水冷壁等高温受热面超温及由此导致的爆管事故是影响燃煤发电机组安全运行的痛点问题之一。管壁超温一般发生在锅炉受热面局部区域，为预测并缓解超温问题，就必须实时监测受热面壁温的详细分布，并做出针对性调整。由于测量手段受限且CFD数值模拟方法耗时较长，目前仍缺少一种能实时、准确地反映锅炉运行过程中壁温详细分布的技术手段。为此本文采用将耦合传热模型与人工神经网络相结合的方法。本文以某350 MW超临界对冲燃烧锅炉为研究对象，首先以壁温耦合传热预测模型为基础，通过改变耦合模型的46个锅炉关键运行参数，生成220个典型工况，并通过快速扩充方法以极低时间成本衍生出4400个扩充工况。然后，基于典型工况与扩充工况组成的综合数据库，以锅炉的46项运行参数及壁面坐标为输入，以对应位置的壁温为输出，构建深度学习模型。模型MSE误差仅为0.0053，准确率AUC5为0.988，且计算时长在0.1 s以内。结果表明，本文提出的基于数据驱动的水冷壁壁温分布预测模型通过泛化有限工况的数值模拟结果，实现了锅炉全工况下水冷壁管壁温度详细分布的实时预测，且针对模型在低负荷工况时难以准确预测传热恶化的问题，提出快速扩充数据库的方法，以极低时间成本明显提高模型对传热恶化问题的预测准确率。该模型准确率和响应速度均满足燃煤电厂管壁温度的实时监测需求。

1引言
2 数值模型
2.1 烟气侧三维CFD数值模型
2.2 工质侧一维水动力模型
2.3 壁温耦合传热计算模型
3 深度学习模型
3.1 工况设计
3.2 快速扩充数据库方法
3.3 深度学习模型
4 结果与讨论
5 结论

闫靖文,刘欣,王光礼,等.基于数据驱动的锅炉水冷壁壁温分布实时预测模型[J/OL].煤炭学报,1-11[2024-09-18].https://doi.org/10.13225/j.cnki.jccs.LC24.0746.