容克式空气预热器(简称:空预器)是火力发电厂常用的锅炉尾气回收利用装置,其工作原理是利用锅炉尾气中含有的热量来加热即将进入炉膛助燃的空气和制粉系统所需的空气,可以有效的提高能源利用效率。空预器因结构原因普遍存在漏风问题,转子热变形会造成大量预热过的空气泄漏,造成巨大的能源浪费和经济损失,甚至迫使机组降负荷运行。因为转子内部环境恶劣,温度高,大量高温灰尘在转子内部流动,容易导致间隙测量传感器损坏,目前对漏风进行控制的难点在于如何得到准确的转子热变形量。　　本文提出了一种基于数据驱动的空气预热器转子热变形进行建模方法。利用空预器内部温度与转子热变形之间的密切相关性,使用模糊支持向量机(FSVR)回归算法建立空预器转子热变形回归预测模型,当密封间隙测量传感器发生故障时,使用模型的输出预测值替代实际测量值,使系统能够继续投入自动运行。　　FSVR是一种将支持向量机(SVR)和模糊思想结合在一起的回归预测方法,具有良好的泛化能力,同时可以有效避免噪声或孤立点对SVR最优分类面的影响。为保证建模用数据准确有效,本文采用带有约束的最小二乘滤波方法对热变形数据进行滤波。本文对FSVR算法进行了详细的研究和分析,采用改进的模糊c均值聚类方法确定样本点的权重,联立遗传传算法与K折交叉验证方法优化FSVR模型辨识的参数(ε一不敏感损失函数、惩罚因子C和RBF核函数用途范围),使算法更加适用于空预器转子热变形建模。　　仿真数据来自某电厂600MW机组,分别采用FSVR, SVR和神经网络的方法建立转子热变形模型。测试结果表明,FSVR模型训练时间短,得到的估计值准确有效,可以满足间隙控制系统对测量精度的要求。