我国正经历全球最大的能源体系结构转型,作为最重要发电方式的燃煤发电在其中肩负重任。可再生能源发电的高效并网对燃煤发电的技术革新提出新要求,也对其可持续发展带来挑战;国家“双碳”、“新基建”等重要战略的实施以及互联网、大数据、人工智能等新型技术的快速发展是燃煤发电技术革新的机遇。新型技术的深度集成应用将极大地推动能源电力行业的数字化、网络化、智能化发展,有利于能源的高效清洁利用和系统运行的灵活性升级,对建设低碳、安全、高效的现代能源体系具有重要意义。本文集成人工智能理论、数据挖掘方法、数值模拟技术和多信息融合理念,从锅炉燃烧的信息感知、状态诊断和运行优化三个方面展开研究。主要研究工作包括:（1）针对燃煤锅炉热工运行数据具有的高维度、数据量大、不准确性和时变性等特点,开展了数据可解释性研究,发展数据特性分析方法、数据检验分析方法和数据特征选择方法,形成模块化、结构化数据预处理流程,以提高数据质量和可靠性。首先,根据机理分析和数理统计分析进行热工运行数据特性研究,利用数据可视化方法分析数据分布特征;然后,基于随机森林和数理统计进行数据检验实现异常值检测和稳态筛选;最后,采用机理分析与相关分析实现特征选择。（2）开展锅炉燃烧数值模拟研究和炉膛燃烧物理场特征研究,以提高锅炉燃烧信息感知能力。首先,通过数值模拟方法研究炉膛燃烧物理场三维空间分布特性;然后,基于模态数据互补性和物理场空间分布特性,利用互信息实现炉膛燃烧全局信息的多尺度特征层选择;同时,基于炉膛燃烧局部显著性,采用贡献度和帕累托分析实现炉膛燃烧物理场特征显著性区域提取,实现炉膛燃烧重要特征区域的精细化划分;最后,采用互信息对特征提取效果进行有效性评估。（3）热工运行参数和炉膛物理场特征信息可从不同视角反映锅炉燃烧状态的不同特征,融合炉膛内外多模态信息能提高燃烧状态诊断信息的互补性和容错性,进而可提高锅炉燃烧状态诊断的可靠性和稳定性。首先,提出基于多信息融合的锅炉燃烧状态诊断策略,由“离线学习”和“状态诊断”两部分组成,其核心是多模态信息融合模型研究。通过对智能算法的适应性研究实现数据驱动模型的算法选择,利用特征级融合方法实现热工运行数据和物理场特征参数信息的融合,并采用AutoML进行多模态信息融合模型的超参数自动寻优研究;同时,提出模型可解释性框架,增强模型可解释性,深化理解模型内部机制和超参数寻优过程;采用部分依赖图对超参数寻优过程进行全局性解释,采用SHAP方法对模型进行可解释性分析。然后,对预测结果与实际测量值进行定量分析验证模型的有效性。最后,验证了锅炉燃烧状态诊断策略的有效性。（4）锅炉运行状态调整积累丰富的燃烧优化经验,通过对历史运行数据的深入挖掘可实现锅炉燃烧运行优化。首先,基于多模态信息融合模型体系提出集成案例推理理论和多信息融合方法的锅炉燃烧运行优化策略,包含“信息感知”、“离线建库”和“在线优化”三个策略模块;然后,构建具备信息感知、自适应寻优、自学习修正功能的多模态信息融合专家系统;研究锅炉燃烧经济性、环保性相互平衡的运行模式,实现锅炉燃烧运行优化的精细化调整;最后,验证了锅炉燃烧运行优化策略的有效性。（5）集成信息感知、状态诊断和运行优化研究内容,开展锅炉燃烧状态诊断与运行优化系统平台的开发及应用研究。首先,对工程实际应用的锅炉燃烧状态诊断和运行优化系统软硬件运行平台进行架构设计,基于层次化与模块化思想设计锅炉燃烧状态诊断和运行优化系统框架;然后,搭建锅炉燃烧状态诊断与运行优化软件平台,具有数据感知、数据管理、数据协调、状态诊断、优化指导等功能,用于提升燃烧智能化控制程度和精细化调整水平;最后,将开发的平台在实际电厂进行了应用,以验证提出的锅炉燃烧状态诊断与运行优化策略的有效性和软件系统平台的运行效果。本文研究成果已在某燃煤电厂#1、#2号锅炉成功实施。运行实践表明,所开发的锅炉燃烧状态诊断与运行优化系统可提高锅炉燃烧信息感知、状态诊断与运行优化能力,有利于机组能源利用效率和运行灵活性的提升,为锅炉的高效低污染优化运行提供技术支撑,为电力行业的智能化应用提供技术路径和工程实践方法。