本发明公开了一种锅炉过热器/再热器受热面金属壁温与氧化皮(垢层)厚度定量在线监测的方法。该方法根据锅炉运行参数，利用神经网络预测监测管前各分区段的烟气温度与速度，在此基础上，根据受热面传热数学模型，得到过热器、再热器受热面壁温的分布及氧化皮(垢层)厚度。具有简单快速、可连续进行和定期自动学习的优点，可用于在实际煤粉锅炉运行中进行受热面壁温、氧化皮厚度的定量监测，为锅炉通过优化调整控制热偏差防止爆管及为受热面寿命管理提供定量依据。
1.一种锅炉过热器/再热器受热面壁温及氧化皮厚度的监测方法，其特征是：包括以下步骤：S1根据受热面入口烟气分布特点将监测管沿高度方向分段设过热器、再热器最外层第一根管为监测管，根据锅炉的布置与过热器、再热器的布置，通过实测或数值计算的方法，弄清过热器、再热器入口处烟温与烟速沿高度及宽度方向的变化情况；
然后沿高度方向将过热器、再热器划分为n个区段，n＝1～5；
在每个区段的中间布置烟温与烟速测点，测量该区段入口烟温、烟速及出口烟温；
监测参数有：顶棚上监测管外壁温度Ttop、各区段入口烟气平均烟速与烟温ui、ti；入口联箱、出口联箱的压力和温度Pin、Tin、Pout、Tout由DCS数据库获得；S3监测段入口烟温与烟速预测神经网络的确定及训练根据对过热器/再热器入口烟速与烟温的影响，选择神经网络的输入为：总燃料量、各台磨煤机燃料量占总燃料量比率、总风量、一次风率、各一次风门开度、各二次风门开度、煤的收到基水含量、挥发分含量、发热量、灰污状况；
神经网络的输出为：各监测段入口烟气平均烟速ui，各监测入口烟气平均烟温ti；
在工况稳定，即在一定时间内参数随时间变化幅度小于一定数值时，读取神经网络的输入输出参数，经过归一化处理后用于神经网络训练，或利用数值计算结果进行神经训练；
S4监测管无氧化皮时热阻预测神经网络的确定及训练根据对无氧化皮时监测管传热热阻的影响因素，选择神经网络的输入为：总燃料量、各台磨煤机燃料量占总燃料量比率、总风量、一次风率、各一次风门开度、各二次风门开度、煤的收到基水含量、挥发分含量、发热量、灰污状况、过热器出口蒸汽压力、蒸汽流量、各级减温水量；
选择神经网络的输出为：监测管蒸汽温升有关参数ΔTs，监测管传热平均温差Δt，监测无氧化皮时的管传热热阻R；
R＝HΔt/[ρsvACps(Ttop-Tin)-Qf]；
在无氧化皮的工况下，当参数达到稳定，即在一定时间内参数随时间变化幅度小于一定数值时，读取相关参数，输入、输出参数均经过归一化处理后用于神经网络的训练，或利用数值计算结果进行神经训练；
对于多进多出型的进出口联箱，认为联箱压力分布均匀，每根并列管的压差相等；进口联箱、出口联箱压力和温度分别为Pin、Tin、Pout、Tout；根据数值计算或设计数据可以确定各并列管的阻力系数；
式中Pin，Pout分别为进口联箱和出口联箱的压力，Pa，可以由DCS监测数据得到；
对于监测管，出口端顶棚上监测壁温Ttop近似等于出口端汽温θ0，即：Ttop＝θ0；
采用θ0作为定性温度，根据IAPWS—IF97公式计算监测管子内部蒸汽的密度ρ和动力粘度μ，即：ρ＝ρ(Pout,θ0)，μ＝μ(Pout,θ0)；
λ＝0.0032+0.221Re (3)Re＝ρv0di/μ (4)；
式中，λ—监测管的沿程阻力系数；li—监测管的长度，m；di—为监测管的内径，m；
ξ--监测管的局部阻力系数，可以根据数值计算或设计资料计算得到；v0—监测管的出口段蒸汽流速，m/s；Re—监测管出口段的雷诺数；
