Pour le système de réduction catalytique sélective (SCR) dans les centrales électriques à combustibles fossiles, en raison du grand nombre de facteurs influençant la concentration en masse de NOx à l'entrée et des retards importants dans le système, rendant difficile la mesure précise et opportune de la concentration en masse de NOx à l'entrée, il a été proposé d'utiliser l'algorithme de maximisation de la corrélation - minimisation de la redondance (mRMR) conjointement avec l'algorithme d'optimisation bayésienne (BO) pour optimiser le modèle dynamique de mesure douce de la concentration en masse de NOx dans le système de réduction catalytique sélective (SCR). Pour les problèmes de réduction de la précision de prédiction du modèle unique statique lors du processus dynamique de formation de NOx et de l'asynchronisme des variables auxiliaires avec la concentration en masse de NOx à l'entrée, mRMR-BO a été utilisé pour la sélection des variables auxiliaires, le CE pour déterminer le retard des variables auxiliaires, et le BO pour déterminer l'ordre des variables auxiliaires, et le modèle de mesure douce intégrée dynamique a été construit à l'aide des informations sur le retard et l'ordre des variables auxiliaires en utilisant la méthode d'intégration. Les résultats de la simulation montrent: les modèles intégrés présentent une moindre erreur quadratique moyenne, une moindre erreur absolue moyenne et une moindre erreur absolue moyenne en pourcentage par rapport au réseau TCN et LASSO; le modèle intégré dynamique par rapport au modèle intégré statique, une précision de prédiction plus élevée, peut réaliser une mesure douce précise de la concentration en masse de NOx à l'entrée.

modélisation dynamique de NOx; maximisation de la corrélation - minimisation de la redondance; optimisation bayésienne; modèle intégré