李洪涛,何修年,钊学明

(华电邹县发电有限公司，山东邹城 273522)

现代大型火力燃煤发电企业具有技术复杂度高、生产连续性强、负荷变化大等特点。为对电厂生产过程进行有效的检测和控制，火电厂一般都具有较高的自动化水平，若将产生的大量结构化和非结构化数据与目前火热的数据分析、机器学习、云计算等技术相结合，将有利于机组的安全经济运行。

在锅炉燃烧的过程中，燃煤中的碱金属化合物等会在燃烧后随烟气进入尾部烟道并在遇到温度较低的受热面时与受热面或烟气反应，生成硫酸盐等化合物附着在烟道壁上，从而产生灰污堆积、结焦，引起受热面受热不均，增加烟气流动阻力，增大受热面的热阻和排烟温度，降低锅炉燃烧效率，对机组的安全性、经济性都有一定的影响[1-2]。因此，对烟道受热面的灰污检测研究受到了很多企业和单位的重视。

目前，对锅炉炉膛水冷壁表现的灰污状态检测，主要分为炉膛出口烟气温度法[3]、声学法[4-5]、热流密度检测法和洁净因子法[6-8]。洁净因子法通过分析锅炉运行中的各项实时参数，得到机组的洁净因子；声学法通过超声波等对水冷壁表面直接进行检测，检测结果较为直观，但存在的问题是受煤粉、飞灰、噪声、高温等因素影响，检测准确性较低，并且设备使用寿命较短，尤其是面对大容量燃煤锅炉，锅炉体积大，超声波无法准确覆盖整个锅炉并准确地提供检测结果。

为了使锅炉达到最佳运行状态，必须对受热面的清洁度进行控制，限制沾污和结焦的发展。……