基于改进 BP 神经网络的锅炉过热器管壁温度预测讨论摘要：由于电站锅炉受热管壁长期处于高温状态，当其温度超过所用钢材的许用温度或因长期高温发生蠕变，便会引发各种运行事故。本设计以府谷某电 HG-2070/17.5-YM9 型亚临界锅炉的末级过热器第 22 屏#3 管壁为讨论对象，提出了采纳 BP 神经网络和改进粒子群（PSO）算法优化神经网络对末级过热器#3 管壁温度进行预测的方法。首先采纳小波阈值去噪方法处理锅炉影响壁温的相关数据，得到处理后的训练样本；然后建立 BP神经网络模型预测#3 管壁温；最后利用 PSO 算法对 BP 神经网络初始参数的选取进行优化。该算法加入了导向算子和激发因子，使网络的训练速度加快、训练精度提高。结果表明：利用小波阈值去噪方法处理锅炉受热壁温度数据可以降低受干扰的数据误差，有效地提高了壁温预测的准确性；另外，较 BP 神经网络方法，改进粒子群神经网络模型用于壁温预测的稳定性较好，精度高。关键词：亚临界锅炉；末级过热器；BP 神经网络；阈值去噪；PSO 算法引言近年来，锅炉机组参数的进一步提高，“四管”超温爆管现象时常发生。金属材料在高温与低载荷的长期作用下因蠕变损伤而断裂的行为，是火力发电厂高温部件失效主要原因，如高温过热器管和高温再热器管等因长期超温运行而泄漏爆破。假如设备停机维修，其经济损失是相当大的，包括事后的机组冷态启动所耗油费、修复所用材料费与人工劳动费，设备可用率降低等一系列损失[1]。电站锅炉有受热面与烟气通道两大部分。各受热面包括省煤器、水冷壁、過热器及再热器等以及通流分离器件，如联箱、汽包（汽水分离器）等；烟气通道包括炉膛、水平烟道及尾部烟道等[1]。其中过热器是利用炉膛辐射热能和烟气对流热能加热过热器系统内饱和蒸汽，以提高蒸汽压力、温度，降低烟气温度的热交换设备，由五个主要部分组成：末级过热器、过热器后屏、过热器分隔屏、立式低温过热器和水平低温过热器、顶棚过热器和后烟道包墙系统[2]。陕西府谷某发电厂 HG-2070/17.5-YM9 锅炉是由哈尔滨锅炉厂股份有限公司所制造。经统计，其中末级过热器超温次数相对较多。600MW 燃煤发电机组，锅炉为亚临界参数、控制循环、四角切向燃烧方式、一次中间再热、单炉膛平衡通风、固态排渣、紧身封闭、全钢构架的型汽包炉。锅炉以最大连续负荷（B-MCR）工况为设计参数，最大连续蒸发 2070T/H，过热器、再热器蒸汽出口温度为 541℃，给水温度 283.5℃。其中，末级过...
