Para el sistema de reducción catalítica selectiva (SCR) en las centrales eléctricas de combustibles fósiles, debido a la gran cantidad de factores que influyen en la concentración de masa de NOx en la entrada y a los importantes retrasos en el sistema, que dificultan la medición precisa y oportuna de la concentración de masa de NOx en la entrada, se propuso utilizar el algoritmo de máxima correlación - mínima redundancia (mRMR) junto con el algoritmo de optimización bayesiana (BO) para optimizar el modelo dinámico de medición suave de la concentración de masa de NOx en el sistema de reducción catalítica selectiva (SCR). Para los problemas de reducción de la precisión de predicción del modelo único estático durante el proceso de formación dinámica de NOx y la asincronía de las variables auxiliares con la concentración de masa de NOx en la entrada, se utilizaron mRMR-BO para la selección de las variables auxiliares, CE para determinar el retraso de las variables auxiliares y BO para determinar el orden de las variables auxiliares, y se construyó el modelo integrado dinámico de medición suave utilizando la información sobre el retraso y el orden de las variables auxiliares mediante el método de integración. Los resultados de la simulación muestran: los modelos integrados presentan un menor error cuadrático medio, un menor error absoluto medio y un menor error absoluto porcentual en comparación con las redes TCN y LASSO; el modelo integrado dinámico, en comparación con el modelo integrado estático, tiene una precisión de predicción más alta, y puede lograr una medición suave precisa de la concentración de masa de NOx en la entrada.

modelado dinámico de NOx; máxima correlación - mínima redundancia; optimización bayesiana; modelo integrado