联立求解方程(1)～(4)，得出监测管第1段的蒸汽流速v0；
监测管第i段的蒸汽流速vi按质量守恒计算：S6监测管各段的传热计算
监测管各段的传热计算按炉顶壁温测点与炉/烟道内监测点所处的蒸汽流程关系，从第1段开始，依次根据对流传热原理进行传热计算；
蒸汽在管内纵向冲刷，Re＞10 ，0.6＜pr＜160，流动与传热充分发展l/d>50，对流放热系数：烟气在顺列管束外横向冲刷的对流放热系数：式中，Cs和Cn—管束节距和排数有关的修正系数；Di-为监测管的外径，m；
式中：ε--灰污系数，ε＝δh/λh；δm、δy、δh--分别为管子金属、管子内壁氧化皮、管子外壁积灰层的厚度，m；λm、λy、λh--分别为管子金属、管子内壁氧化皮、管子外壁积灰2
层的导热系数，W/(m·℃)；αg、αs--分别为烟气侧和蒸汽侧对流放热系数，W/(m·℃)；
对监测管，烟气与蒸汽一次交叉，传热温压：式中，Δtmax＝t1-θ1，Δtmin＝t1-θ0；
第i段总传热量：Q＝Qd+Qf＝ρsvACps(θi-1-θi) (11)；
式中：H—管子外表面积，m；A-管内流通面积，m ；
以第i段为例，第i段的总传热量为Qi，由对流传热规律，可以计算出：Qi＝Qdi+Qfi＝ρsiviAiCpsi(θi-1-θi)，i＝1,2…n (13)由多层圆筒导热公式，可以得到第i段管子外壁平均热负荷：式中：ΔTtb为最外层与最内层金属壁温差；β＝Di/di，对于薄壁管，有lnβ≈2(β-1)/(β+1)；δy为氧化皮厚度；λy为氧化皮导热系数；
考虑到对流换热可以得到管子外壁温度与工质温度的关系：最高壁温：Tmax＝max{T0，T1…Tn-1}S8氧化皮厚度计算模型
假定受热面内氧化皮是均匀的，忽略局部温度对氧化皮厚度的影响；烟气出口平均温度tout由测量或由蒸汽热量平衡计算出来；不计散热情况下，蒸汽吸热量等于烟气放热量：对于某监测管，当管内无氧化皮时，蒸汽吸收的热量等于对流传热量与炉膛直接辐射传热量之和：式中，R为无氧化皮时对流传热热阻：R＝1/αg+ε+δm/λm+1/αs；Δt为无氧化皮时监测管整体传热平均温差；
对于某监测管，当管内有氧化皮时，蒸汽吸收的热量仍然等于对流传热量与炉膛直接辐射传热量之和：式中，上标’均指有氧化皮时的工况参数；由于氧化皮极薄，因此，有氧化皮时，此项热阻基本不变，但要加上氧化皮的热阻，因此有氧化皮时热阻为：R'＝R+δy/λy生成氧化皮前后，同等条件下，进、出口联箱压差ΔP相等，因此，有：由(16)/(17)，并将(18)式代入，可得，式中，qf＝Qf/H,q'f＝Q'f/H；
由(19)式求解可得到氧化皮厚度δy；当炉膛对监测段直接辐射传热很弱时，(19)式得到简化，可得：
锅炉过热器/再热器受热面壁温与氧化皮厚度的监测方法
技术领域
[0001] 本发明涉及一种锅炉过热器与再热器受热面壁温及氧化皮(垢层)厚度在线监测方法。
背景技术
[0002] 锅炉的过热器、再热器等部件承受着高压力以及高温度、高湿度，长期处于高温蒸汽与高温烟气等十分恶劣的环境介质中，在服役过程中发生蠕变、疲劳、蒸汽氧化、煤灰腐蚀等复杂的过程，导致材料老化与失效。因此，锅炉受热面爆管泄漏问题一直是导致国内外火电机组强迫停机的主要原因。而超超临界机组过热器、再热器内的工质参数比亚临界机组明显提高，受热面的工作条件更加恶劣，近年来国内投产的超超临界锅炉相继发生过超温爆管事故，严重影响了机组的安全、经济运行。
