水泥生产过程中,熟料冷却阶段会释放出大量的余热废气,从而造成能源浪费。余热发电作为一种二次能源利用技术被有效的应用到水泥生产中。余热锅炉作为余热发电系统中重要的组成部分之一,主要负责回收生产线上的余热废气,由于水泥生产线存在各种不稳定因素,因此确定余热锅炉阀门最优状态,在保证余热锅炉安全稳定运行的同时,增加热能回收率变得十分重要。余热发电系统中阀门调节影响因素众多、参数关系复杂,模糊控制等传统优化方法在复杂系统中存在局限性以及隶属度函数难以确定等问题,因此基于余热发电系统历史数据的优化方法成为一种有效手段。针对余热锅炉阀门调节问题,提出一种基于融合模型的余热锅炉阀门调节预测方法,该方法利用历史发电量较高的余热锅炉阀门调节数据,深度挖掘阀门调节特征的内在联系,建立阀门调节预测模型,以达到余热再利用的最大化。本文主要针对窑头余热锅炉阀门调节,该锅炉包括冷风阀、入口阀、旁通阀。通过对阀门相关系数研究,该方法分为冷风阀调节预测模型以及入口阀＆旁通阀调节预测模型。在冷风阀调节预测模型中,首先针对冷风阀调节数据存在不平衡的问题,利用过采样算法,重构原始训练集;其次针对冷风阀调节数据的特殊性,提出了基于密度聚类的加权随机森林冷风阀调节预测模型（The adjustment prediction model of cold air valve based on density clustering weighted random forest,简称DCWRFVA）。在入口阀＆旁通阀调节预测模型中,首先针对入口阀、旁通阀调节依赖取风温度的时序性特征,构建了基于LSTM取风温度异常检测网络;其次,针对两者强相关性,构建了BP共享权值神经网络;最后,将两者结合构成基于LSTM-BP共享权值神经网络的入口阀＆旁通阀调节预测模型（The adjustment prediction model of inlet valve and bypass valve based on LSTM-BP shared weight neural network,简称LSWBVA）。实验采用某水泥厂实际生产数据,通过仿真实验对比,DCWRFVA冷风阀调节预测模型在多个仿真集上实验结果均优于其它调节预测模型,证实该模型具有更好的泛化性。LSWBVA入口阀＆旁通阀调节预测模型相比其它模型可有效预测入口阀、旁通阀调节时机,并预测入口阀、旁通阀开度。最后,以离线训练好的融合模型为基础设计余热感知优化系统,监测余热锅炉运行状态,并实时给出余热锅炉阀门调节建议。