乔宗长

本研究围绕CFB（循环流化床）锅炉燃烧过程的复杂动态特性，提出一种基于深度学习的智能优化控制方法。通过构建多层神经网络对锅炉燃烧状态进行建模，提取关键运行参数与燃烧效率之间的非线性映射关系，实现对温度、压力、含氧量等核心指标的高精度预测。进一步引入强化学习与自适应控制策略，构建优化调控机制，在满足环保约束的前提下有效降低能耗并提高锅炉热效率。实验结果表明，该方法在动态工况下表现出优异的鲁棒性和实时性，为CFB锅炉燃烧控制提供了新的智能化解决方案。

CFB锅炉；深度学习；燃烧优化；智能控制；强化学习

[1] 王志强,李建国,陈伟.循环流化床锅炉燃烧特性分析与优化控制[J].动力工程学报,2020,40(6):1234-1242. [2] 刘海峰,张文杰,周立军.基于深度学习的锅炉燃烧状态预测方法研究[J].热能动力工程,2021,36(5):78-85. [3] 孙鹏飞,高志宏,蔡志明.强化学习在火电锅炉燃烧优化控制中的应用[J].电站系统工程,2022,38(2):152-160. [4] 赵志刚,黄文辉,王鹏.CFB锅炉多工况燃烧优化控制策略研究[J].中国电机工程学报,2021,41(7):1955-1965. [5] 周林,李旭,韩涛.智能优化算法在循环流化床锅炉中的应用与分析[J].热能工程,2022,41(8):43-51.

点击下载PDF