[0003] 过热器、再热器材料的老化与失效的速度、氧化皮的产生与其壁温有很大的关系，壁温的监测是在线寿命管理的基础。目前对锅炉过热器、再热器壁温的监测只是依靠布置在炉外管道上的少量热电偶进行，难以测量在实际运行过程中过热器、再热器的真实壁温。
[0004] 锅炉炉膛烟道尺寸大，温度高，金属壁温的直接测量装置安装很困难、有可能影响受热面的安全性、费用高昂难于长期运行，给正常运行监测及锅炉调试带来困难。一般采用在炉膛顶棚上的过热器、再热器引出管上测量外壁温度，但此温度只能反映过热器、再热器管出口汽温，并不能很好地反映出局部地方的超温。
[0005] 传统的在炉顶大包内安装壁温测点进行受热面壁温监测实质上是受热面出口汽温的监测。对于监测堵塞造成的超温有很好的作用，但是对于局部热偏差造成的局部超温因为监测点远离超温点则无法监测，而且当出现氧化皮或垢层后，由于传热是减弱的，所以出口汽温反而有所下降，与壁温变化方向是相反的，所以传统的监测方法也无法反映甚至引起误判。单纯神经网络方法因为在运行中无法知道氧化皮厚度所以无法进行训练，单纯炉内壁温的方法实施困难而且成本太高难以长期连续运行。
发明内容
[0006] 本发明所要解决的技术问题，就是提供一种锅炉过热器与再热器受热面壁温及氧化皮厚度在线监测方法，能对各种热偏差引起的受热面局部超温进行监测，直接根据传热情况数学模型对氧化皮厚度进行预测，并能在线学习适应锅炉特性的变化。
[0007] 解决以上技术问题，本发明采取的技术方案是：
[0008] 一种锅炉过热器/再热器受热面壁温及氧化皮厚度在线监测方法，其特征是：包括以下步骤：
[0009] S1根据受热面入口烟气分布特点将监测管沿高度方向分段
[0010] 设过热器、再热器最外层第一根管为监测管，根据锅炉的布置与过热器、再热器的布置，通过实测或数值计算的方法，弄清过热器、再热器入口处烟温与烟速沿高度及宽度方向的变化情况；
[0011] 然后沿高度方向将过热器、再热器划分为n个区段，n＝1～5；
[0012] S2布置神经网络训练用烟气温度速度测点
[0013] 在每个区段的中间布置烟温与烟速测点，测量该区段入口烟温、烟速及出口烟温；
[0014] 监测参数有：顶棚上监测管外壁温度Ttop、各区段入口烟气平均烟速与烟温ui、ti；入口联箱、出口联箱的压力和温度Pin、Tin、Pout、Tout由DCS数据库获得；S3监测段入口烟温与烟速预测神经网络的确定及训练
[0015] 根据对过热器/再热器入口烟速与烟温的影响，选择神经网络的输入为：总燃料量、各台磨煤机燃料量占总燃料量比率、总风量、一次风率、各一次风门开度、各二次风门开度、煤的收到基水含量、挥发分含量、发热量、灰污状况；
[0016] 神经网络的输出为：各监测段入口烟气平均烟速ui，各监测入口烟气平均烟温ti；
[0017] 在工况稳定，即在一定时间内参数随时间变化幅度小于一定数值时，读取神经网络的输入输出参数，经过归一化处理后用于神经网络训练，或利用数值计算结果进行神经训练；
[0018] S4监测管无氧化皮时热阻预测神经网络的确定及训练
[0019] 根据对无氧化皮时监测管传热热阻的影响因素，选择神经网络的输入为：总燃料量、各台磨煤机燃料量占总燃料量比率、总风量、一次风率、各一次风门开度、各二次风门开度、煤的收到基水含量、挥发分含量、发热量、灰污状况、过热器出口蒸汽压力、蒸汽流量、各级减温水量；
[0020] 选择神经网络的输出为：监测管蒸汽温升有关参数ΔTs，监测管传热平均温差Δt，监测管传热热阻(无氧化皮时)R；
