超超临界火力发电机组具有负荷容量大、排放污染物低、发电效率高、具有良好的调峰能力等特点,成为我国和世界较成熟的煤电清洁发电方式。为适应当前国家深度调峰的需求,响应国家上大压小政策,超超临界直流锅炉已经成为火力发电机组的主流。由于现代锅炉参数的不断提高,工质温度极接近材料的极限,在超超临界燃烧锅炉的非计划停运的锅炉侧事故中,金属受热面中的工质泄露占据了极大比例。因此,采取相应措施,有效的防止金属受热面爆管事故频繁发生就显得具有重要的实际意义。本文依据国内某1050MW火力发电超超临界机组的历史运行数据,通过机理和数据驱动建模的方法,对其锅炉金属壁温的软测量和预测展开研究,得到相应的水冷壁和过热器壁温预测模型,并建立了炉膛金属壁温监测系统。主要研究内容如下:首先,对火力发电厂的历史数据进行预处理,将1050MW机组的半年历史数据应用中值滤波、归一化和主成分分析的方法,使数据降噪和降维,得到清洁和易于数据驱动模型计算的输入数据。其次,根据机组锅炉炉膛结构参数、热力参数和水力参数等建立水冷壁温度的机理模型;根据机组锅炉历史运行数据参数,建立数据驱动模型(LSTM神经网络);结合两种模型的优势建立适当的评估系统,优化模型精度,最终建立超超临界机组炉膛水冷壁温度模型。再次,通过对抗神经网络对超超临界机组的历史数据进行了强化,增强了输入数据的鲁棒性,将获得的强化数据作为输入,通过适应大量数据输入作为预测的核向量回归算法,建立超超临界机组炉膛过热器壁温模型。最后,开发超超临界火电机组炉膛金属壁温监测系统:根据超超临界火电机组水冷壁温度和过热器壁温预测模型,应用VS2017软件、C#语言、sqlserver数据库建立炉膛金属壁温监测系统的软件部分,通过网线与电厂DCS系统交互建立炉膛金属壁温监测系统的硬件部分,实现对炉膛金属壁超温现象的提前预警,保证锅炉的安全运行。