目前我国火电机组广泛使用SCR脱硝系统作为烟气NOx治理的主要手段,建立准确的脱硝系统模型,掌握SCR系统的运行特性,对火电机组经济环保运行具有重要意义。本文以某660MW燃煤机组为研究对象,采用机器学习方法对SCR脱硝系统进行建模研究,主要研究内容如下:首先,从动力学角度分析催化还原反应机理,建立了SCR脱硝系统机理模型。为提高机理模型准确性,结合非线性权重更新策略和多目标跟踪策略提出了改进的粒子群优化算法,进而提出了采用该算法从现场实际运行数据中辨识机理模型参数的方法,针对某660MW机组的算例表明了该方法的有效性。其次,提出了一种改进的稀疏最小二乘支持向量机回归建模方法,该方法在传统剪枝策略的基础上对数据中的奇异点样本进行剔除,利用IPSO算法对核参数进行寻优,在获取模型稀疏特性的同时提高了模型的预测性能。提出了基于IS-LSSVR的SCR脱硝系统喷氨量预测模型,算例结果验证了该模型的预测精度和泛化能力。再次,建立了基于LSTM的烟囱入口NOx浓度软测量模型,该模型以SCR脱硝系统相关变量的时序数据作为输入,采用LSTM神经网络方法提取时序数据中的特性信息,实现了烟囱入口NOx浓度的软测量。针对SCR系统的时变特性,引入模型更新策略,提高了模型的自适应能力,采用现场运行数据进行了模型验证。然后,采用烟囱入口NOx浓度软测量模型对SCR出口NOx浓度测量值进行校正,基于校正后的现场数据,提出了两种催化剂性能劣化分析方法。其一,在SCR脱硝系统机理模型的基础上,利用校正后的运行数据对机理模型动力学参数进行辨识,从SCR脱硝反应动力学参数变化的角度分析催化剂服役期间的活性性能变化情况。其二,利用基于IS-LSSVR的SCR系统喷氨量预测模型,以服役过程中同一标准工况的耗氨量变化来表征催化剂活性性能的变化,采用分时段多模型建模方法获取催化剂的性能劣化趋势。最后,依托某集团公司脱硝催化剂两化融合平台,开发了SCR脱硝系统状态监测及催化剂性能劣化分析软件。