[0021] 其中： Δt为无氧化皮时监测管整体传热平均温差；R＝HΔt/[ρsvACps(Ttop-Tin)-Qf]；
[0022] 在无氧化皮(或氧化皮厚度已知)的工况下，当参数达到稳定，即在一定时间内参数随时间变化幅度小于一定数值时，读取相关参数，输入、输出参数均经过归一化处理后用于神经网络的训练，或利用数值计算结果进行神经训练；
[0023] S5监测管中的蒸汽流速计算
[0024] 对于多进多出型的进出口联箱，认为联箱压力分布均匀，每根并列管的压差相等；进口联箱、出口联箱压力和温度分别为Pin、Tin、Pout、Tout；根据数值计算或设计数据可以确定各并列管的阻力系数；
[0025] 由此可得每一根管子的压差均为：
[0026] ΔP＝Pin-Pout (1)
[0027] 式中Pin，Pout分别为进口联箱和出口联箱的压力，Pa，可以由DCS监测数据得到；
[0028] 对于监测管，出口端顶棚上监测壁温Ttop近似等于出口端汽温θ0，即：Ttop＝θ0；
[0029] 采用θ0作为定性温度，根据IAPWS—IF97公式计算监测管子内部蒸汽的密度ρ和动力粘度μ，即：
[0030] 监测管的压差根据阻力计算为：
[0031]-0.237
[0032] λ＝0.0032+0.221Re (3)
[0033] Re＝ρv0di/μ (4)；
[0034] 式中，λ—监测管的沿程阻力系数；li—监测管的长度，m；di—为监测管的内径，m；ξ--监测管的局部阻力系数，可以根据数值计算或设计资料计算得到；v0—监测管的出口段蒸汽流速，m/s；Re—监测管出口段的雷诺数；
[0035] 联立求解方程(1)～(4)，得出监测管第1段的蒸汽流速v0；
[0036] 监测管第i段的蒸汽流速vi按质量守恒计算：
[0037]
[0038] S6监测管各段的传热计算
[0039] 监测管各段的传热计算按炉顶壁温测点与炉/烟道内监测点所处的蒸汽流程关系，从第1段开始，依次根据对流传热原理进行传热计算；
[0040] 蒸汽在管内纵向冲刷，Re＞104，0.6＜pr＜160，流动与传热充分发展l/d>50，对流放热系数：
[0041]
[0042] 烟气在顺列管束外横向冲刷的对流放热系数：
[0043]
[0044] 式中，Cs和Cn—管束节距和排数有关的修正系数；Di-为监测管的外径，m；
[0045] 传热系数：
[0046]
[0047] 式中：ε--灰污系数，ε＝δh/λh；δm、δy、δh--分别为管子金属、管子内壁氧化皮、管子外壁积灰层的厚度，m；λm、λy、λh--分别为管子金属、管子内壁氧化皮、管子外壁积灰层的导热系数，W/(m·℃)；αg、αs--分别为烟气侧和蒸汽侧对流放热系数，W/2
(m·℃)；
[0048] 对监测管，烟气与蒸汽一次交叉，传热温压：
[0049]
[0050] 式中，Δtmax＝t1-θ1，Δtmin＝t1-θ0；
[0051] 第i段对流传热量：Qd＝KΔtH (10)；
[0052] 第i段总传热量：Q＝Qd+Qf＝ρsvACps(θi-1-θi) (11)；
[0053] 式中：H—管子外表面积，m2；A-管内流通面积，m2；
[0054] 由(6)～(11)，可以求得第i段入口汽温θi；
[0055]
[0056] S7监测管各区段最高壁面温度计算
[0057] 以第i段为例，第i段的总传热量为Qi，由对流传热规律，可以计算出：
