面向深度调峰的SCR系统NOx浓度预测方法及系统

本申请涉及一种面向深度调峰的SCR系统NOx浓度预测方法及系统，其中，方法包括：对历史运行数据进行异常数据点剔除、缺失值补全、数据滤波处理和数据标准化处理；在每个预设时长更新选择性催化还原脱硝系统喷氨机理模型和算数优化算法优化的长短时记忆网络模型的模型参数；基于更新后的选择性催化还原脱硝系统喷氨机理模型和更新后的算数优化算法优化的长短时记忆网络模型，建立选择性催化还原脱硝系统的物理信息神经网络混合预测模型，以预测面向深度调峰模式下选择性催化还原脱硝系统的氮氧化物浓度。由此，解决了传统机理模型依赖精确的物理假设，难以应对复杂动态特性，对SCR系统NOx浓度预测的精度低、可解释性差的问题。