电厂炉内燃烧过程安全稳定是火电厂运行过程的重中之重,对锅炉燃烧状态的有效监测,能满足机组安全性、经济性、稳定性和环保性的需求。同时,随着可再生能源发电量并入电网,使得电网安全稳定运行以及深度调峰面临挑战。作为我国主导发电的火力发电机组,需要担负起调节、稳定可再生能源发电为电网带来的波动。火电机组一方面在面临频繁的工况调整时,导致炉内燃烧稳定性欠佳,维持锅炉稳定输出较难;另一方面,清洁能源的并网需要火电机组长期在中低负荷工况下保持稳定运行。因此,实时、高效的监测火电机组中低负荷工况下的燃烧状态,对稳定炉内燃烧,实现火电机组深度调负荷有着重要意义。论文围绕燃煤锅炉燃烧状态监测这一主题,针对炉内燃烧信息欠缺,燃烧状态监测不力、保障监测实时性难等问题,从以下几个方面展开研究:1.分析影响炉内燃烧过程的多种因素,基于锅炉燃烧器出口燃烧视频图像,提出了基于多尺度方向模融合的2D Gabor-GLCM全局纹理特征提取器,用于分析单帧燃烧图像的燃烧特征变化。该纹理提取器无需精准分割火焰位置,可从全局图像出发,提取更有效的描述燃烧过程的纹理特征。同时,利用相关性分析,验证了所提纹理特征的有效性,其在中低负荷工况下对燃烧过程相关参数变化灵敏度高。2.考虑到燃烧过程的连续性与随机性,单帧图像纹理特征只能表征燃烧过程的部分信息,无法反映燃烧随时间变化的动态特性。在此基础上,提出了两种不同光流法构造燃烧运动特征提取器。采用了金字塔改进的双向L-K稀疏光流法与稠密逆搜索快速光流法提取燃烧过程随工况变化的动态特征,同时,利用信息熵、相关性和算法运行时间三个指标横向评价两种光流法所提动态特征的质量和实时性。通过实验分析表明,燃烧运动特征的变化能准确跟随当前工况、燃烧状态的变化,其与相关参数之间的相关性,也验证了所提取的运动特征的合理性。3.烟气含氧量是监测燃烧充分程度的重要指标,也是侧面反映燃烧状态的特征之一,是后续燃烧调整的重点。针对现场含氧量检测存在成本高、精度低、滞后明显等问题,在此基础上,提出了一种基于燃烧特征与热工参数融合的双向门控循环单元含氧量软测量模型。该模型采用核主成分分析法对多种燃烧图像特征与二次风量进行融合与降维,利用融合后的特征训练双向门限循环单元神经网络,建立含氧量测量模型。仿真实验表明,与其他软测量模型相比,该测量模型测量精度更高,实时性更好。4.结合上述燃烧纹理特征、动态特征和含氧量检测值的基础上,提出了一种基于半监督近邻传播聚类法和径向基神经网络的半监督式燃烧状态监测模型。该模型采用semi-AP聚类为无标签样本贴标签,扩充燃烧监测模型标签样本集,将真实样本集与伪标签样本集混合,训练径向基神经网络,搭建半监督燃烧监测模型。其中semi-AP聚类可解决燃烧状态图像标签样本不足,或标签样本过于集中问题。实验结果表明,该模型能实时监测燃烧状态,对未知燃烧状态识别率高。与其他监测模型相比,其对中低负荷下燃烧状态的识别精度更高,监测结果可为后续低负荷稳燃提供指导。