鍋爐飛灰含碳量測量方法綜述

程啟明，胡曉青，王映斐，汪明媚

(上海電力學院電力與自動化工程學院，上海 200090)

鍋爐飛灰含碳量是火電廠燃煤鍋爐燃燒效率的重要指標.當飛灰含碳量高時，說明煤耗和發電成本過高.實時、準確地監測飛灰含碳量，有利于調整風煤比，可將飛灰含碳量控制在最佳范圍內，以提高鍋爐燃燒控制水平，保證機組經濟、安全、穩定地運行.但由于飛灰含碳量受煤種、鍋爐結構、運行操作水平等多種因素的影響，很難直接在線測量.

目前國內外已提出多種飛灰含碳量檢測方法，主要分為物理測量方法［1-14］和軟測量方法［15-28］兩大類.本文介紹了各種飛灰含碳量測量方法的工作原理、特點與生產廠家，這對實際應用中測量方法的選擇有一定的參考價值.

1 飛灰含碳量的物理測量方法

飛灰含碳量的物理測量方法是利用碳的可燃性及高介電常數等物理、化學特性，來檢測飛灰中的含碳量.

根據測量原理的不同，它可分為燃燒失重法、熱重分析法、微波法、光學反射法等10多種測量方法［1-14］，其中微波法是目前應用最多、測量速度最快的測量方法.

1.1 燃燒失重法

燃燒失重法［1］是一種傳統的飛灰含碳量測量方法.其測量原理是利用取樣器在煙道中提取一定重量的飛灰樣品，放入馬弗爐中完全燃燒，然后利用燃燒前后的重量差來計算飛灰中的含碳量.燃燒失重法的全部過程包括定時采樣、試樣積累、制樣、稱重、燃燒再稱重等工序，其操作復雜，且中間環節多、引入誤差的機會多，還受人為因素的影響，化驗分析結果往往滯后幾小時，不能及時指導飛灰含碳量的在線調整，只能用于離線測量.

近10年來，這種測試方法有了很大發展，美國Rupprecht＆Palashnick公司已開發出了一種在線監測的燃燒失重法，其測量原理與傳統方法相同，先將一個裝在微粒天平上的空過濾筒稱重，然后等速采集飛灰樣品，將過濾筒再次稱重后加熱至804℃，并維持數分鐘以氧化樣品中的碳，再次稱重，最后自動計算樣品中的碳.其測量時間為15 min，樣品量大約是 35 g，測量精度約為 ±0.5%.

燃燒失重法的優點是測量準確性高，且測量結果與煤質和煤種無關，若采樣系統具備反吹裝置可有效地解決管路堵灰問題，適用于當前國內火電廠的用煤現狀，因此獲得廣泛應用.該方法的缺點是取樣間隔長、時滯性大、實時性差，難以及時反映鍋爐燃燒工況.盡管開發了在線監測系統，但測量時間還是需要15 min左右，難以對鍋爐運行提供有效、實時的運行指導.

1.2 反射測量法

反射測量法是根據飛灰中碳顆粒與其他物質顆粒反射率的明顯差異，選擇不同的發射信號源，來測量飛灰含碳量的方法，已產品化的有光學反射法、紅外線測量法和放射法3種.光學反射法［2］將灰樣和粘合劑按一定比例混合，壓制成環狀物放入輝光放電室內，用單色器和光電探測器分辨輝光放電室內所產生的發射信號，并依據單色器的范圍，確定飛灰含碳量和飛灰的其他組分.紅外線測量法［3］是利用紅外線對飛灰中碳粒反射率不同的原理進行測量的，按事先標定的反射率直接得出測量結果.放射線法又分為γ射線法［4］和X射線法［5］兩種，它們的測量原理是光電效應和康普頓散射效應.當飛灰中含碳量低時，光電效應較強而康普頓散射效應較弱.反之，則光電效應較弱而康普頓散射效應較強.因此，通過核探測器記錄的反散射γ或X射線強度的變化就可以測量出飛灰中的含碳量.

光學反射法具有儀器簡單經濟、測定時間快等特點，適合連續監測.但此法與燃燒失重法一樣，需要用已知的灰樣標定進行測量，當飛灰顆粒不均勻時，不同顆粒中的含碳量與反射信號之間無法構成嚴格的線性關系，從而影響測量精度.另外，煤種、灰成分的變化對測量精度影響很大，很難保證數據的可靠性.其主要產品有丹麥M＆W ASKETEKNIK公司的RCA V10/V11型飛灰測碳儀，所需的樣品量約為3 g，測量時間為4～5 min，其測量精度大于0.5%.

