能源是人类生存和发展的重要基础,在能源消费大幅提升的今天,环境问题在中国逐渐凸显。在我国的能源消费结构中占据主体的火电,尽管其比重逐渐降低,在未来很长时间内仍将作为发电主力而存在发展,因而也必须承担起节能减排的重任。随着发电煤耗指标进一步压缩,脱硫脱销等要求日趋严格,火电厂的优化也逐渐由依靠经验方式向依据优化理论来指导调整的方式转变,常用的优化理论需要依托热工对象模型,因此建立精确的热工对象模型具有重要意义。电厂热工过程内部运行环境复杂,还容易受到环境变化等的影响,具有非线性、慢时变和大迟延的特点,同时因其需要保证安全稳定运行而不易获取极端方式的运行数据。最小二乘支持向量机(LS-SVM)拥有小样本学习能力强、模型泛化性能好、能够处理高维数据的优点,十分适合对热工对象进行建模。鉴于LS-SVM对训练样本稳定性具有较高要求,针对性地研究了适合在线检测的基于最小二乘曲线拟合的稳态检测方法,改进其稳态指数计算式,对600MW电厂锅炉燃烧系统的总燃料量、燃料风挡板位置、省煤器出口烟气氧量进行了单独和多变量综合稳态检测,并设计了适合在线计算的具体步骤；然后基于该方法提取的稳态数据样本采用LS-SVM建立了以氮氧化物(NOx)排放浓度为代表的锅炉燃烧系统参数模型,模拟了在线获得新数据的情况,证明结合在线稳态检测和在线数据更新的LS-SVM可以用于热工对象在线建模。