[0058] Qi＝Qdi+Qfi＝ρsiviAiCpsi(θi-1-θi)，i＝1,2…n (13)
[0059] 由多层圆筒导热公式，可以得到第i段管子外壁平均热负荷：
[0060]
[0061] 式中：ΔTtb为最外层与最内层金属壁温差；β＝Di/di，对于薄壁管，有lnβ≈2(β-1)/(β+1)；δy为氧化皮厚度；λy为氧化皮导热系数；
[0062] 考虑到对流换热可以得到管子外壁温度与工质温度的关系：
[0063]
[0064] 最高壁温：Tmax＝max{T0，T1…Tn-1}
[0065] S8氧化皮厚度计算模型
[0066] 假定受热面内氧化皮是均匀的，忽略局部温度对氧化皮厚度的影响；烟气出口平均温度tout由测量或由蒸汽热量平衡计算出来；不计散热情况下，蒸汽吸热量等于烟气放热量：
[0067] 对于某监测管，当管内无氧化皮时，蒸汽吸收的热量等于对流传热量与炉膛直接辐射传热量之和：
[0068]
[0069] 式中，R为无氧化皮时对流传热热阻：R＝1/αg+ε+δm/λm+1/αs；Δt为无氧化皮时监测管整体传热平均温差；
[0070] 对于某监测管，当管内有氧化皮(垢层)时，蒸汽吸收的热量仍然等于对流传热量与炉膛直接辐射传热量之和：
[0071]
[0072] 式中，上标’均指有氧化皮时的工况参数；由于氧化皮极薄，因此，有氧化皮时，此项热阻基本不变，但要加上氧化皮的热阻，因此有氧化皮时热阻为：R'＝R+δy/λy[0073] 生成氧化皮前后，同等条件下，进、出口联箱压差ΔP相等，因此，有：
[0074]
[0075] 由(16)/(17)，并将(18)式代入，可得，
[0076]
[0077] 由(19)式求解可得到氧化皮厚度δy；当炉膛对监测段直接辐射传热很弱时，(19)式得到简化，可得：
[0078]
[0079] 本发明采用监测段入口烟温与烟速预测神经网络和监测管无氧化皮时热阻预测神经网络，将锅炉的运行参数如燃料量、送风量、燃料在不同磨煤机或喷口的分配比例、一二次风的分配比例、一、二次风量在不同喷口的分配比例以及过热器入出口参数作为神经网络的输入参数；神经网络输出为：监测管前各段的烟温与烟速；无氧化皮(垢层)时监测管热阻等。
[0080] 然后，壁温计算数学模型根据神经网络的输出、监测点温度及监测管出入口蒸汽参数计算出氧化皮(垢层)厚度及监测管温度分布。
[0081] 有益效果：本方法在利用神经网络预测受热前烟气温度、速度分布或直接监测受热前烟气温度、速度或者的基础上，根据传热数学模型，得到了过热器、再热器受热面壁温的分布。本方法具有简单快速、可连续进行和定期自动学习的优点，可用于在实际煤粉锅炉运行中进行受热面壁温、氧化皮厚度的定量监测，为锅炉通过优化调整控制热偏差防止爆管及为受热面寿命管理提供定量依据。
附图说明
[0082] 图1为壁温与氧化皮厚度监测系统示意图；
[0083] 图2为过热器结构与神经网络训练用数据测点布置图。
具体实施方式
[0084] 图1为壁温与氧化皮厚度监测系统示意图，图2为过热器结构与神经网络训练用数据测点布置图。
[0085] 本发明的锅炉过热器与再热器受热面壁温及氧化皮厚度在线监测方法实施例，包括以下步骤：
[0086] S1根据受热面入口烟气分布特点将监测管沿高度方向分段
[0087] 设过热器、再热器最外层第一根管为监测管，根据锅炉的布置与过热器、再热器的布置，通过实测或数值计算的方法，弄清过热器、再热器入口处烟温与烟速沿高度及宽度方向的变化情况；