紅外線法具有儀器設備簡單、成本低、速度快且又不污染環境等特點.但與光學反射法一樣，當飛灰顆粒大小不一并且顆粒中的含碳量不均勻時，反射信號不是嚴格的按比例變化，同時反射信號還會隨煤種的變化而變化.因此，測量精度受飛灰顆粒和煤種的影響很大，很難保證測量精度.丹麥、荷蘭、英國多家公司生產此類產品，測量時間約為3 min，測量精度約為0.5%.

放射線法屬非接觸性測量，標定簡單，精度較高，且不受壓力、粘度、濕度、腐蝕性等影響.但若飛灰顆粒太大將無法得出精確結果，且由于飛灰碳顆粒偏大且密度較小，在灰樣裝入樣品盒時碳顆粒會流向盒的四周，從而使測量值偏低.另外，灰中原子序數高、比重大的Fe和Ca等元素對測量精度有很大影響，需要修正基體效應產生的誤差.由于該法需要一個穩定的放射源，存在輻射問題，即便低能量的γ射線能量也較大，對人體也有傷害，維護成本較高.低能X射線散射法能量低，對人體影響很小，防護比較容易.黑龍江省科學技術物理研究所進行了相關的技術開發，其樣品的實驗測量精度小于0.5%.

1.3 熱重分析法

熱重分析法［6］是在程序控制的溫度下，測量物質質量變化與溫度關系的一種方法.飛灰受熱或冷卻，其結構、相態和化學性質的變化必將伴有相應的質量變化(失重或增重).熱重儀可以測量飛灰試樣的質量變化并自動進行數據記錄和處理，繪出質量變化與溫度的關系曲線，由此測得的質量損失可對飛灰試樣組成等進行定量分析，從而測出飛灰含碳量.

此法具有操作簡便、自動化程度高、準確度高、分析速度快，以及試樣微量化等優點.但此法的分析時間需要1 h左右，不能做到實時快捷，且檢測過程操作復雜，儀器價格昂貴，不易推廣使用.由于無法檢測體系在受熱過程中逸出的揮發性組分，使得熱分析技術難以推廣.目前，熱重分析法常與質譜等其他先進的檢測系統聯用.美國LECOTGA2601熱重分析儀一次稱量可同時測定19個樣品，測量過程均由儀器按程序控制，可檢測樣品的水分、揮發分、灰分、固定碳等項目.

1.4 流化床CO2法

流化床CO2法［7］的測量原理是通過向流化床燃燒室供給一定數量的空氣，將飛灰中的碳燃燒成CO2，測量CO2含量并據此算出飛灰的含碳量.

此法具有測量準確性較高、測量結果與灰質和灰種基本無關等優點.此法的缺點是送入的空氣量要很精確，而工程實踐中很難保證流化床燃燒室嚴格的密封性.此外，飛灰中的碳酸鹽會出現受熱分解出CO2的現象，這會影響測量精度.此法的主要產品有英國Bristol Babrock Lid公司的Clgm飛灰測碳儀，樣品量約為2.5 g，測量時間約5 min，測量精度為 0.5%.

1.5 激光感生擊穿光譜法

激光感生擊穿光譜法［8］的測量原理是當一束高功率的脈沖激光光束集中照射到樣品時，樣品燒蝕為高溫等離子體，通過測量等離子體發射光譜對應的波長和強度就可以得到所測對象中的組成元素及其濃度大小.

此法屬于非接觸實時測量，無需取樣和進行樣品預處理，一次光譜可測量多種組分，測量對象包括固體、液體和氣體，具有高檢測靈敏度.但此法除了需要對譜線數據進行標定外，其激光能量與碳元素強度密切相關，會導致粉煤灰樣品燒蝕不穩定，探測到的譜線強度不能準確反應出樣品中的碳元素含量，影響測量的精確性.因此，在實際測量中應選擇合適的激光能量，適當降低靶面附近的激光能量密度，避免空氣的強烈擊穿.華中科技大學開發出了激光感生擊穿光譜煤質分析儀.

