林康威，肖 红，姜文超，杨建仁，熊广思，黄冠儒

(1.广东工业大学 计算机学院，广州 510006；2.广州云硕科技发展有限公司，广州 511458)

0 引言

近年来，随着新能源产业迅速发展，我国能源结构不断发生调整，煤在能源消耗中所占的份额有所减少，但预计在未来很长的一段时间内，燃煤发电产业仍占据着主导地位[1]。燃煤发电会产生污染有害气体，其中含有SO2、NO、NO2等。因此，目前在火力发电厂实现控制NOX排放含量，常采用的成熟技术手段有SCR(选择性催化还原法)和采用传统的PID控制来实现喷氨以达到脱硝优化的目的[2-4]。而实现精准建立SCR脱硝过程参数与SCR脱硝出口NOX排放浓度之间的映射关系是优化脱硝控制系统的关键基础。随着近年来人工智能算法技术的成熟，在现有的电站SCR脱硝系统出口NOX排放浓度的预测研究中，大多学者分别从机理建模与数据驱动的方法进行探究。其中，姚楚等[5]通过SCR脱硝系统的化学反应机理建立SCR动态预测模型，最终实验结果表明机理建模实现对脱硝系统的喷氨量控制效果优于传统的PID控制器的方法。但是，通过机理建模的方式，需要以研究对象为核心，根据化学反应建立数学守恒关系式，而燃煤电厂脱硝过程是一个复杂、非线性和多变量耦合的系统，导致机理建模很难精准描述。而相对于机理建模的方法，通过数据驱动建模的方式，不需要深入研究对象机理反应过程，只需以数据为驱动，通过建立人工智能算法构建预测模型。铉佳欢……