[0088] 然后沿高度方向将过热器、再热器划分为n个区段，n＝1～5；
[0089] S2布置神经网络训练用烟气温度速度测点
[0090] 在每个区段的中间布置烟温与烟速测点，测量该区段入口烟温、烟速及出口烟温；
[0091] 监测参数有：顶棚上监测管外壁温度Ttop；各区段入口烟气平均烟速与烟温ui、ti；入口联箱、出口联箱的压力和温度Pin、Tin、Pout、Tout由DCS数据库获得；S3监测段入口烟温与烟速预测神经网络的确定及训练
[0092] 根据对过(再)热器入口烟速与烟温的影响，选择神经网络的输入为：总燃料量，各台磨煤机燃料量占总燃料量比率，总风量，一次风率，各一次风门开度，各二次风门开度，煤的收到基水含量、挥发分含量、发热量，灰污状况。
[0093] 神经网络的输出为：各监测段入口烟速ui，各监测入口烟温ti。
[0094] 在工况稳定，即在一定时间内参数随时间变化幅度小于一定数值时，自动读取前述参数，输入、输出参数均经过归一化处理后用于神经网络训练，也可以利用数值计算结果进行神经训练。
[0095] S4监测管无氧化皮时热阻预测神经网络的确定及训练
[0096] 根据对无氧化皮时监测管传热热阻的影响因素，选择神经网络的输入为：总燃料量，各台磨煤机燃料量占总燃料量比率，总风量，一次风率，各一次风门开度，各二次风门开度，煤的收到基水含量、挥发分含量、发热量，灰污状况，过热器出口蒸汽压力、蒸汽流量、各级减温水量。
[0097] 选择神经网络的输出为：监测管蒸汽温升有关参数ΔTs，监测管传热平均温差Δt，监测管传热热阻(无氧化皮时)R。其中： Δt为无氧化皮时监测管整体传热平均温差；R＝HΔt/[ρsvACps(Ttop-Tin)-Qf]。
[0098] 在无氧化皮(或氧化皮厚度已知)的工况下，当参数达到稳定，即在一定时间内参数随时间变化幅度小于一定数值时，读取相关参数，输入、输出参数均经过归一化处理后用于神经网络的训练。也可以利用数值计算结果进行神经训练。S5监测管中的蒸汽流速计算[0099] 对于多进多出型的进出口联箱，认为联箱压力分布均匀，每根并列管的压差相等；进口联箱、出口联箱压力和温度分别为Pin、Tin、Pout、Tout；根据数值计算或设计数据可以确定各并列管的阻力系数；
[0100] 由此可得每一根管子的压差均为：
[0101] ΔP＝Pin-Pout (1)
[0102] 式中Pin，Pout分别为进口联箱和出口联箱的压力，Pa，可以由DCS监测数据得到；
[0103] 对于监测管，出口端顶棚上监测壁温Ttop近似等于出口端汽温θ0，即：Ttop＝θ0；
[0104] 采用θ0作为定性温度，根据IAPWS—IF97公式计算监测管子内部蒸汽的密度ρ和动力粘度μ，即：
[0105] 监测管的压差根据阻力计算为：
[0106]
[0107] λ＝0.0032+0.221Re-0.237 (3)
[0108] Re＝ρv0di/μ (4)；
[0109] 式中，λ—监测管的沿程阻力系数；li—监测管的长度，m；di—为监测管的内径，m；ξ--监测管的局部阻力系数，可以根据数值计算或设计资料计算得到；v0—监测管的出口段蒸汽流速，m/s；Re—监测管出口段的雷诺数；
[0110] 联立求解方程(1)～(4)，得出监测管第1段的蒸汽流速v0；
[0111] 监测管第i段的蒸汽流速vi按质量守恒计算：
[0112]
[0113] S6监测管各段的传热计算
[0114] 监测管各段的传热计算按炉顶壁温测点与炉/烟道内监测点所处的蒸汽流程关系，从第1段开始，依次根据对流传热原理进行传热计算；
