近年来能源危机与环境问题日益严重,世界各国都在寻找一种能够实现低碳环保又高效率的能源转换技术。在此研究背景下,固体氧化物燃料电池（Solid Oxide Fuel Cell,SOFC）这种高效、清洁、燃料适用范围广的新一代能源转换技术越来越引起人们的广泛关注。在SOFC发电系统中,配置阳极尾气循环系统（Anode Exhaust Gas Recirculation,AEGR）的 SOFC 发电系统往往具有更高的效率,也是目前研究的重点对象。为了保证SOFC系统的安全和持久运行,作为特征参数的氧碳比和燃料利用率都需要严格控制,这对AEGR系统的流量响应提出了较高的要求。因此,流量控制对于AEGR系统来说至关重要。本文以20 kW级SOFC发电系统中的AEGR系统为研究对象,搭建了 AEGR系统模拟实验台,并在该实验台上完成了对AEGR系统的测试、建模与控制策略的研究,主要研究内容如下:（1）基于20kW级SOFC系统的设计要求,设计并搭建AEGR系统模拟实验台,包括整体结构设计、硬件设计与软件设计。在成功运行之后,开展对于AEGR系统的流量特性测试实验,采集相关实验数据,通过对实验数据的分析,了解该系统的运行特性。结果显示,该系统具有很强的非线性、时滞性和复杂性。（2）基于AEGR系统的运行数据,采用机器学习的方法对系统进行数据建模。对比分析了四种机器学习的方法在AEGR系统上的建模性能,从训练结果、预测结果和拟合效果来看,高斯过程回归（Gaussian Process Regression,GPR）相比于BP神经网络、支持向量回归（Support Vector Regression,SVR）和随机森林（Random Forest,RF）具有最优的建模性能。（3）针对AEGR系统复杂的流量特性,开展流量控制策略研究。对传统的控制策略进行了验证,在此基础上提出了一种前馈和模型预测结合（feedforward and modelprediction,FMP）的流量控制方法。在测试实验中,FMP方法的响应时间在22秒以内,超调量小于3.2%,优于基于模型预测的流量控制方法和PID控制方法。