摘要
在全球碳中和目标的驱动下，燃煤发电正经历着重大的运行模式变革。现代锅炉必须在保持低排放和可靠性能的同时实现更灵活运行。这一转变增加了对智能监控、操作人员监督下的优化以及安全约束决策支持的需求。本文采用可重复的检索与筛选流程，审视了锅炉智能化的发展历程，涵盖四个相互关联的技术阶段。在感知层，数据驱动的软测量传感器支持对烟气排放的快速预测，同时基于图结构的时空模型被用于表征火焰与燃烧状态。在建模层，物理信息神经网络（PINNs）和正交分解降阶模型（POD-ROMs）被作为加速物理场重建的途径进行评述。耦合计算流体力学（CFD）与人工智能（AI）的代理模型为快速预测提供了另一条路径，并可纳入物理约束条件。这些快速场模型还可作为锅炉数字孪生的组成部分，用于在线评估与运行指导，并在异常状况出现时提供早期预警。在决策层，强化学习、模型预测控制和多目标优化被用于燃烧及选择性催化还原（SCR）控制的评述。由于这些应用属于安全关键型，自主控制必须严格限制在执行机构限幅与既定运行裕度范围内，同时必须满足排放要求与氨逃逸约束条件。安全部署还要求配备回退机制、网络安全防护以及人工监督。数据稀缺和生命周期内的概念漂移仍是工业应用的限制因素，而有限的可解释性以及仿真到实际的迁移能力则构成了额外挑战。边缘计算延迟以及在异常工况下验证不足仍是重要障碍。最后，工业基础模型和大语言模型主要作为知识接口和操作员辅助工具被讨论，而非直接用于安全关键控制。
