순환 유동층(CFB) 보일러는 우리나라 발전 산업에서 중요한 위치를 차지하고 있으나, 연소로 연소 시스템은 다중 매개변수, 다중 변수, 비선형성, 시간 변동성 등 강한 결합 특성을 가지고 있어 시스템의 정확한 모델링과 예측이 어렵다. 기계 학습은 강력한 비선형 처리 능력과 예측 성능으로 CFB 분야에서 광범위한 응용 전망을 보여준다. 본문에서는 최소 유동 속도 예측, 오염물 배출 예측, 층 압력 예측, 층 온도/열 효율 예측, 입자 순환 유량 예측, 전산 유체 역학(CFD) 장의 차수 축소 모델, 보일러 안전 제어 시스템 모델 등 기계 학습 기술의 적용을 논의하였다. 다양한 시나리오에서 이러한 기술의 장단점을 분석하였으며, 빅데이터 시대에 CFB 보일러가 직면한 기회와 도전을 전망하였다. 모델 설명력, 일반화 능력 향상, 데이터 품질 다양성, 모델과 전통적 방법의 결합, 실험 검증 등이 향후 연구의 중점 방향이다.

석탄 보일러;CFB 보일러;기계 학습;비선형;예측