1.6 微波法

微波法是目前研究最多、測量速度最快、商業化程度最高的一種測量方法.它又可分為微波吸收法和微波諧振法兩種.其中微波吸收法［9］是根據飛灰中的碳粒吸收微波誘導而產生渦流的原理，飛灰中含碳量越高，導電率就越高，由感生電流產生的熱量也越高，吸收的微波就越多，因此測量剩余微波能量的大小就可測定飛灰含碳量.而微波諧振法［10］是利用微波電路中諧振腔內部電場能與磁場能可相互交替變化的特點來進行測量的.由于諧振時電場能與磁場能的幅值相等，失諧時這兩種能量不能自行轉化，從而使諧振腔具有選頻特性.當在腔中引入小體積的飛灰產生微擾時，將導致諧振頻率等參量發生微小變化，根據微擾前的物理量和微擾后的測量值來計算諧振腔體參量的改變量，從而確定飛灰的含碳量.

微波法的優點是測量速度快、精度高、儀器簡單、生產維護費用低且環境無污染，因而在國內燃煤鍋爐中得到廣泛應用.此法的缺點是需要進行標定，難以適應目前火電廠煤質多變的情況，且測量腔容易堵灰，嚴重的堵灰會導致儀器無法使用.此外，采用單點撞擊式取樣器，取出的灰樣中大顆粒居多，灰樣代表性差，測量準確度不高，只能反映飛灰含碳量的變化趨勢.

近年提出的煙道內置式微波法測碳系統［11］采用了無灰路直接測量方式，將煙道作為測量腔，且將微波傳感器安裝在鍋爐尾部煙道上，從根本上改變了以往必須采用取樣系統才能完成的飛灰含碳量的測量.它無取樣管路，結構簡單，維護工作量小，可使微波信號沿垂直氣流方向快速穿越整個煙道，測量在瞬間完成，真正做到了實時、準確測量，解決了現有微波法存在的采樣代表性不夠和管路堵灰問題.但目前仍存在著微波能量向煙氣通道兩端逸散、煙道飛灰密度不穩定、電子器件受環境溫度影響產生的特性變化等問題，國內外都在作相關的研究與產品開發工作.

采用微波法的產品數量較多，如澳大利亞CSIRO礦產和工程公司開發的微波測碳儀，測量精度在0.08% ～0.28%之間，測量時間小于3 min;深圳賽達力電力設備有限公司生產的MCM型飛灰測碳儀，測量精度為約0.5%.

1.7 光聲效應法

在光聲效應法［12］的測試過程中，需要將樣品放在密封的光聲池內，用脈沖單色光照射，以吸收光中的能量，并轉為熱能傳播到周圍的氣體中.樣品池頂端高靈敏度的微音器就能檢測到由此引起的聲信號，由于聲信號的強度與樣品吸收光的能量成正比，因此通過檢測聲信號就可以檢測粉煤灰中的含碳量.

此法的優點是實時快捷、操作方便、成本低廉、精度較高，以及受粉煤灰中其他成分影響小等.此法的缺點是由于不同的粉煤灰樣品的密度等性質差別很大，檢測之前需對被測的粉煤灰樣品進行標定;粉煤灰樣品的成分非常復雜，其他礦物成分產生的光聲效應會不同程度地影響測試結果;自然狀態下的粉煤灰材料很不均勻，其成分復雜，且顆粒大小分布較大，測量的精確性和可重復性會受影響;測量結果還受氣煤流度、溫濕度變化、管道內壓力，以及煤粉分散度等多種因素影響.美國Ametek公司設計了商用型的光聲測量儀Carbon Analyzer(CA200).

1.8 電容法

電容法［13］是根據將飛灰作為電介質，認為飛灰的介電常數是飛灰中含碳量的函數，含碳量的變化引起介電常數的變化這一原理進行測量的.它通過測量電容式傳感器的電容值，可測得飛灰中的含碳量.

此法具有非接觸式、安全可靠、安裝容易、適應性強、精度高、響應快等優點.但介電常數與飛灰含碳量之間并非線性關系，其參數關系難以用解析式描述.另外，介電常數會隨著飛灰中水分的改變而變化，此法不適宜水分經常變化的飛灰含碳量測量.浙江省電力建設總公司開發出了電容式測碳儀.

1.9 靜電法

靜電法［14］的依據是:在煤量一定的情況下，由煤粉粒子形成的靜電場的大小與粉體的相對介電常數成反比，而粉體的介電常數與煤粉的含碳量成正比.因此，在煤粉濃度、溫度一定的情況下，由特殊制造的靜電場感應傳感器采集到靜電場的強、弱信號，經分析、處理、放大后傳輸至監測系統，從而輸出當前煤粉的含碳量.

