在兼顾经济发展和节能减排的过程中,超超临界火电机组以其负荷容量大和发电效率高的优点被广泛应用。但随着锅炉系统长时间在高温高压下运行,其受热面的工质温度持续处于极限值附近,因此锅炉系统频繁发生超温爆管等事故。本文以最接近炉膛火焰的水冷壁开展预防超温爆管的研究,着重探讨水冷壁的安全性能,并提出能够有效监控锅炉水冷壁温度的软测量模型。论文主要从以下几个方面展开研究:本文的实验数据来自江苏宿迁电厂的超超临界二次再热燃煤机组。首先,使用多源数据融合方法对水冷壁的温度数据进行聚类融合处理,融合后的温度数据不仅能间接反映炉膛内的燃烧情况,还能起到对数据降维的作用;再使用典型相关性方法探索水冷壁以及后续被水冷壁影响的参数之间的关联规律,对数据再次进行化简,分析出水冷壁中需要重点监测的数据,同时为构建水冷壁温度预测模型等研究做准备。其次,针对水冷壁壁温数据之间存在相关性大和耦合性强的特点,传统的机理计算温度值的方法已无法满足智能电厂的需要。因此,本文利用最小二乘支持向量机（LSSVM）和长短期记忆神经网络（LSTM）分别构建出锅炉系统的水冷壁温度预测模型。首先使用灰色关联分析理论（GRA）进行变量选择,消除模型输入数据中的冗余变量;其次为进一步提高模型的预测精度,由差分算法提高灰狼算法的全局寻优能力,再利用改进后的灰狼算法（IGWO）对LSSVM和LSTM的模型参数进行优化处理,得到两种新型的锅炉系统水冷壁温度预测模型。经过仿真实验表明,GRA-IGWO-LSTM模型的预测性能最佳,能够准确预测出水冷壁温度的变化趋势,实现对炉膛超温现象的提前预警,保证锅炉的安全运行。最后,采用GRA-IGWO-LSTM算法建立水冷壁壁温敏感性分析模型,在此模型基础上分析造成水冷壁温度发生变化的相关因素与水冷壁壁温的关系,进而获得水冷壁壁温与相关因素间的敏感度。通过敏感度可以指导运行人员调节、控制水冷壁的壁温,对保证超超临界锅炉系统的安全运行具有重要意义。