AI脱硝喷氨优化：NOx预测与氨逃逸约束

在燃煤与垃圾焚烧机组上，SCR脱硝的喷氨量长期依赖固定配比与人工经验：喷少了NOx超标，喷多了氨逃逸上升，空预器堵塞与硫酸氢铵沉积随之而来。我们尝试把这一环节做成一个带约束的预测控制问题。

做法分两层：一是用入口NOx、烟气流量、反应器温度、氧量与机组负荷等DCS测点训练时序模型，滚动预测未来60~90秒的出口NOx；二是以氨逃逸软测量为约束，在满足排放限值的前提下寻优喷氨阀开度，把「稳定达标」与「少喷氨」放进同一个目标函数。

阶段性进展：在某300MW级试点机组连续运行约两个月，出口NOx小时均值波动区间收窄约三成，液氨单耗下降3%~5%，期间未出现由模型动作直接导致的超标工况。

下一步计划：补足低负荷与启停阶段的样本，验证工况漂移下的在线更新策略；同时逐步用可定期标定的表计数据替换氨逃逸软测量，减少对模型外推的依赖。这类优化收益不大但确定性高，适合先做单机组闭环验证再谈推广。