来源：期刊VIP网 时间：
作者：肖红亮;柯希玮;潘帅;郎丽萍;王君峰;祁海鹰;张守玉;吕俊复;黄中;
单位：北京怀柔实验室;怀柔实验室山西研究院;中国石油大学(北京)机械与储运工程学院;哈尔滨锅炉厂有限责任公司;清华大学能源与动力工程系;
摘要：循环流化床（CFB）锅炉在我国发电行业具有重要地位，然而炉膛燃烧系统具有多参数、多变量、非线性、时变性等强耦合特征，使系统的精确建模和预测困难。机器学习凭借强大的非线性处理能力和预测性能，在CFB领域展现出广阔的应用前景。探讨了机器学习技术在该领域的应用，包括最小流化速度预测、污染物排放预测、床层压力预测、床层温度/热效率预测、颗粒循环流率预测、计算流体力学（computational fluid dynamics,CFD）场的降阶模型、锅炉安全控制系统模型等方面。分析了这些技术在不同场景中的优势和局限，展望了CFB锅炉在大数据时代面临的机遇和挑战，关注模型解释性、泛化能力提升、数据质量多样性、模型结合传统方法、实验验证等是未来研究的重点方向。
关键词：燃煤锅炉;;CFB锅炉;;机器学习;;非线性;;预测
基金资助：怀柔实验室项目(ZD2023008A)~~
