循环流化床锅炉是一种具有广泛应用前景的高效清洁燃烧技术,但磨损问题一直制约循环流化床锅炉的长周期运行。目前大多通过运行勘测经验积累预判磨损状况或通过数值模拟得到速度场与浓度场了解磨损分布区域,鲜有学者通过理论方法定量研究预测运行锅炉炉内不同区域的磨损状况。磨损主要受粉尘气流速度与浓度影响,基于运行数据利用流体力学软件模拟得到50组工况下的水冷壁受热面附近的飞灰颗粒速度和飞灰颗粒浓度数据,通过BP神经网络和遗传算法对某石化厂CFB锅炉掺烧石油焦建立结构为5-13-12的GA-BP神经网络的相对磨损量磨损预测模型,进而分析布风板风量、一次风风量、二次风风量、燃料量以及掺混比5个运行参数对炉膛内不同区域磨损的影响。结果表明:测试集预测结果与现场勘测的磨损状况较吻合,验证了采用GA-BP神经网络建立磨损预测模型的可行性,指导防磨运行,即在保证锅炉正常运行情况下,适当减少一定量的布风板流化风,减少密相区一、二次风以及燃料量,适当增加石油焦掺混比,可减轻炉内受热面的磨损。