炉膛温度的精确测量是保证火电机组控制系统稳定运行进而提高锅炉燃烧效率的关键因素,但测温元件在高温、高压、强气流冲刷、强腐蚀的环境下,一般很难进行长周期地工作。在测温元件失效的情况下,火电机组炉膛温度的实时监测一直是瓶颈难题,而且锅炉系统存在多过程变量、非线性、时变等特性。针对这些问题,为准确地描述炉膛温度的过程特性,本文研究并建立了基于支持向量机的多输出炉膛温度智能软测量模型。本文在充分学习和研究一些经典预测方法和当前热点预测方法的基础上,建立基于最小二乘支持向量机的多输出炉膛温度预测模型。首先根据机理分析和电厂锅炉运行情况确定炉膛温度的辅助变量,并采用核主元分析对选取的辅助变量进行特征提取,然后通过数据间的相似度优化样本数据,选用径向基核函数作为核函数,采用最小二乘支持向量机的方法建立多输入多输出的炉膛温度软测量模型。为了提高模型预测精度,本文采用剪枝法与矩阵理论知识相结合的方法进行模型在线校正,建立动态模型;采用基于改进的粒子群算法对参数进行寻优,根据能量守恒原理,引入惩罚系数,采用惩罚机制补偿粒子群损失能量,平衡了局部搜索与全局搜索能力,得到参数优化的炉膛温度软测量模型。以其中的一个区域温度为代表,将离线模型、在线模型及改进的粒子群算法寻优后的离线LSSVM模型进行测试、比较,得到合理的多输出炉膛温度软测量模型。最后在Visual C++6.0开发平台上完成了锅炉炉膛温度计算软件的开发与测试。根据华能嘉祥电厂#2机组实际运行的数据对炉膛温度软测量模型进行测试,实验结果表明该软测量方法能够适应机组工况的变化,实时监测炉膛温度,达到了预期的效果,方便运行人员监视与控制炉膛温度,为进一步提高锅炉的燃烧优化提供了依据。