提高煤电运行灵活性是提高可再生能源消纳能力的重要手段，然而燃煤发电过程具有典型的大惯性、大延迟、非线性、多变量耦合特性，传统热力系统控制是基于特定工况点线性化设计的，无法保证机组在宽负荷灵活运行条件下的控制性能。鉴于此，有必要对宽负荷灵活运行下的火电热力系统进行进一步的建模研究，为开发先进控制策略奠定基础。本文采用长短时记忆神经网络(LSTM)建立了主汽温、再热汽温动态预测模型；研究了融合数据与机理的建模方法，针对某亚临界机组与某超超临界机组分别建立了协调系统动态模型，为揭示宽负荷灵活运行下热力系统特性及设计先进控制策略奠定了基础。
　　以某660MW燃煤锅炉为研究对象，采用有限脉冲响应滤波器(FIR)进行数据滤波后，建立了基于LSTM的主蒸汽温度、再热蒸汽温度、NOx浓度、CO浓度多参数协同预测模型及再热蒸汽温度多步预测模型。研究表明，FIR滤波器能够有效去除噪音和尖刺；多参数协同预测模型效果较好，四个输出的相关系数r均大于0.93；再热蒸汽温度多步预测模型均表现优异，5步预测结果均方根误差(RMSE)的平均值小于0.52℃，可以准确预测2.5min之内的再热汽温变化；针对主蒸汽温度t+1时刻的预测结果而言，多步预测模型较多参数协同预测模型效果好。
　　针对亚临界机组与超超临界机组，通过机理分析与简化假设，提出了融合机理与数据的机-炉协调系统动态建模方法，分别构建了协调系统模型。针对部分环节机理复杂、建模难度高的问题，采用支持向量机进行辅助建模，然后基于粒子群算法寻优得到对锅炉动态参数，最后对模型进行开环阶跃响应测试和闭环验证。研究表明，融合机理与数据的建模方法较传统机理建模方法具有更高的精度；所建动态模型能够准确反映机组动态特性；亚临界机组和超超临界机组模型平均相对误差最大值分别为1.77%和3.24%，具有满意的精度。该模型可用于协调控制系统设计与改进。