此法快速實時、運行可靠、維護容易，其測量精度達到0.5%，能夠滿足現場要求.但由于鍋爐負荷變化對測量值有影響，因此要用給煤機對煤量進行修正，需要標定后才能使用.南京大得科技有限公司開發出了PCM-2000型靜電法煤粉含碳量測量儀.

2 飛灰含碳量的軟測量方法

各種測碳儀由于技術或成本的原因難以成功地應用于現場，而電廠出于提高經濟效益的目的，又迫切要求能夠快速、精確測量飛灰含碳量.軟測量技術是利用一些易于實時測量的、與被測變量密切相關的變量(二次變量)，通過在線分析來估計不可測或難測的變量的方法.軟測量為飛灰含碳量的實時測量提供了一種重要手段，它具有泛化能力好、運算時間短、適應范圍廣等優點，具有很好的推廣應用前景.飛灰含碳量的軟測量方法主要有數值計算建模和智能建模兩種［15-28］.由于飛灰含碳量的諸多影響因素具有耦合性強、非線性強等特征，鍋爐飛灰含碳量的軟測量適合采用智能建模法.

2.1 數值計算建模法

通過數值計算法測量能夠較為準確地獲得飛灰含碳量值，并且能夠指導如何控制飛灰含碳量的生成.國內外研究者已提出了多種飛灰含碳量數值計算方法，如文獻［15］通過將爐膛從冷灰斗到大屏底部進行分切片，將爐膛分為若干區段，根據各區段間的能量平衡和物質平衡，建立對實際鍋爐煤粉燃盡率與飛灰含碳量預測的一維計算方法.

此法直接利用電站鍋爐運行數據進行建模，這些運行數據可以覆蓋鍋爐的整個運行工況，具有很好的代表性，其建模精度較高.但由于建模時考慮的方向不同，使它們在實際應用中存在一定的局限性，且計算時作出一些假設或簡化，因此其預測模型的測量精度會受到影響，很難用于現場實時監測.

2.2 智能建模法

智能建模運用人工智能方法，利用火電廠DCS系統及其他現有系統豐富的數據資源，具有建模精度高、通用性好的特點，可及時準確地建立模型.

智能建模法一般對電站鍋爐飛灰含碳量進行實爐試驗，以獲得特定工況下的試驗數據，并利用這些數據應用人工智能技術建立模型.但是由于試驗的工況有限，并不能代表鍋爐的整個運行工況，因此建立的模型并不能很好地反映鍋爐飛灰含碳量的變化.

2.2.1 神經網絡法

神經網絡作為一種非線性模擬的具有生命力的方法，已廣泛應用于軟測量建模過程.BP網絡是目前應用最廣泛的多層前向網絡，它能實現任何非線性連續映射，在飛灰含碳量進行軟測量建模時，大都采用了BP神經網絡進行辨識建模.如文獻［16］以熱態實爐試驗數據為訓練樣本，采用改進算法的BP神經網絡結構，建立了大型四角切圓燃燒鍋爐飛灰含碳量特性的神經網絡模型.文獻［17］在分析鍋爐飛灰含碳量的影響因素和鍋爐燃燒特性試驗的基礎上，建立了鍋爐飛灰含碳量在線軟測量的BP神經網絡模型，取得了較好的試驗結果.

由于BP算法存在訓練時間長、收斂速度慢、收斂于局部極小點等缺陷，因此出現了多種BP網絡改進算法和優化算法，如附加運量法、自適應學習速率、L-M算法、GA算法、BFGS法等，一些改進措施被用于飛灰含碳量的軟測量.例如，文獻［18］采用基于L-M算法的BP神經網絡建立了飛灰含碳量軟測量模型;文獻［19］采用了基于BP神經網絡結合遺傳算法(GA)的新型軟測量模型，獲得了當前最佳的鍋爐燃燒調整方式，解決了鍋爐變工況下運行參數基準值的問題，從而使預測更加快速、準確.

RBF網絡在一定程度上解決了BP網絡訓練時間長和存在局部極值的問題，具有收斂速度快、全局優化的特點，目前在建模中應用較廣.文獻［20］采用BP網絡的L-M算法、BFGS算法和RBF網絡算法進行了飛灰含碳量軟測量建模，模型實驗結果表明RBF網絡的訓練精度最高、耗時最短，L-M算法次之，BFGS算法相對較差，但這3種算法在訓練速度和精度上均優于BP改進算法.

