一种基于时序大模型的NO预测系统

本发明涉及火电厂污染物预测技术领域，具体涉及一种基于时序大模型的NO预测系统，包括：数据预处理与特征映射模块用于采集预定第一时间周期内的历史参数和预定第二时间周期内的计划参数，获得时序融合数据；特征提取模块用于提取时序融合数据的时域特征和频率特征，并基于时域特征和频率特征生成联合特征；深度预测模块用于基于预设的LoRA‑大语言模型对联合特征进行深度语义理解并输出预定第二时间周期内的NO浓度预测序列。本发明通过时域与频域特征提取、及LoRA‑大语言模型深度语义理解，实现了在燃料特性变化和负荷波动下对火电机组NO排放的高精度预测，解决了传统模型难以同时处理锅炉工况瞬时波动与长程耦合效应的难题。