究。主要研究内容如下:(1)通过机理分析选取了煤种特性、锅炉负荷、给煤机给煤量、燃烧器摆角等辅助变量,建立偏最小二乘回归模型对辅助变量进行特征提取,根据舍一交叉验证法确定特征矩阵的最佳主成分个数,最终确定7维特征矩阵作为软测量模型的输入变量。(2)建立BP神经网络模型,并采用改进PSO算法对网络权值、阈值的初始值进行优化。在MATLAB环境下进行模型建立及模型验证,结果表明改进PSO-BP的飞灰含碳量模型精度较高、可靠性好,且能有效避免PSO算法陷入早熟收敛问题,测试样本的均方误差为0.0049。(3)建立LSSVM、改进PSO-LSSVM的飞灰含碳量模型。结果表明,经网格搜索法优化正则化参数和核参数后的LSSVM模型其稳定性、预测精度均优于BP神经网络,改进PSO-LSSVM模型精度优于LSSVM模型。采用均方误差、平均相对误差、最大相对误差3种指标分别评价以上四种模型,得出基于改进PSO-LSS VM的飞灰含碳量模型精度最高,测试样本均方误差为0.0032,满足飞灰含碳量的测量要求。(4)提出基于OPC技术的飞灰含碳量在线软测量方案,在MATLAB下进行数据预处理及模型运算,通过OPC技术与WinCC软件进行实时数据通讯,实现飞灰含碳量的在线软测量。