2.2.2 支持向量機法

支持向量機法(SVM)應用結構風險最小化(SRM)原則，有效地解決了機器學習理論中的泛化問題.該方法的優點包括:最小化結構風險目標函數有效地抑制了欠學習和過學習現象，獲得了良好的泛化能力;該算法轉化為一個二次規劃問題，得到全局最優點，解決了神經網絡的局部極小值問題;拓撲結構只與支持向量有關，計算速度快，更適合于在線應用;適合于小樣本學習.文獻［21］利用支持向量機建立了大型四角切圓燃燒鍋爐飛灰含碳量特性的模型，并對該模型進行了訓練和校驗，結果表明所建模型能根據燃煤特性及相關操作參數準確預報鍋爐在不同工況下的飛灰含碳量特性，并具有良好的泛化性.

最小二乘支持向量機(LS-SVM)是標準SVM在二次損失函數下的形式，把模型優化問題轉化為線性方程組的求解，大大提高了求解速度.文獻［22］針對某300 MW 四角切圓電廠鍋爐的實測工況數據，采用LS-SVM方法進行飛灰含碳量軟測量建模研究，引入了局部學習思想，采用改進的核函數，實現了模型參數的自動優化.

支持向量機能夠有效地解決高維問題，但是輸入變量之間存在的線性與非線性屬性影響了模型的精度和泛化能力.

2.2.3 集成軟測量法

一般采用機理分析來選取軟測量的輔助變量，但是由于對象機理的復雜性，往往會擴大輔助變量的選擇范圍，使得樣本數據過于龐大.因此，出現了飛灰含碳量軟測量的混合建模方法.例如，文獻［23］采用將主元回歸分析(PCA)與神經網絡結合的混合建模方法進行了含碳量在線測量，既保留了原始變量的特征信息，又簡化了神經網絡的結構，使神經網絡的優點得以充分發揮.實驗結果表明，混合模型與單一神經網絡模型相比可以獲得較高的測量精度.文獻［24］提出了KPCASVM的飛灰含碳量軟測量建模方法，并對某300 MW四角切圓鍋爐不同工況下的飛灰含碳量進行預測，仿真結果驗證了這種建模方法的有效性和優越性，說明其具有良好的推廣應用前景.文獻［25］提出了偏最小二乘與人工神經網絡的結合模型，簡化了神經網絡的復雜程度，減少了訓練時間，保證了模型的精確度.

2.2.4 數據融合法

由于飛灰樣品的密度、粒度、溫度、濕度，以及飛灰中各種礦物質的含量等都對測量精度有影響，因此需要采用多個傳感器從不同角度檢測被測介質的特性，然后利用數據融合將多個傳感器檢測到的數據進行分析和集成，降低了各種因素對測量結果的影響，提取出被測對象的有效信息，形成對被測對象信息全面和完整的描述.這樣可獲得比單個傳感器或多個傳感器的算術平均值更準確的測量結果，從而提高了測量的精度和穩定性.

文獻［26］采用目前廣泛使用的煙道式微波測碳儀進行在線監測，但在實際中煙氣密度和流速對儀器的測量精度有很大影響，使測量結果產生較大波動，因而通過選擇和設計合適的傳感器測量出微波功率衰減、相位變化量、煙道煙氣密度和流速這4個與飛灰含碳量測量結果強相關的特征量，獲得了對飛灰含碳量的多維信息描述，并選用基于L-M優化算法的3層BP神經網絡對互補的多傳感器的信息進行有效融合，從而提高了飛灰含碳量的測量精度和測量穩定性.

3 結論

(1)物理測量方法中，微波吸收法具有測量速度快、精度高、設備簡便、生產維護費用低等優點，其效果明顯好于其他物理測量方法，但此法制成的設備存在測量腔堵灰問題，而煙道式飛灰微波測碳系統解決了堵灰問題，目前應用較為廣泛.

(2)由于物理測量方法存在設備復雜、造價高、維護成本高、測量精度影響因素多等缺點，而軟測量方法具有泛化能力好、預測精度高、適應范圍廣、計算簡單、成本低等優點，因此軟測量方法會有較好的推廣應用前景.

［1］熊東平.燒失法在線飛灰測碳裝置在600 MW機組中的應用［J］.電力設備，2007，8(12):82-83.

