Para resolver el problema de predecir la concentración de NOx en la salida del sistema SCR para las unidades de generación de energía de carbón, este artículo propone un método de modelado dinámico del sistema SCR que combina el aprendizaje extremo (ELM) y el algoritmo genético (GA). Para evitar el impacto de la aleatoriedad de la matriz de pesos de entrada y el sesgo de la capa oculta de ELM, se optimizaron los pesos de la capa de entrada y el sesgo de la capa oculta de ELM mediante GA, y se construyó un modelo del sistema SCR basado en GA-ELM. La precisión de predicción y la capacidad de generalización del modelo GA-ELM se validaron con datos reales de operación del sistema SCR de una unidad de generación de energía de carbón, y se compararon con los resultados de predicción de los modelos de máquina de vectores de soporte de mínimos cuadrados (LSSVM) y ELM. Los resultados muestran que el modelo GA-ELM ofrece la mejor precisión de predicción y capacidad de generalización, y puede estimar eficazmente la concentración de NOx en la salida del sistema SCR.

Unidad de generación de energía de carbón; Sistema SCR; Aprendizaje extremo; Algoritmo genético; Modelo dinámico; Control predictivo