燃煤电厂的氮氧化物排放是环境污染物的重要来源。随着环境问题受到越来越多的关注,控制氮氧化物排放成为燃煤电厂面临的重要任务。由于锅炉氮氧化物排放量与多种生产参数相关,具有强非线性特征,使得燃煤电厂氮氧化物排放难以有效地控制。针对燃煤电厂氮氧化物排放量控制过程中存在的建模数据集相关性,预测模型精度以及优化控制精度问题,以1000MW锅炉为研究对象,从数据预处理、建模方法,预测控制以及系统设计四个方面进行了实验研究,具体研究内容如下:首先,针对建模数据集的相关性问题,同时为了体现不同特性变量对于氮氧化物排放的影响,以变量特性为依据将锅炉生产过程的建模数据集划分为控制变量和状态变量。再采用Lasso算法分别对控制变量和状态变量进行相关性分析,选取对相关性显著的控制变量和状态变量分别作为控制变量预测模型和状态变量预测模型的输入变量。其次,针对电厂重要参数的预测模型精度的问题,本文提出了一种基于深度置信网络的非线性组合预测方法。以机组负荷为依据区分不同工况下的生产数据,划分了两种不同工况。针对不同工况下的电站锅炉,利用深度置信网络分别建立控制变量预测模型和状态变量预测模型,再采用非线性方法组合两个预测模型,最终建立基于非线性组合深度置信网络(NCDBN)的不同工况下锅炉重要参数的预测模型。然后,依据不同的工况条件,设置二次风门开度,燃尽风等可调参数的边界约束,考虑到机组安全高效的运行,设置机组负荷约束和锅炉燃烧效率约束。在满足边界约束,负荷约束以及效率约束的条件下,建立以氮氧化物排放量最低为目标的滚动优化模型,采用粒子群优化(PSO)算法求解优化模型,最终获取最优控制变量。当NOx排放量、机组负荷和锅炉燃烧效率预测模型的绝对误差连续三个时刻大于2%时,将采用最新生产数据重新建立锅炉主要生产参数的预测模型。最后,运用C#软件开发了电站锅炉氮氧化物排放量预测控制系统,预测控制系统包含用户登录、数据载入、智能模型、预测控制和结果显示五大功能模块。该系统可以根据授权用户的具体权限登录系统界面,在界面中进行智能建模、优化控制、参数调整或者结果查询。该系统供电厂运行人员参考使用。实验结果表明,本文所提出的非线性组合预测方法不仅准确预测锅炉重要参数,还为后续氮氧化物排放量的预测控制奠定基础。本文所提出的广义预测控制方法有效地降低锅炉氮氧化物的排放量,预测控制误差小于3%。