摘要：针对选择性催化还原(selective catalytic reduction,SCR)脱硝系统存在难以建立准确模型的情况,提出基于k-近邻互信息(mutual information,MI)和小波核隐变量正交投影(wavelet kernel-based orthogonal projections to latent structures,WKOPLS)的MI-WKOPLS预测模型,实现动态估计系统出口NOx浓度。首先利用k-近邻互信息法估计各输入变量时延,对模型样本进行相空间重构;然后将Morlet母小波引入KOPLS建立模型;最后采用滑动窗口策略实现动态建模。通过标准数据集测试,WKOPLS与其它建模方法相比,具有泛化、非线性逼近和抗噪能力最强的特点。并选择SCR系统从变工况至稳态的4组样本分析,结果表明:与WKOPLS相比,MI-WKOPLS提高模型的非线性逼近和泛化能力;与其它算法相比,在变工况时,MI-WKOPLS的RMSEte和MAPEte均达到最小值3.3617mg/m3和7.254%,在稳态时,MI-WKOPLS的RMSEte和MAPEte均达到最小值1.8617mg/m3和4.5487%。

关键词：选择性催化还原 脱硝系统 小波核隐变量正交投影 动态模型 

单位：华北电力大学控制与计算机工程学院; 北京市昌平区102206; 河北省发电过程仿真与优化控制工程技术研究中心(华北电力大学); 河北省保定市071003