自20世纪50年代以来，我国电力工业一直高速度发展，电力改革逐步深化。在此形势下，为加强竞争力，电站必须提高经济性。为了实时监测电站运行的各种参数，使整个发电机组以高效率运行，很多电厂建立了实时监测系统。然而在建立过程中，有许多问题尚未得到解决。如何在线确定入炉煤质，就是其中之一。 煤质对火力发电厂的安全与经济运行至关重要，煤质改变将给锅炉，乃至整个电厂带来很多问题。煤质的分析，目前主要采用实验室物理检测方法，这种方法检测出的结果严重滞后，在实时性方面存在很大问题，对现场运行缺乏指导意义。因此，如何在线确定煤质(工业成分和低位热值)，是目前在建立电站实时监测和运行优化管理系统时急需解决的问题。 本文从工程应用角度出发，将软测量技术应用于煤质的在线监测，为煤质在线监测提供了新的思路。火力发电机组运行系统是一种典型的、复杂的动态系统，具有非线性、时变性和不确定性等特点，难以直接建立软测量模型中主导变量和辅助变量的关系。因此，本文将人工神经网络应用于煤质的软测量，充分利用了神经网络很强的非线性逼近能力和学习能力，取得了很好的软测量效果。 首先，本文阐述了软测量技术主要研究内容、建模方法等。就建模问题，分析研究用于建模的BP(Back Propagation)神经网络及其各种改进算法。针对BP算法始终无法克服陷入局部极小的问题，提出了用遗传算法优化BP网络初始权值的建模方法。同时详细介绍了神经网络与遗传算法理论。 其次，本文详细地介绍了基于遗传算法和神经网络的煤质软测量模型的设计过程，包括神经网络结构设计，如输入输出层设计等，遗传算法的设计，如适应度函数、算法流程等。 然后，在完成煤质的软测量模型的建立之后，进行模型的训练以及检验，包括训练样本的选择、数据的预处理和软测量模型的验证。通过利用从某电厂现场采集的原始数据，对该模型进行训练和检验的结果表明，本文软测量模型的检测结果与实际的物理检测结果之间的误差很小，具有较高的准确性，还具有较高的检测速度，完全可以满足工程要求。同时，结果还显示本文的软测量模型比单一的BP神经网络模型具有更高的检测效率。 最后，本文利用Visual C++软件建立了基于本文软测量模型的煤质在线分析系统软件，该系统软件采用人机交互界面，具有界面友好，操作简单等特点，非常适合本文的煤质软测量模型与实际的现场工程应用。 本文所提出的软测量方法为煤质的在线分析引入了新的思路，所研究的优化算法对其它的建模领域有广泛的应用参考价值。