인공 신경망을 기반으로 하고 300MW 보일러와 결합하여 검 화폐 계수F를 도입하여 가열면에서의 재료 찌꺼기 및 슬래그형성 상태를 나타내고, 고내열준열면, 저내열준열면, 물벽 등과같은 열 흡수면에 대한 위의 화폐 계산 방법을 따로 논의하고 가열면오염온라인감시 모델, 온라인데이터 전처리모델을 각각 설정하였다. 저내온화기근처물벽구역에서의 버노트슬래그 곡선의 실제 분석을 통해 회 타후 가열면 정화계수가 크게 증가하지만 정화 기 정지 수행후 운행시간이 증가함에 따라 가열면오염 증가하며 정화 기가 다시 정상 값으로 서서히 복원된다. 가열면 정화계수의 변화는 보일러의 실제 버노트 초과후의 가열면오염 상황에 일치하여 이것이 또정도정도 가열면오염모델은 일정 부분 가열면의 실제 오염상황을 옳게 반영할 수 있다는 것을 나타낸다.

300MW 세트; 보일러; 고준열면; 물벽; 슬래그형성; 화과기; 정화계수; 모니터링 모델