原始名称记载: 北京新叶科技有限公司

本发明公开了一种基于NO预测的水解器制氨与脱硝全流程协同控制方法，包括：采集锅炉运行的实时状态参数，将实时状态参数输入LSTM神经网络预测模型，获取提前于实际测量的SCR入口NOx浓度预测值；基于SCR入口NO浓度预测值，结合锅炉的负荷变动参数，计算得到超前氨需量信号；利用超前氨需量信号，同步生成用于控制SCR脱硝系统的喷氨优化指令以及用于控制水解器制氨系统的制氨优化指令。通过计算SCR入口NO浓度预测值，生成可同时指导水解器制氨系统与SCR脱硝系统进行超前动作的超前氨需量信号，实现了制氨与脱硝环节的供需协同与提前响应，有效解决了因测量延迟和系统孤立导致的喷氨控制滞后与供氨压力波动问题。

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。