燃煤电厂是全球NO_x排放的主要来源之一。对燃煤电厂NO_x排放量进行预测,不仅对锅炉的燃烧调整具有指导作用,而且对于保护环境具有重要意义。本文研究的目的是通过图像测温法获得炉膛温度,连同其他一些主要运行参数对NO_x排放量进行预测,从而为电站运行人员提供有效的运行指导信息。本文以图像测温法和NO_x排放预测与分析为主要内容,具体如下:分析了NO_x生成机理和影响其排放的参数。根据采集的数据,分析了不同运行参数及煤质对NO_x排放的影响,找出主要运行参数。结果表明炉膛温度高低与分布的均匀性是影响NO_x排放量的重要参数之一,因此,有必要进行温度场的重建。基于图像测温法的温度场重建。对炉膛火焰数字图像进行降噪、局部增强和边缘检测,突出了图像中感兴趣的特征。然后通过比色法和色度学原理进行了测温和温度场重建。用VB编程进行温度的趋势图、伪彩色显示。其温度结果作为预测NO_x排放量的主要参数之一。基于主成分分析和贝叶斯正则化BP神经网络的NO_x排放量预测。针对电厂燃煤锅炉NO_x排放量预测建模中输入因子过多而导致神经网络结构规模过大、泛化能力差的问题,通过主成分分析剔除冗余数据。并用贝叶斯正则化方法改进传统的BP神经网络,以300MW燃煤锅炉多工况运行数据为例,对NO_x排放量进行预测,并同综合烟气分析仪的测量值进行对比。结果表明,改进的BP神经网络预测方法与传统的BP神经网络方法相比,泛化能力有显著地提高;同时也表明,根据运行参数可以较好地预测NO_x的排放量。利用灰色关联度对NO_x排放有影响因素进行了定量分析。参照灰色关联度分析结果可以对运行进行调节,从而为降低NO_x排放提供参考。最后,通过Matlab和VB混合编程进行图像测温和NO_x排放量预测系统界面和模块功能的开发。