لدي الفرن ذو السائل المتدفق الحلقي (CFB) أهمية كبيرة في صناعة توليد الطاقة في بلادنا، إلا أن نظام احتراق الفرن يتميز بخصائص متعددة مثل تعدد المعلمات، تعدد المتغيرات، اللاخطية، والتغير بمرور الزمن، مما يجعل النمذجة الدقيقة والتنبؤ بالنظام صعبًا. تظهر تقنيات التعلم الآلي، بفضل قدرتها القوية على التعامل مع اللاخطية وأداء التنبؤ، آفاقًا واسعة للتطبيق في مجال CFB. تم مناقشة تطبيقات تقنيات التعلم الآلي في هذا المجال، بما في ذلك التنبؤ بأدنى سرعة للترسيب، التنبؤ بانبعاثات الملوثات، التنبؤ بضغوط الطبقة السريرية، التنبؤ بدرجة حرارة الطبقة السريرية / كفاءة الحرارة، التنبؤ بمعدل الدوران الجزئي، نموذج تقليل ترتيب مجال الديناميكا الحرارية الحاسوبية (CFD)، ونماذج أنظمة التحكم الآمنة للغلايات. تم تحليل مزايا وقيود هذه التقنيات في سيناريوهات مختلفة، وتم استشراف الفرص والتحديات التي تواجه غلايات CFB في عصر البيانات الضخمة، مع التركيز على تفسير النموذج، تحسين القدرة على التعميم، تنوع جودة البيانات، دمج النماذج مع الطرق التقليدية، والتحقق التجريبي كمجالات بحث مستقبلية رئيسية.

غلاية الفحم;غلاية CFB;التعلم الآلي;اللاخطية;التنبؤ