牛玉广，沙 超，康俊杰

（华北电力大学新能源电力系统国家重点实验室，北京102206）

机理建模是由基本物理定律，即利用各个专门学科领域提出的物质和能量的守恒性和连续性原理以及系统（或设备）的结构数据推导出模型的.这种方法得到的数学模型称为机理模型，建立模型的方法称为解析法.Fluent软件属于计算流体软件，可用于流体传热和燃烧过程的数值模拟.利用该软件来完成炉膛内完整的煤粉燃烧过程的数值模拟，得到炉膛内的流场和温度场以及O2体积分数和NOx排放质量浓度等分布，进而得到锅炉效率.但是这种数值模拟模型的计算速度很慢，无法直接应用到锅炉燃烧优化中.

机器学习建模最小二乘支持向量机（LS-SVM）对非线性系统具有很强的逼近能力，以等式约束代替不等式约束，将模型的训练转化为线性方程组的求解，简化了计算并缩短了训练时间，非常适合于根据试验数据建立模型［1-4］.但是这种黑箱辨识方法无法反映锅炉内部机理，建模精度受建模时训练样本数据的影响较大，好的样本数据对LS-SVM 模型非常重要［5-6］.

电站锅炉燃烧过程是个复杂的物理化学过程，涉及到燃烧学、流体力学、热力学和传热传质学等学科领域.目前，用于电站锅炉燃烧优化的模型多为神经网络和支持向量机等机器学习模型，建模数据只是锅炉试验数据，数据来源过于单一且无法涉及所有工况，这样会极大地影响机器学习模型的精度.

笔……