为解决燃煤机组深度减排和调峰约束下，由于脱硝系统氮氧化物测量大滞后、快时变所引起的测量系统无法及时反馈氮氧化物浓度变化的缺陷，优化解决过量喷氨产生过度氨逃逸、喷氨不足引起的氮氧化物排放超标、喷氨设施无法自动投运等问题，提出了一种基于互信息特征选择-多层感知机神经网络模型(conditional information feature extraction-multi layer perceptron,CIFE-MLP)的脱硝系统入口处氮氧化物浓度预测模型，利用某600 MW火电机组历史运行数据进行模拟实验验证。结果表明，将特征变量相较于输出变量(脱硝系统入口处氮氧化物浓度)的时间前移180 s后，使用CIFE-MLP建立的预测模型准确率为95.41%，决定系数R2为0.82，能够准确预测脱硝系统入口处氮氧化物浓度的变化趋势，解决了氮氧化物浓度测量延迟的问题。对燃煤机组深度减排和调峰运行操作具有一定的参考意义。

国能蚌埠发电有限公司科技项目(GN蚌发采[2022]121号)；

1 引言
2 研究方法
2.1 特征选择算法
2.2 预测模型建立
2.3 数据收集
2.4 特征变量筛选
2.5 建立NOx浓度预测模型
3 结果与讨论
4 结论