AI脱硝喷氨优化定制：NOx软测量与氨逃逸约束

「能源AI实验室」近期把实验场景放在煤电机组的SCR脱硝环节。变负荷工况下，入口NOx与烟气流量先波动、出口仪表后响应，人工喷氨往往靠经验留裕量，结果出口达标但氨逃逸偏高，空预器压差缓慢抬升。

我们的做法分两层：一是入口NOx软测量，用氧量、烟气温度、风量与历史喷氨阀位等变量建立分钟级预测，并对“喷氨—出口测量”的纯滞后做互相关对齐；二是带约束的喷氨量优化，把出口NOx上限与氨逃逸风险阈值分别作为硬约束与软约束，而非单一追求低NOx。

·进展：在某150MW机组历史数据回溯中，软测量对入口NOx的15分钟趋势预测误差处于个位数百分比区间；前馈策略下喷氨阀位波动幅度收窄，出口NOx超标时段减少，但氨逃逸侧样本不足，暂不下结论。
·下一步：接入氨逃逸在线仪表做闭环校核，并将空预器差压纳入长期约束，验证低负荷与启停阶段策略的稳定性。