［2］OUAZZANE A K，CASTAGNER J L，JONES A R，et al.Design of an optical instrument to measure the carbon content of fly ash［J］.Fuel，2002，81(15):1 907-1 911.

［3］何倫英，徐麗輝.紅外吸收法測定碳含量的測量不確定度評定［J］.化學分析計量，2006，15(4):13-14.

［4］潘理黎，王佳瑩，楊玉峰，等.火電廠飛灰含碳量在線監測設備現狀［J］.熱力發電，2008，37(11):10-14.

［5］楊振華，向鐘，楊建康.低能X射線散射熒光法快速測煤灰及爐渣中的殘碳量［J］.煤質技術，2003(2):44-46.

［6］徐朝芬，孫學信，郭欣.熱重分析試驗中影響熱重曲線的主要因素分析［J］.熱力發電，2005(6):34-36.

［7］劉鴻，周克毅.鍋爐飛灰測碳儀的技術現狀及發展趨勢［J］.鍋爐技術，2004，35(2):65-68.

［8］吳戈，陸繼東，余亮英，等.激光感生擊穿光譜技術測量飛灰含碳量［J］.熱能動力工程，2005，20(4):365-369.

［9］張揚，馬道林，陸明.微波在線飛灰含碳量測定技術及分析［J］.發電設備，2006(3):180-184.

［10］KATARZYNA S G，JANUSZ G，HENRYK J，et al.Characterization of the coal fly ash for the purpose of improvement of industrial on-line measurement of unburned carbon content［J］.Fuel，2004，83(13):1 847-1 853.

［11］李強，宣益民，馮長青，等.MCE-I型煙道式飛灰含碳量在線測量系統的研制［J］.工程熱物理學報，2003，24(3):523-526.

［12］MAOHONG F，ROBERT C，BROWN S.Precision and accuracy of photo-acoustic measurements of unburned carbon in fly ash［J］.Fuel，2001，80(11):1 545-1 554.

［13］陳一帆.電容式測碳儀測量原理分析［J］.浙江電力，2003(3):58-60.

［14］王建國，姜忠.燃煤含碳量在線測量裝置的研究［J］.湖南電力，2009，29(2):25-27.

［15］唐良廣，鄭楚光，趙海波.實際鍋爐中煤粉燃盡率與飛灰含碳量的預測［J］.華中科技大學學報，2001，29(1):14-17.

［16］周昊，朱洪波，曾庭華，等.基于人工神經網絡的大型電廠鍋爐飛灰含碳量建模［J］.中國電機工程學報，2002，22(6):96-100.

［17］陳強，王培紅，李琳，等.電站鍋爐飛灰含碳量在線軟測量模型算法［J］.電力系統自動化，2005，29(2):45-49.

［18］李智，蔡九菊，郭宏.基于神經網絡的電站鍋爐飛灰含碳量軟測量系統［J］.節能技術，2004，22(4):6-7.

［19］陳敏生，劉定平.電站鍋爐飛灰含碳量的優化控制［J］.動力工程，2005，25(4):545-549.

［20］王海群，張素貞，劉軍.人工神經網絡在燃煤鍋爐含碳量測量中的應用［J］.鍋爐技術，2004，35(2):35-35.

［21］王春林，周昊，周樟華，等.基于支持向量機的大型電廠鍋爐飛灰含碳量建模［J］.中國電機工程學報，2005，25(20):72-76.

［22］ZHANG Gui-wei，BAO Lin.Soft-sensing modeling of the carbon content in fly ash based on information fusion for thermal power plant［C］//Proceedings of the IEEE International Conference on Mechatronics and Automation， China，Changchun:2009:3 860-3 865.

［23］譚浩藝，陳紹炳，周自強.基于PCA-BP神經網絡的鍋爐煤質的軟測量［J］.能源技術，2009，30(1):9-11.

［24］陳敏生，劉定成.基于核主元分析和支持向量機的電站鍋爐飛灰含碳量軟測量建模［J］.華北電力大學學報，2006，33(1):72-75.

［25］楊國強.反向建模方法在電站鍋爐飛灰含碳量測量中的應用［D］.北京:華北電力大學，2010.

［26］牛培峰，化克，張現平.基于信息融合技術的鍋爐飛灰含碳量測控系統［J］.儀器儀表學報，2009，30(6):1 207-1 210.