国内火电厂普遍采用选择性催化还原(SCR)脱硝装置来降低烟气中NOx浓度，由于SCR系统反应机理复杂，具有控制滞后、非线性及时变性等特点，常规的PID算法控制脱硝喷氨量，在变工况的情况下，系统呈现出非线性、大滞后性，难以确保最佳喷氨比例。过量喷氨不仅影响脱硝效率，还会腐蚀烟道，造成空预器堵塞影响机组的安全运行；如果喷氨量不足，则烟气中NOx的排放无法达到环保排放要求，且造成环境污染。 成果以粒子群算法（PSO）和支持向量机（SVR）相结合的算法为基础，建立了喷氨量预测模型、NOx预测模型，喷氨量优化模型和NOx优化模型，采集历史及现场测试数据，经机器迭代学习、参数寻优和交叉验证，结合现场设备改造，实现各种工况下最优喷氨量的准确预测和分区控制，提高了喷氨控制精度和脱硝效率，降低了生产成本。