为响应我国关于“碳减排”“碳达峰”等政策需求,需要提高能源利用效率及促进清洁技术发展。循环流化床锅炉（Circulating Fluidized Bed,CFB）以其特有的负荷调节快、脱硫效率高、污染排放低等优点,近年来一直是能源清洁利用技术的重要发展方向。对于循环流化床锅炉复杂的燃烧系统而言,床温是锅炉运行的重要参数,它会对锅炉的污染物排放效率、燃烧效率乃至整体运行安全性造成影响,且对于其波动原因的探究以及预测控制一直是一个难题,准确对床温的变化情况进行把控从而及时对相关影响参数进行调节是电厂运行的关键工作。因此,挖掘床温的影响因素,建立精准的动态预测模型对循环流化床锅炉技术的进一步发展有重要意义。本文对CFB锅炉床温问题展开了全面的研究,在传统传热相关的锅炉床温计算方式的基础上,使用大数据手段对影响床温的因素进行系统的分析,并建立相应预测模型,具体研究内容包括:1.影响锅炉床温均匀分布的因素研究。主要从回料分离系统的角度,分析了对象锅炉的给煤、返料特性,同时对其系统的分离特性进行计算分析,给出运行优化及入煤建议。2.影响床温偏高的因素研究。使用传统计算模型,分析一次风、燃料量及其质量、入炉燃料气等因素对床温水平变化造成的定性影响,同时也结合实际DCS运行数据探究传统计算模型外的其他原因。3.精准的床温预测模型及其相关控制器的建立与床温优化。在前文影响因素分析的基础上,使用计算机特征选择方式对模型特征进行筛选,且在支持向量回归模型搭建的同时加入粒子群优化算法,随后根据统计学评估结果选出了最优的阶次及参数组合。通过以上实际运行收集的大数据信息结合传统计算的方法进行分析研究,提高了优化电厂床温运行建议的全面性和精确度,有极大的应用价值。本文建立了系统阶次h=3,输入阶次s=2的支持向量回归时序模型,模型结果R~2为0.9939,绝对百分比误差为0.0013,说明该模型能够很好地对床温变化情况进行预测。在不同配风及负荷条件下对该模型准确性进行验证,验证结果表明该模型适用于目标电厂的日常负荷及配风场景下的运行工况,是精准的床温水平预测模型。接着根据建模结果设计了模型预测控制器,进行了控制性能及抗干扰实验,结果表明控制器能拥有较出色的追踪及稳定能力。最后结合遗传算法进行了床温优化,得到各负荷运行条件下的最优参数组合,并使床温的平均优化效率达到了7.90%。