全球气候变暖和生态环境的退化使人们对煤炭能源的高效清洁利用重视起来。国家制定的碳达峰目标使火电企业更加重视提升锅炉的燃烧效率。合理送入二次风有助于防止在严重缺氧的条件下因不完全燃烧损失增加及灰熔点降低而结焦。提高二次风喷口流量测量的精准度有助于合理的配送二次风,从而提高锅炉燃烧效率和安全性。本研究基于计算流体力学和优化机器学习的相关理论,对350MW热电联产机组锅炉的二次风箱构建软测量模型,进行了结构模拟和数据分析,分析了影响二次风喷口流量的主要因素,比较了不同模型之间的差异。研究内容总结如下:（1）利用ANSYS2020软件对火电机组的二次风箱系统进行数值模拟,建立二次热风道、环形风箱和简化燃烧器的三维几何模型,经过网格划分、边界条件设定、求解设置和后处理获得仿真结果。并对入口风速、出口负压、挡板开度和调风盘距离等变量进行参数化研究,模拟仿真内外二次风喷口流量在624种不同的工况下的变化。获得的模拟数据用于建立优化机器学习模型。（2）根据对风箱系统的参数化仿真数据推导管道内流动计算模型和阀门特性计算模型中的关键系数,如不同结构下的调风盘距离阻力系数、风门挡板阻力系数等。结合风箱系统的结构数据分别建立基于管道结构和阀门特性的数学模型。（3）基于模拟数据和随机森林算法进行变量相关性分析和变量重要性评估,结果显示内二次风喷口流量与对应层的风门挡板开度的相关度最强。构建多层感知机网络模型,其包含单个输入层、2个隐含层和单个输出层。输入层包含18个节点,分别对应入口风速、挡板开度和调风盘距离等18个输入变量,输出层为单个燃烧器的内二次风喷口流量或外二次喷口流量,模型内节点权重采用默认数值。（4）分别采用人工蜂群算法和萤火虫算法对多层感知机网络模型进行优化,对节点权重进行寻优。利用交叉验证的方法检验模型的准确度,通过误差分析发现采用优化算法的机器学习模型优于基于管道结构和阀门特性的数学模型。其中,萤火虫算法加多层感知机网络模型的均方根误差最低,输出为单燃烧器的内二次风喷口流量和外二次风喷口流量的均方根误差分别为0.0799和0.0707。