[0115] 蒸汽在管内纵向冲刷，Re＞104，0.6＜pr＜160，流动与传热充分发展l/d>50，对流放热系数：
[0116]
[0117] 烟气在顺列管束外横向冲刷的对流放热系数：
[0118]
[0119] 式中，Cs和Cn—管束节距和排数有关的修正系数；Di-为监测管的外径，m；
[0120] 传热系数：
[0121]
[0122] 式中：ε--灰污系数，ε＝δh/λh；δm、δy、δh--分别为管子金属、管子内壁氧化皮、管子外壁积灰层的厚度，m；λm、λy、λh--分别为管子金属、管子内壁氧化皮、管子外壁积灰层的导热系数，W/(m·℃)；αg、αs--分别为烟气侧和蒸汽侧对流放热系数，W/2
(m·℃)；
[0123] 对监测管，烟气与蒸汽一次交叉，传热温压：
[0124]
[0125] 式中，Δtmax＝t1-θ1，Δtmin＝t1-θ0；
[0126] 第i段对流传热量：Qd＝KΔtH (10)；
[0127] 第i段总传热量：Q＝Qd+Qf＝ρsvACps(θi-1-θi) (11)；
[0128] 式中：H—管子外表面积，m2；A-管内流通面积，m2；
[0129] 由(6)～(11)，可以求得第i段入口汽温θi；
[0130]
[0131] S7监测管各区段最高壁面温度计算
[0132] 以第i段为例，第i段的总传热量为Qi，由对流传热规律，可以计算出：
[0133] Qi＝Qdi+Qfi＝ρsiviAiCpsi(θi-1-θi)，i＝1,2…n (13)
[0134] 由多层圆筒导热公式，可以得到第i段管子外壁平均热负荷：
[0135]
[0136] 式中：ΔTtb为最外层与最内层金属壁温差；β＝Di/di，对于薄壁管，有lnβ≈2(β-1)/(β+1)；δy为氧化皮厚度；λy为氧化皮导热系数；
[0137] 考虑到对流换热可以得到管子外壁温度与工质温度的关系：
[0138]
[0139] 最高壁温：Tmax＝max{T0，T1…Tn-1}
[0140] S8氧化皮厚度计算模型
[0141] 假定受热面内氧化皮是均匀的，忽略局部温度对氧化皮厚度的影响。烟气出口平均温度tout由测量或由蒸汽热量平衡计算出来。不计散热情况下，蒸汽吸热量等于烟气放热量：
[0142] 对于某监测管，当管内无氧化皮时，蒸汽吸收的热量等于对流传热量与炉膛直接辐射传热量之和。
[0143]
[0144] 式中，R为无氧化皮时对流传热热阻：R＝1/αg+ε+δm/λm+1/αs；Δt为无氧化皮时监测管整体传热平均温差。
[0145] 对于某监测管，当管内有氧化皮(垢层)时，蒸汽吸收的热量仍然等于对流传热量与炉膛直接辐射传热量之和。
[0146]
[0147] 式中，上标’均指有氧化皮时的工况参数。由于氧化皮极薄，因此，有氧化皮时，此项热阻基本不变，但要加上氧化皮的热阻，因此有氧化皮时热阻为：R'＝R+δy/λy[0148] 生成氧化皮前后，同等条件下，进、出口联箱压差ΔP相等，因此，有：
[0149]
[0150] 由(16)/(17)，并将(18)式代入，可得，
[0151]
[0152] 由(19)式求解可得到氧化皮厚度δy。当炉膛对监测段直接辐射传热很弱时，(19)式得到简化，可得：
[0153]
[0154] 计算实例
[0155] 对某600MW超临界压力锅炉，进行壁温监视时的计算过程见表所示。
[0156]
[0157]
[0158]
[0159]
