La caldera de lecho fluidizado circulante (CFB) tiene una posición importante en la industria de generación de energía de nuestro país, sin embargo, el sistema de combustión de la cámara presenta características fuertemente acopladas como múltiples parámetros, múltiples variables, no linealidad y variación temporal, lo que dificulta el modelado y la predicción precisos del sistema. El aprendizaje automático, con su poderosa capacidad de manejo no lineal y rendimiento predictivo, muestra un amplio potencial de aplicación en el campo de CFB. Se exploran las aplicaciones de las tecnologías de aprendizaje automático en este campo, incluyendo la predicción de la velocidad mínima de fluidización, la predicción de emisiones contaminantes, la predicción de la presión del lecho, la predicción de la temperatura/eficiencia térmica del lecho, la predicción de la tasa de circulación de partículas, el modelo reducido del campo de dinámica de fluidos computacional (CFD), modelos del sistema de control de seguridad de la caldera, entre otros. Se analizan las ventajas y limitaciones de estas tecnologías en diferentes escenarios, se vislumbran las oportunidades y desafíos que enfrentan las calderas CFB en la era de los grandes datos, y se enfocan aspectos como la interpretabilidad del modelo, la mejora de la capacidad de generalización, la diversidad en la calidad de los datos, la combinación de modelos con métodos tradicionales y la validación experimental como direcciones clave de investigación futura.

caldera de carbón;caldera CFB;aprendizaje automático;no lineal;predicción