炉膛燃烧直接影响锅炉运行的安全性、经济性和环保性。炉膛燃烧层温度不仅直接反映了入炉煤的品质,还是燃烧污染物形成的关键因素。本文基于数据挖掘和数据分析,针对660MW超超临界燃煤机组的锅炉运行数据,采用VIP-SR回归法和NARX神经网络、ARDL模型及ARIMAX模型,分别建立燃烧层温度的静态和动态模型。主要研究内容如下:首先分析了数据挖掘和数据分析的主要算法特点,包括偏最小二乘回归、逐步回归、ARDL模型和ARIMAX模型。针对660MW超超临界机组的锅炉燃烧系统,采集低、中、高负荷下的运行数据,分析不同负荷下影响各燃烧层温度的主要参数,基于变量重要性投影(VIP)技术进行变量筛选,由各参数间的相关性获取影响炉膛燃烧层温度的主要变量,从而减少样本集中自变量数目,并消除了变量之间共线性的影响,为燃烧层温度建模奠定了基础。其次通过PLS的变量重要性投影进行变量筛选,采用逐步回归法进一步精简变量,基于VIP-SR建立了不同负荷下炉膛燃烧层温度模型,并在测试集上测试了模型的精度。同时采用SVM方法完成低负荷下各燃烧层温度预测,并对比分析两种温度预测模型的特点。最后基于非线性有源自回归神经网络(NARX)、自回归分布滞后(ARDL)模型和有源自回归积分滑动平均模型(ARIMAX),分别实现了不同负荷下炉膛三层燃烧层温度的动态建模,仿真结果表明算法的有效性,并针对不同的温度预测模型进行对比分析。